惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

WordPress大学
WordPress大学
V
Visual Studio Blog
P
Privacy International News Feed
月光博客
月光博客
Threat Intelligence Blog | Flashpoint
Threat Intelligence Blog | Flashpoint
L
Lohrmann on Cybersecurity
N
News and Events Feed by Topic
K
KPMG report finds enterprise disconnect between AI and its ROI | CIO
Apple Machine Learning Research
Apple Machine Learning Research
阮一峰的网络日志
阮一峰的网络日志
Webroot Blog
Webroot Blog
T
Threatpost
宝玉的分享
宝玉的分享
The Last Watchdog
The Last Watchdog
小众软件
小众软件
L
LINUX DO - 最新话题
C
Cisco Blogs
T
Troy Hunt's Blog
Schneier on Security
Schneier on Security
酷 壳 – CoolShell
酷 壳 – CoolShell
www.infosecurity-magazine.com
www.infosecurity-magazine.com
雷峰网
雷峰网
G
GRAHAM CLULEY
有赞技术团队
有赞技术团队
Know Your Adversary
Know Your Adversary
博客园 - 叶小钗
罗磊的独立博客
V
V2EX
博客园 - Franky
P
Proofpoint News Feed
SecWiki News
SecWiki News
腾讯CDC
cs.CL updates on arXiv.org
cs.CL updates on arXiv.org
Jina AI
Jina AI
博客园 - 三生石上(FineUI控件)
S
Secure Thoughts
钛媒体:引领未来商业与生活新知
钛媒体:引领未来商业与生活新知
Google DeepMind News
Google DeepMind News
Attack and Defense Labs
Attack and Defense Labs
人人都是产品经理
人人都是产品经理
The Cloudflare Blog
PCI Perspectives
PCI Perspectives
V2EX - 技术
V2EX - 技术
Google DeepMind News
Google DeepMind News
Last Week in AI
Last Week in AI
aimingoo的专栏
aimingoo的专栏
Cisco Talos Blog
Cisco Talos Blog
N
News and Events Feed by Topic
让小产品的独立变现更简单 - ezindie.com
让小产品的独立变现更简单 - ezindie.com
S
SegmentFault 最新的问题

Mr. PM 下午先生

從目標到指標的對齊:產品目標不是公司目標的縮小版 | Mr.PM 下午先生 99% 的 50 次方,設計 AI Agent 的第一性原理 | Mr.PM 下午先生 2026 回母校演講:QA 大整理 真希望我20歲懂的事:理財、設定目標、長線思考 用 AI 當編輯,將 100 集 podcast 編輯成書 | Mr.PM 下午先生
Vibe Coding 做出成果之後,沒人告訴你的三個陷阱 | Mr.PM 下午先生
mrpm · 2026-04-18 · via Mr. PM 下午先生

最近跟很多朋友交流,他原本不會寫 code,是做規劃和整合的人,但開始 Vibe Coding 後做出了成果,反而變成期待通膨,工作吃不消。

這就是職場常見的陷阱:能力強的人,事情會越來越多,搞死自己。但 Vibe Coding 這波,陷阱比以前更深,因為大家對 AI 的想像太美好了。

不是不要 vibe coding,因為我自己也在做,也樂在其中,但是這其中難免有很多令人不舒服的地方。

第一層:能力陷阱

證明了 A 可行,就直接假設 B 也可行。

但常常遇到的狀況是,難度不是線性成長,是指數成長。「你能做到 A,那 B 應該也不難吧!」,說這話的人不是故意刁難,他是真的這樣覺得。

所謂「應該不難」的題目,到了實作層面會膨脹一百倍。

不是不能做,可能真的做得到。但做得到跟拼盡全力才做到是兩回事。Vibe coding 技能的人,對到底要花多少力氣和時間才能做到,估計誤差是非常大的,自己都不知道自己的能力邊界在哪裡,然後會有多喘。

這時候,真的要懂得做取捨,專注在重要的事情上,更策略的去做事,不要想用「努力」去壓過去,長期來講不可能。

第二層:支援體系陷阱

做 Vibe Coding 的人,不是傳統職能定義的人,卡在中間規劃和實作中間。

傳統 PM 遇到問題,可以找工程師討論。工程師遇到問題,有技術社群、有 Stack Overflow、有同事可以 code review。但做 Vibe Coding 的人呢?你遇到的問題,同事給的支援,其實很有限。

Vibe Coding 的人是開拓者,但開拓者的代價是「沒人帶,沒補給」。

沒有支援體系,就得自己幫自己建。但建支援體系本身也要花時間。在補給不足的狀況下,自然就跑不快。

第三層:對 AI 誤解的陷阱

這可能是最核心的。

AI 進步太快,大家對 AI 能做什麼,認知很不一樣。

因為做 Vibe Coding 的人是「用 AI 做的」,所以在別人眼中,工作量被自動打了折扣。AI 幫忙寫了 code,所以應該更快、更多、更便宜。至於花了多少時間理解需求、設計架構、debug AI 寫出來的東西,這些隱形的工作量,大家認知的不一樣,有人覺得很多,有人覺得很少,根本沒對齊。

那該怎麼辦?

我們回頭看一下,以前所謂「能力很好的員工,是怎麼不累死自己的呢?」這個議題。

管理期待、寫工作紀錄、透明化自己的工作,從以前沒 AI 的時代,到現在有 AI 的時代,這些原則都沒變過。

不是你可以一條龍做到底,就一條龍自己做,而是要思考各自擅長的任務,把 AI 考慮進來,建立新的團隊 Protocol。經濟學的比較利益法則早就說過,什麼都強的大國,還是要跟他國貿易,才能達到效益最大化。

一個人走得快,一群人走得遠,這個原則到 AI 時代也是不會變。

懂取捨,抓重點,會是 AI 最關鍵的事。