整理 | 华卫 

近日，在做客《The MAD Podcast with Matt Turck》时，GitHub 首席执行官托马斯·多姆克（Thomas Dohmke）指出，开发者需要具备修改 AI 生成代码的能力，以避免生产力问题。他描述了一种高效工作流程：AI 工具生成代码并提交拉取请求（pull requests），开发者可利用编程技能即时进行调整。  

他警告称，单纯依赖自动化工具可能导致效率低下。例如，开发者可能花费过多时间用自然语言解释简单修改，而非直接编辑代码。“最糟糕的情况是，我本可以用编程语言直接完成修改，却要琢磨如何用自然语言提供反馈或提示来描述需求。”多姆克说道。  

此外，多姆克还谈到了“氛围编程”（vibe coding）——这一术语由 OpenAI 联合创始人安德烈·卡帕西（Andrej Karpathy）提出，用于描述对 AI 生成代码的过度依赖。

混合模式成为 AI 编码的制胜法则  

多姆克的观点与行业共识不谋而合：最有效的 AI 编码策略是将自动化与人类编程技能相结合。  

德勤（Deloitte）的研究佐证了这一模式：开发者主要利用 AI 工具完成编写模板代码等特定任务，同时保持人工监督，每日可提升 10-20 分钟的生产力。研究表明，约半数 AI 生成的代码存在部分错误，这凸显了人类专业知识的持续必要性，“信任并验证”策略正成为行业标准实践。  

谷歌的实践也印证了这种混合模式——该科技巨头报告称，其超过 25%的代码现由 AI 生成，但仍需大量人工审核与优化。  

这种平衡策略反映了业界对 AI 在软件开发中能力与局限的认知日趋成熟，表明最成功的应用模式将是增强开发者专业技能，而非取而代之。

开发者角色在演进，而非消失  

人工智能并未在消灭编程岗位，而是正将开发者从纯粹的编码者转变为 AI 辅助开发流程的协调者。  

行业专家预测，开发者角色将分化为两大主要类别：利用 AI 生成代码的产品工程师，以及确保软件系统质量与安全性的高级编码架构师。  

这一演进要求开发者掌握新技能，重点聚焦于战略性问题解决、高效指导 AI 工具，以及做出高层次设计决策，而非手动编写每一行代码。

软件工程师持续短缺，加上研究表明 AI 工具对初级开发者尤其有益，这意味着 AI 将有助于弥合人才缺口，同时为经验丰富的程序员创造新机遇。  

这一转变与软件开发的历史规律相符：新工具和抽象技术虽改变开发者的工作方式，但从未消除对人类创造力的需求。

“氛围编程”揭示生产力与质量的矛盾  

新兴的“氛围编程”模式既展现了 AI 生成代码的潜力，也暴露了其局限性，尤其在初创企业和复杂项目中更为明显。  

尽管 AI 工具支持快速原型设计和迭代开发（契合敏捷方法论），但也引发了对代码质量、安全漏洞和可维护性的重大担忧。现实案例已表明，过度依赖未经验证的 AI 生成代码存在风险，尤其是那些可能不会立即显现的安全问题。

这种矛盾对初创企业尤为关键，因为非技术背景的创始人若主要依靠 AI 生成代码构建可持续的复杂系统，可能会产生技术债务，进而阻碍未来发展。  

成熟科技公司的经验表明，成功的 AI 整合需要在自动化与严格质量保证流程间取得平衡——这一教训对正顺应“氛围编程”趋势的小型组织而言或许至关重要。

参考链接：

https://www.techinasia.com/news/github-ceo-manual-coding-remains-key-despite-ai-boom