从产品视角反思vibe coding热潮

背景

本文源自 LINUX DO · AI 社区的一篇讨论帖，作者自称是一名具有少量产品工作经验的学生，分享其对 vibe coding（一种依赖 AI 辅助编程的创作方式）的思考。文章从两个角度展开：一是将 vibe coding 本身视为产品（如 Codex、Claude Code）来评价其成功与市场表现；二是探讨 vibe coding 对当前产品开发市场带来的改变。作者坦诚自己并非专业产品经理，但提出了不少值得关注的见解。

核心内容

1. vibe coding 作为产品的成功

• 出乎意料的冲击领域：AI 早期被普遍认为会先取代低技能职业，然而实际受冲击最大的却是程序员。Anthropic（原文写作 Authropic）的营收增长表明，以 Claude Code 为代表的编程辅助产品取得了显著商业成功。近期顶尖模型被美国政府限制，更说明技术性模型已从普通产品升级为“战略储备”。
• AI 为何最先冲击程序员：
  • 程序员的工作贴近计算机底层，代码和文字是数字原生、易于 AI 理解和高效执行的内容，而设计、排版等需要精细化经验积累的领域更难被 AI 替代。
  • 多数代码本身是“黑箱”——只要输入输出正确，人们不关心实现细节，AI 同样如此，即使写出的代码不是最优，只要跑通即可。
  • GitHub 等开源平台提供了高质量、结构化的数据集，且程序员社区有开源文化，让 AI 在编程任务上表现优异，远优于法律、医疗等私密领域。
  • 编程是唯一能“自动判断对错”的领域：运行结果可直接反馈，让模型通过强化学习自我纠错，而其他领域需要人工判错，缺乏即时反馈。
  • 人类与 AI 的学习逻辑不同：人类依赖经验积累和基础知识的逐步培养，而 AI 擅长数字原生、显式规则、即时反馈的任务，因此“人类难学的技能，AI 未必难”。

2. vibe coding 火爆的原因及非程序员使用场景

• 人性弱点驱动：vibe coding 的“低付出（仅需说话）、高回报（产出看似高技术产品）”完美满足了非技术爱好者的虚荣心，让他们能打造“高技术”人设。
• 非程序员群体：除了工作所需，还有大量从未接触过编程的爱好者开始使用 vibe coding 工具。

3. vibe coding 的困境与未来方向

• 当前困境：
  • 代码完全由 AI 生成，后期难以维护，存在技术风险。
  • AI 一次性生成大量代码，人工审查消耗巨大精力。
  • 代码 ≠ 产品 ≠ 上线，从研发到生产环境部署仍有巨大隔阂。
  • AI 受限于上下文和环境，难以理解工程问题，也难以遵守不同场景下的规范。
• 发展方向：
  • 一方面提升模型能力，另一方面对模型进行规范规划（即 harness）。DeepSeek 近期招聘 harness 工程师，说明这条路径被大厂认可。
  • 从 vibe coding 扩展到 vibe working：已经有 Workbuddy、Trae 等尝试将编码以外的任务交给 AI，但其他领域的效果远不如写代码，原因是数据缺失和 AI 在非程序员群体中渗透率低。

4. 收费模式与扩大用户的思考

• 按 token 计费的反人性：用户难以保证付出 token 后 AI 完成的工作符合预期，导致反感。订阅制（虽本质上仍是 token 计费）更受欢迎，但如果不限量可能难以保证收入。作者期待更优的收费模式。
• 如何将 token 卖给更多人：目前 90% 以上的人对 AI 的需求远不如程序员，多数人停留在“豆包”水平。最好的实践是苹果的 Siri——将 AI 融入日常工具，让用户意识不到使用成本，从而避免对 token 付费的厌恶，并潜移默化增加使用频率。作者建议个人创业者从 AI 工具入手，实现“把 token 卖给 80 亿人”。

5. vibe coding 对产品市场的影响

• 降低了实现门槛，但未降低“好产品”的门槛：线上黑客松和 AI 开发比赛层出不穷，但真正有价值的软件极少（除了那些服务于 vibe coding 或 AI 本身的工具）。多数人仍在造轮子，做记账、日程等效率工具，缺乏产品意识，认为自己有需求就等于大众有需求，导致软件数量激增但实用价值极低。
• “能用技术解决的问题，都不是问题”：vibe coding 极大降低了技术门槛，让有想法的人能轻易实现，但若想成果让更多人受益或盈利，需要跳出技术本身，思考哪些问题“技术可解决但未被解决，以及为什么未被解决”，这才是下一个可行方向。

关键要点

• AI 冲击程序员的原因：数字原生、代码黑箱、高质量开源数据、即时反馈机制、学习逻辑差异。
• vibe coding 火爆的心理机制：低付出、高回报，满足非技术