AI Coding背后的争议鼎茂策略，正在升级。
有人说它是写代码的"自动驾驶"，有人说只是个"聪明的实习生"；有人觉得它能让0基础小白一键出成果，有人则坚持它应该精准到不改一行多余的代码。
人主导还是AI主导？创造力优先还是精确度至上？不同用户群、不同公司，答案完全不一样。
而这背后，是专业开发者与普通用户的需求分化，是产品易用性与智能能力的权衡，是基础模型极限与产品工程边界的拉扯。
在量子位最新举办的AI Coding沙龙上，来自百度文心快码、硅心科技（aiXcoder）、智谱、月之暗面、海新智能、Creao AI、IDEA研究院的多位行业一线玩家，站在模型、产品、用户的不同视角，给出最鲜明、最直接的回答。
他们如何看待AI主导编程的发展趋势？未来的AI Coding产品会是什么形态？人、产品、代码之间，最核心的关键词是什么？
量子位在不改变原意的基础上，对圆桌对话进行了编辑整理。希望能够给你带来更多的启发与思考。
本次沙龙邀请的嘉宾分别是：
徐晓强，百度文心快码（Baidu Comate）架构师
黄宁，硅心科技（aiXcoder）产品与研发负责人
刘荣轩，智谱AI Coding产品经理、Zread项目负责人
唐飞虎，月之暗面Kimi开发者关系负责人
曹凯，海新智能CEO、响指HaiSnap创始人
许建行，响指HaiSnap产品负责人
陈紫尧，Creao AI Founding Member、社区&用户增长负责人
祝海林，IDEA研究院MoonBit AI辅助编程工程师
圆桌对话精彩看点包括：
从长远来看，AI Coding产品智能比用户体验更重要。
行业已从讨论"AI何时替换开发者"转向"如何协作"。
未来发展方向是减少人机交互，人充当看管者角色。
即便在未来实现AGI，所有领域依然需要专家。
非程序员可以用AI做软件，但很难做出与专业程序员相提并论的复杂系统。
AI时代效果为王，产品好用比免费更重要。
能理解用户真实需求背后的意图，比界面友好更重要。
基础模型能力是产品能力的底线，决定了产品的上限。
AI Coding时代To B与To C界限模糊。
未来2年内，AI编程产品将服务更广泛人群，具备特定工作环境下的长期记忆。
程序员现在不仅需要懂技术，还要懂产品和市场。
……
AI编程从替代人转向共同协作
量子位：从技术的角度上来说，从Copilot到Coding Agent，其中最大的变化是什么？在这个过程中有没有让你感到wow的瞬间？
IDEA研究院祝海林：我自己用AI辅助编程用得比较多，但我其实变得更辛苦更累了，它并没有让我更好，它只是让我的产出更多了。
但最近我听到了一件令我比较欣慰和震撼的事情，有家公司比较激进。
第一是对员工的要求，他们整个公司的招聘已经完全发生了变化，他们把所有的前端都开掉了，现在只招全栈，但是能力要求会比较低，你需要各方面都懂一些，但不需要全都懂得很深，相比以前对全栈的要求降低了，你要会用AI。
其次，他们把整个生产流程全都给流水线化了，就是会有专门的人去产生拆解任务需求，拆解完后会把它分成任务，然后逐个给到工程师，紧接着每个工程师唯一的KPI就是我一天要完成多少任务。
实现这些任务的过程中其实只要用AI，你只要把这个任务完成了以后，代码你生成了，测试你也测完了，然后你就完成了。
对工程师来说，每天其实就是在那盯着就可以了，没有像以前那么累了，然后每天可以准时到点上下班。
我一开始其实是有点悲观，我认为AI的到来会导致大量程序员失业。
但我相信未来随着生产关系发生调整，可能还会有更多人重新变成程序员，他的技能可能只是发生了变化而已，而且他会变得更轻松一些。
但可能卷的就是我们这些做工具的人，因为我们需要让他们变得更轻松一些。
百度徐晓强：我们在跟整个行业的接触中发现，大家的思维在转变，尤其在2022、2023年的时候，我们经常会提到一个词就是"replace"，提到的时候其实是想问AI什么时候替换掉开发者。
但现在到了2024、2025年，大家已经不提这个词了，大家开始提"cooperate"，提我们是怎么去协作的。
其实协作不光包括人和AI的协作，也包括AI和AI的协作、多Agent之间的协作。这些其实是我们在产品和技术的演进上，不断去提升的点。
