前言#
由于大模型的出现，软件开发产生了革命性的变化，当前大量使用prompt+Agent，大大提升了效率。欢迎来到 Vibe Coding 时代！
回想起当年刚入学时VC6.0手搓C代码的窘迫、问题得不到解答的苦闷，生活在Vibe Coding 时代是多么的幸福啊！
当然，很多人可能感觉不到幸福，而是感觉到焦虑，感觉自己要被 AI 取代从而面临失业了。
今天我在这里不会展开讨论这个话题，因为我对这个问题的看法是————尽人事，听天命。
天命不由己，让我们来聊聊自己能做的 人事 吧。
保持身心健康#
这个是重中之重，我把它放到了第一位，因为没有了身心健康，其他的都是空谈。
如何保持身心健康？
首先是不要焦虑。不需要对Vibe Coding那么恐惧，既来之，则安之。先接受它的存在，然后寻求共存的方式。
当然，你可能会说，我没法不焦虑，一旦 AI 取代了我，我就要失业，我就会面临各种经济压力。
OK，那就允许AI取代你这个事情发生，经济上的事情做好风控和资产重组，放松心态。
佛说：“无我相，无法相，无众生相。” 没必要执着于自己一定要怎样，保持心态开放，拥抱变化，活出多元化的自我。
然后是保持充足的睡眠。对于我们这一行，这个还是很重要的。加班多了，回家就别刷手机、打游戏了，老老实实去睡觉。 睡眠不足心率都会加快的，同时会引发一大堆的身体的问题。能好好睡觉本身也是一种幸福，也是身体健康的重要特征。 多爱惜自己的身体，多呵护自己好好睡觉的能力。
最后是多锻炼。这个老生常谈，但是很重要。锻炼要找到自己的节奏，简单蹦蹦跳跳、拉伸一下、快走一下都是锻炼，培养自己的执行力才是锻炼需要的最核心的能力，Just Do It。
要好好地活着，才能讨论怎样活呀。
接触高质量信息#
任何时代，高质量信息都至关重要，在信息爆炸的时代更甚。
我们要认识到自己的精力有限。就算我们拥有良好的心态，健康的身体，我们一天也就24个小时， 其中高质量接触和处理信息的时间估计不会超过12个小时。 我们的注意力是很宝贵的资源，正是因为它宝贵，我们更需要把有限的注意力放在高质量的信息上。
那么什么是高质量的信息？我认为有以下几个切入点：
- 一手信息或原始信息。 常见的有：官方文档、官方手册、源代码、论文
- 充分思考的信息。 常见的有：优秀书籍、大牛博客
当然，我说的这些优秀信息不是让你埋头钻进去的，而是让你关注和查阅的。更多详细内容下一个主题讲。
为什么这些是高质量信息？
先说一手信息或原始信息。这些信息更接近本质，换个说法也可以说更接近事实。 我现在的观点是：先了解清楚事实，再讨论基于事实的认知。 同一个事实不同人会有不同的认知，会有不同的建模和解构的方法。 如果你只是掌握这些建模和解构方法，而忽略底层的事实，大部分情况下你都没法理解和记忆对应的知识，更加无从谈起融入自己的理解和认知。
我举两个我熟悉的领域的例子：
- 编程：比如很多文章会跟你说，某个库不能怎样怎样用，这种就是非原始信息，这个是作者的认知结果，大概率在作者的场景下是正确的。但是，你应该了解是一手信息，也就是这个库的源代码是怎样实现的，为什么会出现这这种结果？你的场景是否有这个问题？
- 交易：撮合成交数据就是原始的信息，基于成交数据统计的各种指标就是加工后的信息，各种大V的解读和观点更是三手四手的信息。做交易，多了解成交数据的更重要，因为他更原始更本质，也能够让你更理解一些加工后的信息，也能帮助你构建自己的交易理念和体系。
我解决过的不少BUG都是看源代码实现定位解决的，搜索引擎咋搜都找不到结果，或者结果跟我场景相去甚远。
目前印象深刻的就是一个mysql同步ES的工具monstache，一个是influxdb的数据处理工具kapacitor
好的，说完为什么一手信息或原始信息是高质量信息，我们再说一下为什么充分思考的信息是高质量的信息。
