# 代码已死，对话永生：从 Vibe Coding 到 Claws 的程序革命 > 当写代码的成本趋近于零，真正稀缺的不再是代码，而是知道该写什么的判断力。 - Author: Paul Kuo（郭曜郎） - Date: 2026-02-27 - Pillar: 智能与秩序 / Intelligence & Order - Tags: Vibe Coding, AI辅助开发, Andrej Karpathy, Simon Willison, 知识工作变革 - Canonical: https://paulkuo.tw/zh-cn/articles/code-is-cheap-vibe-coding-to-claws/ - Language: Simplified Chinese (简体中文) - Translation: AI-translated from the zh-Hant (Traditional Chinese) original - Original (zh-Hant): https://paulkuo.tw/articles/code-is-cheap-vibe-coding-to-claws.md - Site index for LLMs: https://paulkuo.tw/llms.txt --- ## 九个月，一个词，一场集体觉醒
▶ 听摘要
AI 合成语音・作者本人声线克隆
2025 年 2 月 2 日，Andrej Karpathy 在 X 上随手丢出一个词：Vibe Coding。 他描述的状态很简单，完全沉浸在氛围里，顺着感觉走，甚至忘了自己在写代码。没有严谨的定义，没有论文框架，就是两个英文字。 九个月后，柯林斯词典把它选为年度词汇。 作为对照：「云端计算」从 2006 年被提出到进入大众语汇，花了好几年。Vibe Coding 的传播速度本身就是信号。它不是在描述一个新技术，而是在替一个已经发生的集体经验命名。当一个词能以这种速度扩散，代表它触碰到了某种等待被说出口的真实。 ## 命名大师的十年考古学 Karpathy 不只是 AI 研究者，他是这个时代最精准的术语铸造师。十年间，四个词，每一个都踩在人机关系的转折点上。 2015 年，Karpathy 在〈The Unreasonable Effectiveness of Recurrent Neural Networks〉一文里，用「hallucination」来描述语言模型生成那些看起来很合理、实则凭空捏造的网址与内容，等于替这种「AI 乱编」行为开出了一个直觉又贴切的名字。 2017 年是 Software 2.0。传统软件是人写规则让机器执行；Software 2.0 是人喂数据让机器自己学规则。这不只是技术路线的切换，而是「谁在写代码」这个根本问题的重新定义。 2025 年的 Vibe Coding 把焦点从「AI 怎么学」拉到「人怎么用」。程序设计师不再逐行审视每一段代码，而是跟 AI 对话、迭代、感觉对了就往前走。严谨性让位给直觉，控制让位给信任。 然后是 2026 年的 Claws。这个词指的是 AI 智能体之上的新一层：编排、调度、上下文管理、工具调用、持久化。Karpathy 用了一个很直觉的比喻，底层大模型是地里收割的小麦，智能体是磨好的面粉，而 Claws 是烤好的面包，即开即用。 Mac Mini 因为跑本地 AI 智能体的需求暴增，销量「像北美早餐店的热松饼一样火」。这不是服务器机房的事了，这是书桌上的事。 ## Talk is cheap → Code is cheap 2026 年 2 月 23 日，Django 框架共同创办人 Simon Willison 发布新项目 Agentic Engineering Patterns，开头就丢了一颗震撼弹： 「Writing code is cheap now.」 如果你在软件圈待过，你知道这句话在翻转什么。2000 年，Linus Torvalds 说了那句被刻在无数工程师脑子里的话：「Talk is cheap. Show me the code.」空谈廉价，给我看代码。这句话定义了一整个世代的工程文化。代码是稀缺资源，是价值的终极载体，写得出来才算数。 二十五年后，Willison 把它翻了过来。Code is cheap. Show me the talk. 代码廉价了，让我看你怎么描述需求、怎么做决策。 这不是修辞游戏。Google 首席工程师 Yana Dogan 说，她的团队 2025 年花了一整年构建的分布式智能体编排器，2026 年用 Claude Code 只花了一小时就完成。Vercel 技术长 Malte Ubl 靠着 Opus 4.5，在假期里完成了两个主要开源项目、开始写一本书、还修了一堆 bug。他说「没有 AI 绝对不可能完成」。 一年的工作量压缩到一小时。这不是效率的线性提升，这是成本结构的相变。 ## 「不值得做」的事突然都值得做了 大多数人听到「AI 让写代码变便宜」，第一反应是「太好了，可以更快交付」。这个理解没错，但太浅了。 真正的革命不在让现有的工作变快，而在让「原本不值得做」的事情变得值得做。 每个开发团队都有一份隐形清单。那些被判定「投入产出比不划算」而永远排不上优先序的功能、那些「有了会很好但开发成本太高」的改善、那些「只服务少数用户所以不做」的需求。当写代码的边际成本趋近于零，这整份清单突然活了过来。 Willison 的建议很实际：每当你的本能说「不值得花时间」，先用 AI 试一下。最坏的结果是浪费几毛钱的 token，最好的结果是你发现一个原本不可能存在的机会。 但他也很诚实地补了一句：「好代码」依然昂贵。功能的正确性、边界条件的处理、可维护性、测试覆盖、文档质量。这些质量标准没有因为 AI 而降低。便宜的是初稿，不是成品。 ## 台湾的知识工作者该怎么看这件事 「代码变便宜」的逻辑不只适用于软件开发。把「代码」换成任何知识工作的产出，初稿、报告、分析、设计稿，同样的成本结构改变正在发生。 写作：AI 可以快速生成初稿，但判断哪些观点值得发展、哪些段落该删掉，依然需要人。设计：AI 可以产出一百个方案，但辨别哪个方案真正解决用户问题，依然需要人。数据分析也是同样的道理。AI 能跑完所有模型，但你问的问题对不对，它给不出答案。 前 Uber 工程师 Gergely Orosz 把 AI 时代的核心能力整理成三项：判断力，分辨 AI 产出的好坏；战略思维，知道该做什么，而不是怎么做；领域专业知识，验证 AI 生成内容的准确性。 对台湾来说，我们有全世界最密集的科技人才，但也有大量依赖「执行力」而非「判断力」的工作岗位。当执行的成本被 AI 压到接近零，只剩判断力能创造差异化价值。这不是威胁论，但确实是一个结构性的重新校准。 ## 奶奶不需要知道 App 的存在 有网友质疑 Karpathy 的 Claws 概念，他的回复只有一句话： 「奶奶不必了解应用程序如何部署等技术问题，因为她的 AI 助理应该知道这些。」 这句话是终局预言。未来不是让所有人学会编程，而是让 AI 成为人与系统之间的中介。用户只需要表达意图，「帮我订明天去台南的车票」，AI 自动决定该调用现有的 App、还是即时生成一个定制化的解决方案。「应用程序」这个概念，可能会从用户的认知里消失。 从 Vibe Coding 到 Claws，Karpathy 用两个词画出了一条轨迹：先是人和 AI 一起写代码，然后是 AI 自己管理整个系统，人只负责说出自己要什么。 问题不再是「你会不会编程」，而是「你知不知道该解决什么问题」。 而这个问题，从来就不便宜。