当AI能一键生成可运行代码时，我们还需要自己写for循环吗？三个月前，我兴冲冲地跳上Vibe Coding这辆自动驾驶的编程快车，却在最近review自己代码时惊觉：那些曾经肌肉记忆般的语法规则，现在竟需要反复查阅文档才能确认。
最初接触AiPy这类工具时，那种"动动嘴皮就出代码"的震撼感仍记忆犹新。记得第一次用自然语言描述需求："开发个自动整理桌面文件的脚本"，短短30秒后，一个包含异常处理、路径校验的完整Python脚本就跃然屏上。但当我试图手动修改某个函数时，发现自己已经记不清os模块文件操作的参数顺序。
这种能力退化最明显的时刻，是在面试白板编程环节。面对"实现快速排序"的基础考题，我的第一反应竟是思考如何用自然语言向AI描述需求，而不是直接写代码。曾经能随手写出的递归终止条件，现在需要刻意回忆才能拼凑完整。更可怕的是，当被要求优化一段AI生成的代码时，我发现自己陷入了"看山不是山"的困境——能理解每行代码的逻辑，却难以把握整体架构的改进方向。
深度使用Vibe Coding工具后，我观察到两个危险信号：一是大脑逐渐将编程转化为"需求描述-结果验收"的二元过程，中间的关键推导环节被AI黑箱取代；二是解决问题的思维路径发生变异，从"分析问题-设计算法-编写代码"变成了"调整prompt-评估输出-再调整prompt"。这种转变在提高短期效率的同时，正在悄然侵蚀着工程师最珍贵的系统性思维能力。
不过值得玩味的是，公司里那些十年经验的老架构师们使用Vibe Coding时，展现出完全不同的图景。他们像经验丰富的导演指挥AI这个全能场工，能精准指出生成代码中隐藏的并发陷阱，对AI给出的方案进行专业级评估。这揭示了一个残酷真相：工具放大了使用者原有的能力差距——强者更强，而依赖者更依赖。
或许我们需要的不是拒绝Vibe Coding，而是建立新的学习范式。就像计算器没有淘汰数学家，AI编程也不该成为能力退化的借口。我开始尝试"逆向训练法"：先让AI生成代码，然后手动重写实现；或是用AI解决方案作为参考答案，自己先完成初版再对比优化。这种刻意练习帮助我在享受效率红利的同时，保持对代码的掌控力。
当编程逐渐分化为"需求工程"和"代码实现"两个层面时，真正的危机或许不在于会不会写某种语法，而在于是否还保有将业务逻辑转化为计算思维的本质能力。那些曾被我们视为基本功的for循环和递归，本质上都是特定时代的解决方案。与其焦虑能力退化，不如重新思考：在AI时代，什么才是程序员真正该死磕的硬核能力？
