ing 生成的项目的可维护性问也已经基本解决。
我最近用 AI 纯 vibe coding 了两个大型系统，没有看过一行代码，持续不断的迭代新功能，几乎没有遇到任何障碍。
不仅是我自己，我身边的朋友们，包括投资人、HR、教师、公务员等等。都开始拥抱 vibe coding，把自己生活或者是工作上的需求，通过开发一个系统或者 app 解决掉。
比如，一个朋友开发了一套极为复杂的工作流处理后台，能实现自动处理全单位电来电，分析录音进行转录，提取声纹进行匹配，然后自动化创建工单进行跟踪。同时自动记录所有人员的回复口径与规范的冲突，用于后续工作反馈。
放到一年前，这至少是一个六位数、半年以上的外包项目。
另一个朋友，由于对他的潜水表 app 不满意，直接让 AI 逆向了蓝牙通讯协议，完全根据自己的需求重做了一个配套 app 记录潜水数据。
类似的案例在互联网上已经数不胜数。
#
回到标，为什么我说「开发者已经不酷了」，虽然「酷」是一件非常主观的事情，但是稀缺性应该是酷的一个必要非充分条件。
在原来，开发者这一身份，被代码工作给强绑定，因为代码是实现开发者工作目标的一个必经之路。（确实存在着少数完全依赖其他人进行代码工作，自己只负责需求的案例，但一般这种情况被称为产品经理或者老板）
而现在由于 AI 能力终于跨过了一个关键门槛，开发者这一身份已无需和代码能力所绑定。现在任何人都可以是开发者了。开发者正在从一种职业，变成一种能力。
而且，开发能力很快将变成一项工作的必备能力，拥有开发能力的员工，一个人就能顶一个团队的价值（x10 打工人）。也许在未来，开发能力将被直接细化为一个学科，融入基础教育。
#
作为一个独立开发者，我多少还是有一点失落。毕竟原来开发是属于少数人的稀有能力，只有少数人可以把需求变成现实。但是这就是时代的进步，除了拥抱别无他法。
但这并不意味着，原本的开发者会因为 AI 能力被抹平所有优势，虽然 AI 几乎抹平了编码能力的差距，但是也能够彻底解放开发者的产品能力。
比如，原本在考虑某些产品需求时，我肯定会同时评估技术实现的难度和复杂性，很可能因为实现过于麻烦，在产品设计阶段就将某些功能予以否决或延期。现在由于研发不再是负担，我可以专注于产品的角度去规划研发。
另外，本身作为经验丰富的研发工程师，我在提出一个需求的时候，已经考虑了一圈实现方式和实现难度，大概知道复杂度的边界在哪里。所以可以更准确的给出AI需求。如果没有这方面经验，只单纯向 AI 提需求，由于 AI 一般不会拒绝，很可能出现为了一个可有可无的小需求，把整个项目给重构一遍的情况。
还有一点，我认为短时间内也不会改变。给自己开发，和给成千上万用户开发，是两件完全不同的事情。自己的需求怎么样都行。而作为一个产品进行发布的，一定是要对用户群体的需求进行高度有效的抽象的，这个是目前AI很难做到的事情，特别是做减法。
#
虽然目前 AI 泡沫依然庞大，但是围绕着 AI 的真实商业逻辑，核心叙事几乎只有一个：用 AI 代替真人去省钱。
然而现在的 AI 开发能力发展，揭露了一条不太一样的路径：由于研发的成本被 AI 拉到如此低廉，许多原本成本上不可行的商业模式开始变得可行。
比方说这个老掉牙的段子：「我准备招一个刚毕业的大学生，给他两万块，让他把淘宝做出来。」，现在已经不是段子了。只谈电商老板的业务需求，不考虑淘宝的用户规模和复杂需求，只需 $100 的 codex/claude 订阅，一天时间，就能做出一套足以支撑中小商家运营的商城系统。