我还再问它第二个问题，我说你给我讲解一下这个仓库在做什么，它非常快提供给我了一个文档，并且用非常贴近人的理解方式提供，这是我觉得非常棒的瞬间。
后面我用多了以后，我觉得平常大家做起来麻烦的事，以后都可以交给AI去做。
我觉得智能体带来的变化太大了。有智能体之前，大家是跟模型一轮一轮对话，你问一下它答一下。
智能体把这个事串起来了，它能够去帮你去进行动作，进行完动作以后帮你把结果收集起来。把这个事情串联起来之后，还能够直接点对点把一件事情彻底解决掉，不用你在中间再把它串起来了。
智能体正走向弱人机交互
量子位：在编程领域，大家如何定义"智能体"这一概念？
aiXcoder黄宁：我认为智能体是扩大生产力的重要手段。我们自己平常会非常频繁地用它做两件事，一件事是代码的局部生成，另一件事是代码的审查。
之前这两个事都需要我们去理解了这个业务以后，自己去写和调，但是有了智能体以后，它可以快速帮我把这件事情做到位。
我们这边给智能体里还添加了一些检查点的系统，这个东西能够方便人在智能体交互的过程中去看到智能体是怎么运作的、具体修改了哪些文件、运行了哪些终端指令，这样也助于我们去跟它更好的协作，增加它的可靠性。
IDEA研究院祝海林：Windsurf推出之后，其实Agent的范式基本上就固定下来了。我觉得可能得再过半年、甚至一年，我都不会看到有新的范式会诞生。
目前来说Agent的范式，可能就是不断使用工具去完成人类的需求。
我现在已经能感受到，未来的发展方向一定是弱人机交互的范式，人应该是充当看管者的角色，任务应该是夜间和白天同时去跑，我希望我睡一觉第二天起来我就能看到交付结果。
百度徐晓强：我们团队里的同学，他曾经问我们能不能做一件事情，就是把代码库完全让给模型，由模型自主决定应该去做哪件事。
回过头来看，其实就是现在Agent的这种方式——我们通过让模型先去做出整个规划，然后通过我们提供给它的工具，让它自主决定要调哪些工具，要去做哪些步骤，然后它再根据自己执行的结果做反思，其实整个Agent的交互流程就已经从技术上实现了。
AI时代To B与To C的界限正模糊
量子位：不同用户，比如企业用户和独立开发者，对于AI Coding的关注重心会有不同之处吗？
百度徐晓强：我觉得这里面应该分成三部分用户，分别是企业客户、企业用户和个人开发者。
企业客户们其实会关注一个点，就是效能提升，即我们的工具被采购到企业里面去之后，能为企业带来什么样的变化。
另外他们还会去考虑数据安全，即我们当前数据的合规性是不是能够把这些数据开放到外部的模型和工具上去使用？
对于企业客户，他可能在这其中去做一些平衡，比如说因为我们企业的数据机密度很高，我们希望能够尽可能在我们私有域内去把整个产品部署起来，所以这个时候就可能会要牺牲一部分产品的能力，比如说我们可能会用更小规模的模型，可能迭代会更慢，让企业客户在数据安全和效能上去做平衡。
而企业用户跟独立开发者实际上是一样的，他们都是最终端的这部分用户，他们对于工具的诉求就是如何利用工具去更快更爽完成我的工作。
在这点上，我不认为企业内部和外部的用户存在区别。企业用户会更多根据实际情况去平衡一下自身情况。
aiXcoder黄宁：企业用户会更侧重于数据安全性、隐私性以及系统是否稳定这几个指标。
至于这几个指标背后，因为项目非常大，必须要保证项目的每一个组件在生产环境下都能够平稳可靠运行。
因为像双11的时候，几个电商就陆陆续续都经历过，这种由于流量太大，导致它的系统撑不起来的情况，如果AI生成的代码在其中有可能导致这种风险的话，这对企业来说损失是非常可怕的。
至于个体开发者就他更注重——第一，反应快迭代快，更快地给到他产物；第二，这个产品它做出来的效果一定是人可以看得到、摸得到、感受得到的。
IDEA研究院祝海林：当我们谈到个人和企业的时候，本质上就是说产品的定位是to C还是to B的问题。在AI时代没有很强的to C还是to B的概念。
比如说像Cursor这种订阅，你买的企业版本质上就是交的钱不一样而已，你其实使用范式、销售手段是一模一样的。
不管是AI辅助编程，还是未来其他的AI辅助的生产力工具，它可能都不像传统打法。正常情况下，你的产品应该都是先从to C再融入到to B里面去的。
AI编程仍难替代专家
