大家好，我是狂师。
今天咱们来聊一个大家都非常关心的话题。
这两年 AI 编程火得不像话，会写代码的人天天用，不会写代码的人也开始拿它做东西。八岁小孩都能用 AI 做出游戏了，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。然后一个问题被顶到了很多人面前，尤其是正在学技术的人面前。
AI 都会写代码了，现在学技术，还要不要学习传统编程？
我本身也是做技术知识分享的，这两年这个问题被问过很多次，问的人里有想转行做测开的，有在校的学生，也有干了几年开始慌的在职测试工程师。
刚好最近把最新测试开发方向的招聘要求翻了个遍，整理出了两百多道面试真题（后续会逐步开源发布到https://ai.testfather.cn/这个网站上），其实传统编程该不该学、该学到什么程度，企业早把态度写在招聘要求里了。
今天就来聊聊我个人的一点看法，分两种人讲，不靠编程吃饭的，和靠技术吃饭的人。
vibe coding 出来以后，写代码这事确实方便太多了，做工具、产品的门槛一下就降下来了，这点无可否认。
不会写代码的人，受益最直接。以前想做个自己的小工具，要么花钱找外包，要么干脆别想。现在把需求用大白话说清楚，AI 直接给你写出来，聊几句话的事。想验证个产品点子，周末花点时间就能捣鼓出一个能跑的 demo。
而会写代码的人，吃到的好处只会更多。你以为它只能帮你干造数、写 SQL 这种杂活，那就小看它了，现在的 AI 编程是能直接上手做完整系统开发的。你把一个功能的设计讲清楚，页面要哪些、接口怎么定、数据怎么存，它能把前后端一口气写出来。
不会写代码的人，现在能自己做软件了。会写代码的人，一个人能干原来一个小团队的活。
vibe coding 这个词去年火遍全网，发明它的人叫 Andrej Karpathy，OpenAI 的创始成员，特斯拉的前 AI 总监，世界上写代码写得最好的一小撮人。
他给这个词配的玩法是，报错了把错误信息原样复制给 AI，看都不看，AI 给建议就全部接受，diff 也不读，用他的原话说，完全交给感觉。不过需要注意，人家玩这个，玩的是周末的小玩具项目，正经生产系统不会这么干的。
这个事细想挺有意思。为什么最会写代码的人，反而最先不看代码了。因为他随时看得懂。真出问题了一眼就能看穿，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，就出问题了。你也不看代码，可你的不看和他的不看是两回事，一个是选择，看的懂，我不看，另一个是看不懂，没得选。
他交出去的只是敲键盘的活，你交出去的是整个判断权。AI 生成的东西对不对、好不好、能不能上线，他扫一眼就有数，你只能猜。
所以这个词的发明本身就是一个信号。写代码的动作，连最顶尖的人都开始扔了，没什么可惜的。但看懂代码、判断对错的本事，他们并没扔，反而越攥越紧。
代码的产量上去了，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。
如果你不打算靠写代码吃饭，只是想让 AI 帮你做点东西，传统编程可以不学，但有几样东西值得花点时间弄懂。
具体要弄懂什么，大概四样。
一是基本名词，知道什么是接口、什么是数据库，程序跑在哪台机器上，数据存在什么地方，你的信息在谁手里。这些词如果不懂，AI 说的话你一半都听不懂。
二是把需求讲清楚，AI 是照着你说的做的，你没讲的它就自己发挥。至少要交代到，这个东西给谁用，正常流程怎么走，填错了输错了怎么提示，哪些情况要拦下来。
三是会做基本验收，东西做完，不能按钮全点一遍就收货。正常流程走一遍，故意输错一次试试，换台手机再打开看看，几个动作下来，东西的好坏大概就有数了。
四是安全和花钱的常识，别人的信息不能随便放着，云服务是按量收费的，哪些东西给别人用之前要多长个心眼。
用到什么程度算够呢。名词听得懂，需求讲得清，东西验得出好坏，明显的雷认得出，基本到这份上就够了。
就像租车自驾，你不用会修车，不用一定要对车的结构原理很了解，但怎么开车、交通信号灯这些基本常识和技能得要会。
前面说了非技术人不用一定要会写，但对于技术人来说，代码就是你吃饭的家伙，这个根基不能丢。
天天跟代码打交道的人，要是连代码什么意思都看不懂，那拿什么去判断 AI 写得对不对、好不好呢？所以基础语法、常用的写法，该懂的还是要懂，这部分省不得。
真正变的只是重心。以前学编程，七成力气花在记语法、抠细节上，现在这部分可以松一点，写的时候 AI 会兜底，有些功能实现忘了不会写，不用再像以前一样，去百度Google各种搜，现在直接问AI。
省下来的力气往哪放，往读和判断上放。AI 生成的代码，你要能看懂它在干什么，哪里写得聪明，哪里埋着坑，一眼扫过去心里有数，这个本事现在最值钱。
这个观点，但凡你去看看如今的招聘市场就明白了。以前面试爱考的那些所谓的八股文越来越少了，有所谓的“标准答案”、纯记忆的题只会越来越少。道理很简单，答案 AI 张口就能来的，考了区分不出人的水平。
而用白板讲框架分层、现场排查一段报错，这些题一道没少，反而问得更深，以前背个标准答案，运气好点的就能过，现在要你讲清楚为什么这么设计、错在哪一步、怎么改。还有一类是全新加进来的，你怎么用 AI 干活，AI 生成的代码你怎么保证质量，JD 里会用 AI 提效 已经写成了标配。
所以学的方式也彻底变了。
以前学编程是先抱语法书再动手，现在可以直接上手做东西，AI 帮你兜底，卡住了把代码丢给它问，这段为什么这么写、换种写法行不行，它随问随答，你只管追问细节。这是 AI 时代学编程最大的福利，身边多了一个不知疲倦还不会烦的老师。
光问不练还不行，判断力是练出来的。它每次生成的代码，逼自己读完理解再接受，看不懂的当场追问，判断错了被它坑一次，以后就长记性了。同一个需求，时间允许的情况下，最好的方式，是你先自己写一版或者起码是脑海里先有一个大致编码思路，再让AI 动手写一版，两版一对比，差异的地方就是你们各自的盲区。
Karpathy 自己后来的说法也变了。到 2025 年底，他在分享里谈得更多的已经是 Agent 时代的工程。他说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，跑的方向恰好是编程里最难也最值钱的那部分，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。
所以回到问题本身，AI 都会写代码了，还要不要学编程？
我的建议分两点：
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，学编程这件事，重点从把代码写出来，变成了对代码负责。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。