在这之前，不依赖有赞、Shopify 这些现成服务，至少需要雇两到三名研发、产品和设计人员，折腾几个月，才能有一个雏形。对于小型的商户来说，这个成本并不划算，所以只有少数大型品牌，才会有自己的电商系统。
而现在，多小的生意都可以自己搭建一套完全服务于自己的电商系统，比如我很喜欢的 xikii 厂长的 DIY 机箱，就在几个月前上线了这样一个网站：https://m.xikii.com/ ，不仅涵盖了完整的电商业务，还包含会员体系、售后、收藏、在线群聊等等复杂模块。
我已经看到不止一例因为研发成本大幅降低而逃离平台的例子，我认为，这是一条新的商业路径，也正是今年二月 SaaS 板块暴跌（SaaSpocalypse）背后的逻辑。
# 目前的局限
目前 AI 的局限性，几乎完全来源于 AI 信息的不完整：
1. 还没有被充分数字化的内容，这极大地依赖开发者将本身的经验和非公开的知识告知给 AI。
2. 上文提到的需求归纳和抽象，这是通过观察用户行为和思考加工而得到的总结，这种观察是非常复杂的，并非结构化统计和调查问卷就可以解决。
3. 针对 UI/UX 的调优，人眼可以以超过每秒 25 帧的频率观察所有 UI 细节和变化，而目前的模型只能以完整图片的形式输入。即 AI 对 UI 的理解仍然是离散的，而人眼看到的是连续变化。这使得 AI 在调试 UI/UX，特别是动效时，效率非常的低下，只能靠截图分析。这个问只有靠模型本身的提升才能解决，需要等编程模型拥有视频生成模型那种连续的视觉的处理能力。（这也是为什么现在模型写前端最厉害，因为前端可以脱离纯视觉以 DOM 树去理解结果，这对于文本模型来说非常友好。）
#
六年前，我不喜欢别人叫我程序员。因为我觉得，真正重要的从来不是写代码，而是创造。到了今天，是叫程序员，还是工程师、开发者，都已经不再重要了，软件创造正在从一种职业能力，变成一种人人都可以掌握的基础技能。
@aigc1024
我最近用 AI 纯 vibe coding 了两个大型系统，没有看过一行代码，持续不断的迭代新功能，几乎没有遇到任何障碍。
不仅是我自己，我身边的朋友们，包括投资人、HR、教师、公务员等等。都开始拥抱 vibe coding，把自己生活或者是工作上的需求，通过开发一个系统或者 app 解决掉。
比如，一个朋友开发了一套极为复杂的工作流处理后台，能实现自动处理全单位电来电，分析录音进行转录，提取声纹进行匹配，然后自动化创建工单进行跟踪。同时自动记录所有人员的回复口径与规范的冲突，用于后续工作反馈。
放到一年前，这至少是一个六位数、半年以上的外包项目。
另一个朋友，由于对他的潜水表 app 不满意，直接让 AI 逆向了蓝牙通讯协议，完全根据自己的需求重做了一个配套 app 记录潜水数据。
类似的案例在互联网上已经数不胜数。
#
回到标，为什么我说「开发者已经不酷了」，虽然「酷」是一件非常主观的事情，但是稀缺性应该是酷的一个必要非充分条件。
在原来，开发者这一身份，被代码工作给强绑定，因为代码是实现开发者工作目标的一个必经之路。（确实存在着少数完全依赖其他人进行代码工作，自己只负责需求的案例，但一般这种情况被称为产品经理或者老板）
而现在由于 AI 能力终于跨过了一个关键门槛，开发者这一身份已无需和代码能力所绑定。现在任何人都可以是开发者了。开发者正在从一种职业，变成一种能力。
而且，开发能力很快将变成一项工作的必备能力，拥有开发能力的员工，一个人就能顶一个团队的价值（x10 打工人）。也许在未来，开发能力将被直接细化为一个学科，融入基础教育。
#
作为一个独立开发者，我多少还是有一点失落。毕竟原来开发是属于少数人的稀有能力，只有少数人可以把需求变成现实。但是这就是时代的进步，除了拥抱别无他法。
