浪潮之中：从 Verb Coding 到 AI 协作——一名技术人的反思与重构

从 2023 年 ChatGPT-4 发布震撼世界以来，AI 的发展可以说是日新月异。作为一个互联网的技术人员，自然首当其冲地感受到了 AI 发展带来的一些变化。这种变化并非涓涓细流，而是如海啸般重塑着我们赖以生存的技能树。

回望这两年，我们经历了一场惊心动魄的范式转移：从最开始的网页端对话聊天、笨拙地粘贴代码；到后来 Cursor 等 AI Native IDE 的横空出世，让我们得以通过自然语言构建代码，正式进入 Verb Coding 时期；再到最近出现的 Open Space 等项目，Space Driving Coding 的概念开始萌芽，试图解决 AI Coding 在多人协作以及代码严肃度（Seriousness）层面的深水区问题。

在这个过程中，一个人不论是主动拥抱或者被动防御，都一定被这种潮流所裹挟和影响。焦虑与兴奋交织，困惑与顿悟并存。本文主要着笔于笔者过去的一些 AI 编程经验和思考，试图在喧嚣中梳理出一条清晰的脉络。望能对大家有所启发。

一、编码方式的变迁：从手工作坊到智能工厂

我们这里先将目光回溯，概括一下编码方式的发展历程。当然，受限于笔者的年龄和从业经历，我们就不从上古时期在打孔卡上写代码，或者在记事本里裸写 C++ 的时期开始了。我们主要关注现代软件工程语境下的变迁。

0. 传统方式：IDE 提示，人脑解决问题（The Craftsman Era）

在 AI 大规模介入之前，我们处于“手工艺人”的黄金时代。

那时，IDE（如 IntelliJ IDEA、VS Code）的最高智能体现在静态代码分析和基于语法的自动补全上。输入 List.，IDE 弹出一个下拉框，列出 add、remove、size 等方法，这在当时已是极大的便利。

但在那个阶段，思维的闭环完全在人脑中完成。我们需要在脑海中构建完整的类图，记住复杂的 API 签名，理解每一行代码的副作用。遇到 Bug，我们需要像侦探一样，通过 Stack Overflow 寻找线索，然后人工去伪存真，将零散的知识点在脑中拼凑成解决方案。

那时的编程，是一场孤独的智力苦旅。代码的质量，完全取决于开发者当天的咖啡因摄入量、记忆力以及逻辑构建能力。我们是代码的绝对主宰，也是唯一的责任人。

1. 第一代 AI：粘贴代码，对话框 AI 问答（The Chatbot Era）

ChatGPT 的出现，撕开了第一道口子。

这一阶段最显著的特征是“上下文的割裂”。我们开始习惯于在 IDE 和浏览器之间频繁切换（Context Switch）。我们把错误日志复制出来，粘贴到对话框里，加上一句“帮我修复这个 Bug”；或者描述一个需求，“帮我写一个 Python 的快速排序”。

虽然这极大地降低了查阅文档和搜索引擎的时间，但它本质上仍然是一个外挂式的辅助。AI 并不理解你的项目结构，不知道你定义了哪些 Utils 类，更不知道你的业务逻辑。它给出的代码往往是通用的、教科书式的，需要我们进行大量的“本地化适配”和“胶水代码”编写。

这个时期，我们是搬运工。我们在两个世界之间搬运信息：把人类的需求搬运给 AI，再把 AI 的产出搬运回代码库。虽然效率提升了，但这种割裂感始终让人觉得 AI 只是一个更聪明的 Google，而非真正的编程伙伴。

2. 第二代 AI：AI 助手嵌入 IDE，辅助人工（The Copilot Era & Verb Coding）

GitHub Copilot 和随后的 Cursor 彻底改变了游戏规则。

当 AI 能够读取当前文件的上下文，甚至通过 RAG（检索增强生成）读取整个项目的索引时，量变引起了质变。这一阶段的核心体验是心流的延续。

你不再需要切出 IDE。你只需在注释里写下 // 解析用户上传的 CSV 文件并存入 Redis，按下 Tab 键，灰色的建议代码就会如幽灵般浮现，精准地使用了你项目里封装好的 RedisClient 和 CsvParser。