因为充分思考这个过程需要时间成本，人只要会承担相应的代价，就会认真考虑自己的言行。 毕竟有句话叫做“成年人不做改变，只做筛选”，有充分的思考就是一个很好的筛选手段。 当然，这句话也是可以扩展一下的呢，比如真枪实弹地干过的也是一个很好的筛选手段，知易行难。 总得来说要灵活掌握，有效筛选，避免浪费自己的精力。
在体验和实践中学习#
作为一名并不优秀的小镇做题家，回顾我的学习经历，大部分时间都是在接受一些概念的定义，很少有体验和实践的机会。 就算是读大学的时候也是，老师更多的都是在讲一些概念定义，鲜有直接的体验和实践辅导，就算自己去体验和实践了， 很多问题也得不到解答。这里我并非抹黑我的母校，这个可以说是高校教育普遍的问题。 这个结论也并非我生搬硬造，而是我综合自身的经历、多方朋友的交流、网上博主的输出、活动嘉宾的分享做出的判断。 不保证结论一定正确，但是保证是充分思考的信息。
可能我上面说得比较抽象，你没有get到我的意思，没关系，下面我举一个例子你就明白了：
想象一下你现在要学习Vibe Coding，传统的教育会怎么跟你讲？
- 学习定义。什么是vibe coding？什么是大模型？什么是Agent？什么是Skill? 什么是MCP？ 然后都给出一个形式化的，很严谨的定义。
- 然后开始基于这些定义来做题，接着考试。
总的来说就是很抽象，概念学了很多，但是可能完全没有实验过。我其实是理解为什么会出现这种情况的， 主要还是受限于成本，体验和实践的启动本身就需要成本，过程中的试错可能还需要额外的成本。 在一个成本有限的条件下，优先投入时间到成本很低的理论学习是能理解的。
但是，你要自己找机会多去体验和实践，不能拘泥于这种理论，就算成本有限，也有一些优秀的体验和实践的资源的， 而且最重要的是————大模型把这个过程的成本压缩得很低了。
我们回到主题：要从体验和实践中学习vibe coding是怎样的?
- 下载一个工具，Claude Code / Codex / OpenCode
- 接入一个领先的模型，Opus / GPT / GLM
- 找一个需求
- 开始做需求
- 不懂就问大模型，过程中的问题和思考记录一下
- 解决需求，收集问题，总结经验。OK你对Vibe Coding 就有了一个直观地感受
你会发现走一把这个流程，很多概念你已经有印象了，只是可能缺少一个定义，哦，原来这东西就叫Agent、SKill、MCP。 知识无形中就进入了你的脑子，抽象的概念也有了落地的实体。
从前走这条路可能有些困难，因为有时候自己甚至都不知道怎样实践，实践中遇到的很多问题都无人解答， 往往在自我怀疑中就丧失前进的动力。但是，大人，时代变了。有了大模型，这些都不是问题， 大模型可以给你输出优秀的学习路径，可以按照你的想法给你问题的答案，这种问有所答的感觉，真的太！爽！了！
最后我想说，我并非否认形式化的重要性和理论的定义对于沟通的方便性，但是这些都是体验和实践后，对相关概念有感觉后的事情， 而不是新学习相关知识的方法。人类科学大部分的东西都是现有现象，后有的理论，我们不能本末倒置。我现在也很喜欢研究一样东西的历史， 比如AI的发展史，也想着去复习一下自动机和形式化理论，但是这些都是我大量体验和实践后自己自发的想法， 而不是我刚入门时候被动去接受的枯燥理论。
Anyway，记住在体验和实践中学习，只要上道了，其他很多东西都是顺其自然的。
抽象思维和领域知识#
不是吧，哥们，你前面不是才跟我说理论很抽象要联系实际多体验和多实践吗？ 咋回头又叫我要有抽象思维啊？
兄弟不要着急，其实两者并不矛盾，甚至相辅相成。
所谓抽象思维，就是你理解一个东西，要先理解他的外部行为特征，把复杂的知识限制在特定的范围内。