量子位：哪些用户特别希望实现的功能，但目前仍存在技术瓶颈？
IDEA研究院祝海林：我觉得所有的用户应该都想——我用一句话，你给我弄一个抖音出来，但我觉得这是不可能实现的。
不管是AI未来是不是实现了AGI，所有的领域依然有专家。比如说在AI辅助编程领域，你原来是程序员，你未来肯定是可以做出更庞大、更复杂的软件。
当然不懂程序的人，他可以做出软件，但我相信很难做出来跟程序员相提并论的产品，所以任何一个领域我觉得都是这样的——
人类依然需要成为那个领域的专家，当然创意也很重要。
百度徐晓强：我们也会遇到一些用户鼎茂策略，上来之后就说"你们做的东西就这？"
我们就问：我们做的哪不好？能不能给我们一些反馈？然后用户就说：你看我让它做这个东西做不了，让做那个东西它也做不了。
一个很宏观的项目、很大的框架，如果直接扔给模型让它去理解，确实是有一定的困难的。所以在这个时候，我们会想，我们怎么能够去把用户和我们产品之间的一些鸿沟去减小？
我先从技术上去说，我们没办法去帮用户做得更好的点，可能是我们技术上的原因，主要有两个。
一个是因为我们并没有完整地去理解用户的项目，我们希望在他的项目上能优于他，甚至比他更了解这个项目，这是我们想要去做的上下文方面的工程。
第二我们想要希望能够把这种合适上下文提供给模型，让模型能够更深去思考当前用户的意图是什么。
大家的需求其实是不明确的，在这种需求不明确的情况下，让AI去胡乱生成，结果只能是错的。
这个时候，我们会想到，模型如果发现有一些模棱两可、有歧义的内容的时候，我们希望它能够去跟用户再做一轮澄清。
就像我们去问用户一样，你觉得做得不好，是哪里不好？是颜色不好、功能不好、还是整个体验不好。这样的过程其实会更有的放矢把交互做好，把用户的歧义去解决掉，去帮助用户去更进一步满足他的生成的需求。
随着用户对产品的不断熟悉，以及产品能力不断的提升，我觉得这个鸿沟会慢慢地缩小。
aiXcoder黄宁：我自己也是一个使用者，所以我真的是感同身受，很多时候是希望他帮我把活干掉，我希望分配给它一个端对端的任务，然后它直接帮我根据自然语言生成出来。
在这个道路上，我们觉得是需要把任务给它大而化小，小而化细，用这些逐步分解的方式，让每个智能体特长化，让每个智能体去解决不同的任务，然后通过流程衔接把它们穿在一起，然后形成智能体团队。
这样的话可以让这些团队之间互相协作，真正地去把任务解决掉，就像人的团队一样。
我们可以指导一群智能体，让它们帮我们做事情，我们是去给它们规划引导，并且监督它们做事情。
CLI与IDE适配不同开发场景
量子位：AI Coding的产品形态多样，有人侧重做IDE，而头部厂商积极推出了命令行版本，背后的思考是什么？
aiXcoder黄宁：我觉得主要是大家使用方式的不同，如果使用交互式开发的时候，我肯定会更喜欢用IDE；但是如果我是在一个端上去做开发，我肯定是会更倾向于CLI（命令行界面）。
两个产品有它们存在的使用场景，就一定会有不同的适合去做的产品形态，这是必然的趋势。
不过在这背后有一个很有意思的现象，两个产品虽然产品线不相同，但是它们的智能是可以共享的。
举个例子，我可以在不同的端背后去共享一个智能体，它既可以面向CLI进行实现，也可以面向你的插件或者IDE进行实现，这是智能能力和智能的载体的解耦。
在这个思想的指导之下，我们这边也在做尝试，未来也会基于智能体的发展形势去推出智能体平台，并且把智能体平台的各种能力集成到像是命令行、集成开发环境和网页等不同的形态中。
百度徐晓强：我们在做IDE的时候的核心想法就是，当前的IDE其实是桎梏了我们，因为我们一些想法没办法在IDE上去实现的，所以我们做了自己的IDE。
同时，也是希望能够给更多的用户提供一键打开就可以用的工具，这是我们做IDE的一些想法。
像CLI的话，其实我们有很多业务团队在跟我们接触的过程中，我们多多少少也考虑到这方面的一些诉求和想法。
CLI它可以后台化，因为我们每一个人都在线编码，去完成我当前的任务，但是我可以把一些我认为它可以做好的事情委托给它，甚至我可以扔到一个远端的机器上，让它自己去后台跑。直到我发现它跑完了，我去看一下结果就好。
这样的话，就相当于说我有一堆协作者，去帮助我一起把这个项目做好，而有的时候我不太需要去关注它中间的重点，这样我就让它到后台去直接去跑就好了。
