​ 我第一次接触语言大模型，是在2023年初、高考前夕。彼时在某个不知名的中转镜像站上，对AI一无所知的我只把它当作一款格外智能的聊天游戏，不亦乐乎地玩了几天，便将其抛诸脑后。

​ 直到升入大一，面对一些文字类大作业的写作需求，我才重新想起GPT这个工具。于是折腾许久，注册了谷歌账号，登上了OpenAI的官网，还兴高采烈地把方法分享给身边的好友。然而好景不长，账号意外被封，懒得再折腾的我转而用起了文心一言，大部分时间用来生成代码以辅助完成程序设计课的作业——现在回想起来，那个模型的能力实在令人不敢恭维。

​ 下一个令我印象深刻的节点，是大二上学期与室友组队打美赛。当时正值DeepSeek-R1发布，我们仿佛看到了原子弹爆炸一般瘫软在地（bushi）—用它来撰写论文段落、生成LaTeX数学公式、编写数据处理与图像生成的代码。毫不夸张地说，我们那份参赛论文十之八九是在大模型的协助下完成的。那也是我第一次真切地感受到，大模型的能力竟然已经如此强大。

​ 后来降转到软院，日常使用电脑的频率自然大幅增加。随着AI技术的快速迭代，以及我对它认知的不断加深，我的使用方式也逐渐从在聊天界面里生成文字、改代码，演变到了如今直接调用API接口、用Agent来规划长程任务、甚至辅助完成整个项目。我常常有一种感触：自己学习理论知识和掌握新技术的速度，远远赶不上AI迭代发展的速度。我想，这大概也是许多人的共同感受。

​ 不过话又说回来，我并不认为这意味着AI已经进化到可以替代人类完成所有工作的程度了。如今不少人看到“Vibe Coding”的出现，便断言人人都能轻松上手做出一个好用的产品，仿佛未来不再需要程序员了一般——这种想法无疑是片面的。借助AI做一个看似光鲜的“玩具”确实不难，但真想要做出一个可用、可维护的产品，绝非易事。从玩具到产品之间，横亢着架构设计、系统工程、需求分析等大量专业知识，这些绝非几句提示词就能替代。

​ 在我粗浅的看来，Vibe Coding的意义在于切实降低了编程的门槛，减少了许多技术栈层面的限制。它让人得以从重复性的记忆劳动与底层细节中解放出来，从而有机会站上更高的视角，去理解架构设计、把握宏观方向、聚焦关键细节——去扮演一个“leader”。但这些能力的获得，依然需要通过系统学习与项目实践来逐步积累。就如同写文章一样：人人都能握笔成文，但如果想要写出一篇气韵贯通、见地独到的有风骨的文章，无疑需要长期的阅读、思考与沉淀。做产品亦是如此——工具在变，但那份只有从实践中学来的判断力与全局观，始终是不可替代的。