这就是 Verb Coding 的雏形。我们开始从关注“语法（Syntax）”转向关注“意图（Intent）”。我们用动词（Verb）描述行为，AI 负责填充主语和宾语。

在 Cursor 中，这种体验被推向了极致。你可以用 Cmd+K 直接用自然语言修改代码块，或者通过 @Codebase 让 AI 理解全局依赖。编程的门槛开始降低，但对提问能力（Prompt Engineering）的要求开始上升。我们需要学会如何精准地描述意图，如何像产品经理一样验收 AI 的产出。

3. 第三代 AI：AI 自驱动，人工辅助（The Agentic Era & Space Driving）

这正是我们目前正在跨入的门槛，也是 Open Space 等项目试图探索的领域。

如果说第二代 AI 是副驾驶（Copilot），那么第三代 AI 正在尝试接过方向盘，成为主驾驶（Autopilot），而人类则退居为驾校教练或安全员。

在这个阶段，AI 不再仅仅是补全一行代码或一个函数，而是开始具备 Agent（智能体） 的特性。它可以：

自主规划任务：面对“重构支付模块”这样模糊的需求，它能拆解为“定义新接口”、“修改数据库 Schema”、“迁移旧数据”、“更新调用方”等一系列子任务。
多文件协同：它不再局限于单文件视角，而是能同时修改前端组件、后端 API 和数据库迁移脚本，并保证它们之间的一致性。
自我修正：运行测试，发现报错，分析堆栈信息，自动修复代码，再次运行测试，直到通过。

这就是 Space Driving Coding 的愿景。它试图解决多人协作的问题——AI 作为一个独立的 Developer 加入团队，它提交 PR，接受 Code Review，甚至参与讨论。代码的严肃度被重新审视，因为 AI 产出的不再是随意的片段，而是经过工程化验证的交付物。

4. 未来？——从工具到物种的进化

当我们眺望更远的未来，迷雾中似乎显现出几个巨大的轮廓。

AI 外包公司的崛起（The AI Software Factory）：或许未来不再有成百上千人的外包开发团队，取而代之的是拥有数万个 AI Agent 的算力中心。你只需要提交一份详细的需求文档（PRD），支付 Token 费用，这些不知疲倦的数字劳工就会在几分钟内交付一套包含前端、后端、运维脚本的完整系统。它们对项目负责，24 小时递步，成本仅为人类团队的百分之一。
无限上下文与个人定制伙伴（The Digital Soulmate）：随着 Context Window 突破百万甚至亿级 Token，未来的 AI 将拥有“全知”的记忆。它不仅记得你项目里的每一行代码，还记得你三年前写过的某个精妙的正则，记得你偏好的命名风格，甚至记得你讨厌哪种缩进方式。它将不再是一个通用的工具，而是一个为你量身定制的、比你自己更了解你代码习惯的“灵魂伴侣”。
AI 级别的编程语言（The AI-Native Language）：我们现在用的 Java、Python 是为了让人类读懂机器逻辑而设计的妥协产物。未来，或许会出现一种专属于 AI 交互的高效中间语言。它比自然语言更精确，比汇编语言更抽象。人类只需要定义高维度的逻辑约束，而具体的实现细节将由 AI 使用这种高效语言在黑盒中极速构建。那时的我们，将彻底告别语法糖的争论，进入纯粹逻辑构建的时代。

二、 AI 会替代我们吗？——直面焦虑与现实

“AI 会替代程序员吗？”这是悬在每个技术人头顶的达摩克利斯之剑。

我的回答是：它会替代“写代码”这个动作，但很难替代“创造软件”这个过程。 至少在当前和可见的短期未来，AI 存在几个致命的阿喀琉斯之踵。

1. AI 当前的问题：没有长期记忆与隐性知识

目前的大模型，无论 Context Window 做得多大，它依然缺乏项目的“长期记忆”和“隐性知识”。

一个运行了三年的系统，代码里充满了妥协和历史包袱。

为什么这个函数里要加一个看似多余的 sleep(100)？因为三年前对接的那个第三方银行接口有并发限制。
为什么那个数据库字段叫 status_v2？因为 status 字段被旧的财务系统锁死了。