但这并不意味着，原本的开发者会因为 AI 能力被抹平所有优势，虽然 AI 几乎抹平了编码能力的差距，但是也能够彻底解放开发者的产品能力。
比如，原本在考虑某些产品需求时，我肯定会同时评估技术实现的难度和复杂性，很可能因为实现过于麻烦，在产品设计阶段就将某些功能予以否决或延期。现在由于研发不再是负担，我可以专注于产品的角度去规划研发。
另外，本身作为经验丰富的研发工程师，我在提出一个需求的时候，已经考虑了一圈实现方式和实现难度，大概知道复杂度的边界在哪里。所以可以更准确的给出AI需求。如果没有这方面经验，只单纯向 AI 提需求，由于 AI 一般不会拒绝，很可能出现为了一个可有可无的小需求，把整个项目给重构一遍的情况。
还有一点，我认为短时间内也不会改变。给自己开发，和给成千上万用户开发，是两件完全不同的事情。自己的需求怎么样都行。而作为一个产品进行发布的，一定是要对用户群体的需求进行高度有效的抽象的，这个是目前AI很难做到的事情，特别是做减法。
#
虽然目前 AI 泡沫依然庞大，但是围绕着 AI 的真实商业逻辑，核心叙事几乎只有一个：用 AI 代替真人去省钱。
然而现在的 AI 开发能力发展，揭露了一条不太一样的路径：由于研发的成本被 AI 拉到如此低廉，许多原本成本上不可行的商业模式开始变得可行。
比方说这个老掉牙的段子：「我准备招一个刚毕业的大学生，给他两万块，让他把淘宝做出来。」，现在已经不是段子了。只谈电商老板的业务需求，不考虑淘宝的用户规模和复杂需求，只需 $100 的 codex/claude 订阅，一天时间，就能做出一套足以支撑中小商家运营的商城系统。
在这之前，不依赖有赞、Shopify 这些现成服务，至少需要雇两到三名研发、产品和设计人员，折腾几个月，才能有一个雏形。对于小型的商户来说，这个成本并不划算，所以只有少数大型品牌，才会有自己的电商系统。
而现在，多小的生意都可以自己搭建一套完全服务于自己的电商系统，比如我很喜欢的 xikii 厂长的 DIY 机箱，就在几个月前上线了这样一个网站：https://m.xikii.com/ ，不仅涵盖了完整的电商业务，还包含会员体系、售后、收藏、在线群聊等等复杂模块。
我已经看到不止一例因为研发成本大幅降低而逃离平台的例子，我认为，这是一条新的商业路径，也正是今年二月 SaaS 板块暴跌（SaaSpocalypse）背后的逻辑。
# 目前的局限
目前 AI 的局限性，几乎完全来源于 AI 信息的不完整：
1. 还没有被充分数字化的内容，这极大地依赖开发者将本身的经验和非公开的知识告知给 AI。
2. 上文提到的需求归纳和抽象，这是通过观察用户行为和思考加工而得到的总结，这种观察是非常复杂的，并非结构化统计和调查问卷就可以解决。
3. 针对 UI/UX 的调优，人眼可以以超过每秒 25 帧的频率观察所有 UI 细节和变化，而目前的模型只能以完整图片的形式输入。即 AI 对 UI 的理解仍然是离散的，而人眼看到的是连续变化。这使得 AI 在调试 UI/UX，特别是动效时，效率非常的低下，只能靠截图分析。这个问只有靠模型本身的提升才能解决，需要等编程模型拥有视频生成模型那种连续的视觉的处理能力。（这也是为什么现在模型写前端最厉害，因为前端可以脱离纯视觉以 DOM 树去理解结果，这对于文本模型来说非常友好。）
#
六年前，我不喜欢别人叫我程序员。因为我觉得，真正重要的从来不是写代码，而是创造。到了今天，是叫程序员，还是工程师、开发者，都已经不再重要了，软件创造正在从一种职业能力，变成一种人人都可以掌握的基础技能。
@aigc1024
