结构化摘要：AI 都会写代码了，还要不要学传统编程？

文章主旨：

AI 已能承担大量编码工作，但传统编程仍要学——不靠编程吃饭的人“不用会写，但得会用”；靠技术吃饭的人应把“写”交给 AI、把“判断”留给自己，学习重点从“把代码写出来”转向“对代码负责”。

关键要点：

• vibe coding 显著降低了做工具、做产品的门槛：不会写代码的人能自己做软件，会写代码的人能一个人干原来一个小团队的活。
• 发明 vibe coding 的 Karpathy 敢不看代码，是因为他随时看得懂，交出去的只是“敲键盘”，判断权始终在自己手里；普通人照学，交出去的是整个判断权。
• 不靠编程吃饭的人需掌握四样：基本名词、把需求讲清楚、做基本验收、具备安全与花钱的常识。
• 靠技术吃饭的人基础语法与常用写法省不得，但重心从记语法、抠细节转向读代码与判断优劣；招聘要求同步转向讲架构分层、现场排查报错、如何用 AI 保证代码质量。
• 学习方法随之改变：直接上手做东西、把 AI 当作随问随答的老师、逼自己读懂再接受生成代码，并以“自己写一版与 AI 写一版对比”的方式找盲区。

内容结构：

引言：问题的提出

AI 编程热度高涨，门槛大幅下降：八岁小孩能用 AI 做游戏，不会编程的设计师上线了自己的产品，“一个人加一堆 AI 就是一家软件公司”。由此引出一个问题：AI 都会写代码了，现在学技术还要不要学传统编程？作者表示，自己从最新测试开发方向的招聘要求中整理出两百多道面试真题，认为“传统编程该不该学、该学到什么程度，企业早把态度写在招聘要求里了”，并分“不靠编程吃饭的人”和“靠技术吃饭的人”两类展开讨论。

01 vibe coding 是真好用，先承认这一点

作者承认 AI 编程让写代码方便太多、做工具和产品的门槛明显下降。不会写代码的人受益最直接：以前做小工具得找外包或干脆放弃，现在把需求用大白话说清楚，AI 就能写出来；想验证产品点子，周末就能做出能跑的 demo。会写代码的人受益更多：AI 不只能做造数、写 SQL 之类的杂活，把功能设计讲清楚（页面、接口、数据存储），它可以一次性把前后端写出来。

02 发明这个词的人，恰恰是最会写代码的那批人之一

vibe coding 由 Andrej Karpathy（OpenAI 创始成员、特斯拉前 AI 总监）提出。他的玩法是：报错就把错误信息原样复制给 AI，不看 diff，建议全部接受，“完全交给感觉”——但这只用于周末的小玩具项目，正经生产系统不会这么干。

作者由此提出核心分析：最会写代码的人反而最先不看代码，是因为他随时看得懂，出问题一眼看穿，平时只是懒得看。他敢把“写”全部交出去，是因为“判断”一直捏在自己手里。普通人照着学则不同：他的“不看”是看得懂而选择不看，你的“不看”是看不懂、没得选；他交出去的是敲键盘的活，你交出去的是整个判断权，AI 生成的东西对不对只能靠猜。

结论：写代码的动作连顶尖的人都开始扔了，并不可惜；但看懂代码、判断对错的本事他们没扔，反而攥得更紧。代码产量上去了，把关没有消失，把关的人从写代码的人慢慢变成了读代码的人。

03 不靠编程吃饭的人，不用会写，但得会用

若不打算靠写代码吃饭，传统编程可以不学，但值得弄懂四样东西：

• 基本名词：知道什么是接口、什么是数据库，程序跑在哪台机器上、数据存在哪里、自己的信息在谁手里；不懂这些，AI 说的话一半听不懂。
• 把需求讲清楚：说明给谁用、正常流程怎么走、输入出错怎么提示、哪些情况要拦下来，否则 AI 会自行发挥。
• 会做基本验收：不能按钮全点一遍就收货，要正常流程走一遍、故意输错一次、换台手机再打开看看。
• 安全与花钱的常识：他人信息不能随便放，云服务按量收费，哪些东西给别人用前要多留心。

程度标准是：名词听得懂、需求讲得清、东西验得出好坏、明显的雷认得出。作者以“租车自驾”作比喻：不用会修车，也不必很懂车辆结构原理，但开车技能和交通规则这类基本常识必须会。

04 靠技术吃饭的人，写交给 AI，判断留给人

对技术人来说，代码是吃饭的家伙，根基不能丢：连代码什么意思都看不懂，就无法判断 AI 写得对不对、好不好，基础语法和常用写法省不得。

真正变的是重心：以前学编程七成力气花在记语法、抠细节，现在这部分可以松一些，写的时候 AI 会兜底，忘了怎么写不必再去搜索，直接问 AI。省下的力气要往“读和判断”上放：AI 生成的代码要能看懂在干什么、哪里写得聪明、哪里埋着坑。

这一判断与招聘市场的变化一致：纯记忆、有“标准答案”的八股题越来越少，因为答案 AI 张口就来，考不出区分度；而白板讲框架分层、现场排查一段报错这类题一道没少，反而问得更深，要求讲清为什么这么设计、错在哪一步、怎么改；同时新增了“你怎么用 AI 干活、AI 生成的代码你怎么保证质量”这类问题，“会用 AI 提效”已成为 JD 标配。

学习方式也随之改变：可以直接上手做东西，让 AI 兜底，卡住就把代码丢过去问“这段为什么这么写、换种写法行不行”，相当于身边多了一个不知疲倦、不会烦的老师。但光问不练不行，判断力是练出来的：生成的代码要逼自己读完理解再接受，看不懂当场追问，被坑一次就长记性；时间允许时，最好自己先写一版（或先在脑海里形成大致思路），再让 AI 写一版，两版对比，差异之处就是各自的盲区。

05 回到问题本身

作者指出 Karpathy 后来说法也变了：到 2025 年底，他谈得更多的是 Agent 时代的工程，强调开发者要重新抓回架构设计和上下文的组织，代码的验收要回到人手里。发明 vibe coding 的人先往前跑了，跑的方向恰是编程里最难也最值钱的部分——拆问题、定结构、做取舍、验结果，这个动向本身比任何辩论都有说服力。

因此针对“还要不要学编程”，作者给出两点建议：不靠编程吃饭的人，不用会写，但得会用；靠编程吃饭的人，学还是要学的，只是从今天起，学编程的重点从把代码写出来，变成了对代码负责。

文章总结：

AI 时代“会写”的门槛在降低，而“能读、能判断、能负责”的能力在升值；是否学编程取决于你靠不靠它吃饭，但无论哪类人，都不该把判断权整个交给 AI。

说明：摘要已剔除原文中的推广链接、点赞转发星标引导、往期推荐及相关招生/引流内容。