为什么？因为人的理解能力和沟通成本是有限的。拿我最喜欢的计算机网络举例，当我跟你说计算机网络的时候， 如果你也学习过，那么我就没必要详细展开什么是计算机网络，我可以把复杂的底层实现使用一些术语抽象起来， 这样就会大大提高沟通效率。如果你没有学过，那也没关系，你可以完全不用理会这些术语，你就先了解计算机网络能干嘛， 能干嘛就是一个东西的外部特征。而计算机网络主要功能就是使得两台远程设备之间能够通信————也就是能够相关交换信息， 比如你说hello，他能跟你say hi。然后你抽丝剥茧，由浅入深地学习了解，很快就会系统掌握计算机网络的基础知识。
看出来了吗？抽象能够降低我们的沟通成本，也让我们在学习新知识的过程中，可以暂时屏蔽一些细节。
这个能力非常重要！很多年前，我就从书籍上看到学习计算机最重要的能力是抽象能力， 但是这个表述本身也很抽象，我当时完全没法理解这句话，只是觉得这话好像很专业、 很能装X，因此把它记住了。如今很多年过去了，通过自己不断地体验和实践， 我尝试用我自己的语言把它表达了出来。
同时，我也在平常的工作学习生活中不断地实践我这个理论。
比如我了解一个产品或者行业，我就先了解它对外提供的核心功能，我不需要上来就要弄懂他怎样实现的， 我完全可以基于它对外展现的能力做进一步的思考或者学习。
再比如我跟别人沟通问题时，我会有意识地留意我们当前讨论的抽象层级，当外层的内容不清晰时，讨论内层就没有意义。 当相关人员缺少对应的抽象层级的背景知识时，我会让大家优先去学习补充对应知识再讨论。
到这里，相信已经解答了前面的疑问，但是我的标题还有另外一半——领域知识，为什么把它和抽象放在了一起呢？
原因也很简单：抽象屏蔽掉的细节，恰恰就是对应的领域知识；又或者说，你必须具备优秀的领域知识，才能做到优秀的抽象。
所以两者都是紧密相连的，相信有过实际业务编程经验的人都能理解，你如果不懂业务(领域知识)，你就没法设计出一个优秀的系统(抽象)。
如果Vibe Coding 时代真的彻底实现技术平权，那么业务能力(领域知识)的差距将会无限放大。
可验证和验证效率#
如果 Vibe Coding 时代下，Agent 是你的员工，你可以同时拥有大量的下属，那么有什么问题是不变的？
我想就是：验证。 如何保证把工作交给了其他人，其他人的输出符合我们的预期， 我们又应该如何提高验证效率，如何在问题出现后高效调整？
这些问题并没有因为 Vide Coding 的出现而消失，反而变得更加重要。那我们应该如何做呢？
- 自动化测试。坦白讲，有了
Vibe Coding的辅助，编写测试的效率大大提升，我甚至觉得它很好地解决了软件开发人员没时间写测试的问题。 - 形式化验证。其实编译器就是个很好的例子，为什么coding领域AI内容的质量更有保证，因为它至少是通过编译器的验证的。 (这就是我为啥如今又想重新拾起自动机和形式化语言的原因)
- 领域知识验证。有时候
Vibe Coding怎么弄也都弄不对，我们还是要回到官方信息源、官方源代码去寻找答案的， 同时这个过程也需要我们拥有大量的领域知识。（你看，这不就闭环上了吗）
总的来说，我们最终还是要提高自动化水平的，就算退让到使用领域知识验证，目标也是为下一次的自动化验证做改进。
KISS（Keep It Stupid Simple）#
为什么把它放到最后，因为我觉得这是终极哲学————我们都需要保持简单，简单秒杀一切复杂。
就算是 Vibe Coding 时代，同样的工具，同样的场景，有人实现就很复杂，但有人实现就很简单。
控制成本本质也是一种保持简单。
结语#
啰啰嗦嗦终于走到了最后，我把我核心的思想基本都总结了：
- 保持身心健康
- 接触高质量信息
- 在体验和实践中学习
- 抽象思维和领域知识
- 可验证和验证效率
- 保持简单
以上内容就构成了我现在的内核，往后就看自己如何知行合一了。
本文完稿于2026年除夕夜，最后在这里祝自己和家人身心健康、做大做强！