这些知识往往不存在于代码注释中，也不在 Git Log 里，它们存在于老员工的脑子里，存在于钉钉/企微的聊天记录里，存在于一次次线上事故的复盘文档里。AI 看到那行 sleep(100)，可能会自作聪明地把它优化掉，导致线上故障。AI 缺乏对业务演进历史的深刻理解。

2. 无法对项目负责：权责不对等

这是最核心的伦理和实践问题。AI 无法背锅。

当 AI 写出的代码导致了千万级的资金损失，或者导致用户隐私泄露，我们能审判 AI 吗？能把 AI 开除吗？不能。最终签字发布上线的那个人，必须是人类。

软件工程不仅仅是写出能跑的代码，更是对交付结果负责。在处理 P0 级故障时，AI 可以提供排查思路，但它无法在凌晨 3 点顶着巨大的心理压力，做出“回滚”还是“打补丁”的生死决策。而这可能是 AI 相较于人类最大的问题（对人类而言既是幸运也是不幸，QAQ）。

3. 任何人都能通过 AI 编程吗？——识字与写作的悖论

现在有一种论调：“有了 AI，人人都是程序员。”这不仅是误解，更是对工程严肃性的轻视。

写好文章的前提是能识字，但识字的人不一定能写出好文章。 同样的逻辑，AI 让每个人都具备了“生成代码”的能力（识字），但这并不意味着每个人都具备了“构建系统”的能力（写作）。

编程，特别是在企业级生产环境中，是一件长期且严肃的事情。它关乎系统的稳定性、可维护性、安全性以及扩展性。一个没有受过工程训练的人，用 AI 生成的代码或许能跑通一个 Demo，但当面对高并发、数据一致性、微服务治理这些复杂场景时，那些由 AI 堆砌的代码可能会瞬间崩塌成灾难。

程序员的价值，将从“编写代码”上移至“鉴赏与裁决代码”。 只有深刻理解编程原理的人，才能判断 AI 生成的代码是垃圾还是瑰宝，才能在 AI 产生幻觉时力挽狂澜。

三、与 AI 的关系：君子生非异也，善假于物也

荀子在《劝学》中说：“君子生非异也，善假于物也。”

这句话在 AI 时代振聋发聩。我们与 AI 的关系，不应该是敌对的竞争，而应该是驾驭与合作。

1. 要让 AI 提效，帮忙干活儿，而不是代替思考

很多人容易陷入一个误区：把 AI 当作“许愿池”。丢进去一个需求，闭着眼睛等结果。这是最危险的。

AI 应该是你的“外骨骼”，而不是你的“大脑”。

把重复的交给 AI：写单元测试、写 CRUD 接口、写正则表达式、写文档注释。
把思考留给自己：系统架构设计、核心业务逻辑的推演、边界条件的定义。

当你不再被繁琐的语法细节纠缠时，你应该感到庆幸，因为你终于有时间去思考代码背后更深层次的逻辑了。你应该从一个“砌砖工”升级为“建筑师”。

2. 当做伙伴，而不是竞争对手

我更愿意把 AI 想象成一个**“博学但缺乏常识、勤奋但没有主见”的结对编程伙伴（Pair Programmer）**。

你是船长，AI 是大副。你需要懂得航海图（架构），懂得看天气（业务环境），懂得下达清晰的指令（Prompt Engineering）。而大副会帮你操纵帆索，调整航向，计算补给。

结语

技术发展的车轮滚滚向前，它冷酷地碾碎旧的习惯，却也慷慨地铺就通往星辰的道路。

也许有一天，我们真的会被 AI 彻底替代，成为旧时代的遗民。But anyway, 作为技术人，我们何其有幸，能亲眼见证人类历史上最伟大的智力革命。我们站在时代的风口浪尖，看着硅基智能从蹒跚学步到奔跑如飞。

未来究竟是人人富足、从重复劳动中解放的科技乌托邦，还是霓虹闪烁、高科技低生活的赛博朋克世界？没人知道答案。但重要的是，我们在场。我们不仅仅是旁观者，更是这股浪潮的参与者与推动者。

奇点终将来临！Witness is happiness！

即使终将落幕，能在舞台上与神共舞一曲，已是此生最大的浪漫。愿我们都能在 AI 的浪潮中，保持清醒，保持热忱，去拥抱那个不可知却又无限迷人的未来。