IDEA研究院祝海林：我觉得要从三个立场去出发，就三种不同的人群。
第一个是使用者，对于使用者而言，我觉得是要从使用者的角色+他的喜好，去决定他要使用哪一种形态。
第二个我们要从公司去考量。如果我是一家创业公司，我建议是先做CLI+Web，如果是体量比较大的公司可以全部都做。如果你做IDE的话，它成本其实是偏高的，那就没有办法让你的团队专注于效果变好，而是你可能更多的精力花在了交互上。
然后第三个的话我们要看大势。整个大势会从人机强交互到弱交互转变。
最早的时候IDE肯定是最好的，因为它的强交互，用户一开始需要对它建立信任感，模型也需要有进化的方向。
效果为王
量子位：站在用户的角度去评测一个AI Coding的产品，哪些维度值得重点关注？
aiXcoder黄宁：这个问题跟我现在的职业是强关联的，我现在是主要在做产品，那么我觉得最重要的点是他一定要解决问题，必须是我生产环境中出现了一个用人做起来比较困难，或者人做起来比较吃力的事，然后用AI去把它加速加快了，这才是最重要的。
否则我会没有动力去使用它，因为使用一个新东西也需要一些学习成本的。
然后第二个角度，我觉得一个好的产品它还是要保证质量的，他得让这个事情确实做得到位。
其实我们在这边做出了不少尝试，在编码智能方面比较有效的方案是把语法信息注入进去，因为编码本身与文本的区别就是——它具有语法结构逻辑性，这个逻辑性正好可以被用在辅助整套代码开发中。
第三是人机交互，因为再怎么说智能系统它也是要辅助于人的，它可以是通过终端的形式去做一个程序，不过这也是间接服务于人。
一切的智能系统落实到最后，它的终点都一定是人。所以它要把人机交互这件事情做得更友好，更易于体验，得去让人能快速地理解它的上述逻辑是什么，然后它怎么去给到输入和输出。
百度徐晓强：我的第一个角色我是工具开发者，第二个角色是工具的用户，其实我自己在对于工具的要求上，就是它能够帮我去完成我自己想要做的事情。
现在的工具，其实我理解我还是需要去做审核者的角色，我必须得要去看，它输出的结果是不是符合我的预期，我要看它的代码，甚至有可能有时候需要去看它整个思考的过程是不是跟我的预期是一样的。
其实作为一个终端用户的话，我希望抛弃一个过程，希望它能够直接给我一个可运行的APP，我就可以直接去跑起来就用就好了。
其次我觉得还是在交互的形式上面，我认为有的时候我的手比较笨，它跟不上我思维的速度。有时候我发现我有一个绝妙的点子，当我把它打出来的时候，我发现我已经把点子给忘了。
然后这个时候我就会希望我能不能像跟人交流一样，我把我的东西用很啰嗦的方式把这段话说出来，我可能没有重点地去把我的想法先讲给他听，他去帮我总结整个重点出来，然后再帮我去生成代码。
而这个过程，就可以省略掉我自己把我的信息录入的过程，其实这也会消耗我一部分的精力。所以这块我觉得是我作为一个用户来说，我更希望看到它能达到的一个方向。
IDEA研究院祝海林：我觉得在AI时代的话肯定是效果为王。类似于像Claude，人家效果就是好、贵你也得用，其他效果不好的你免费给他用，他也花不完，因为不好用。
当效果达到一定程度之后，我觉得还是需要融入一些人文关怀，我们做的产品需要让使用者他有成就感和愉悦感。
程序员会向更复杂领域发展
量子位：有一个说法是AI Coding让"人人都是程序员"，是否有必要人人都会编程、成为程序员？这句话意味着什么？
智谱刘荣轩：关于"人人都在成为程序员"这件事，其实是说在这个时代AI编程的成本被降低了，因为诞生了一个非常新的工具。
发展到后面它更取决于你个人的喜好和需求，你是希望把AI编程作为一个爱好去玩，还是说你希望把它变成一个谋生的工具，最终取决于用户。
月之暗面唐飞虎：对，还是取决于用户自己的实际需求。
因为一些简单的问题，现在借助AI都能快速直接得到结果，它可以帮助你解决生活或学习过程中遇到的各种问题。
就像之前大家会使用Excel，它里面有它的公式，现在飞书它也有多维表格，AI让我们触达这些东西更加方便了。
Creao AI陈紫尧：我的视角是，用户今天他如果想成为程序员，他的目的是什么？他更多是为了快速实现一个产品想法。
至于具体编程的语法这些细节，其实这些并不是他关注的重点。
海新智能曹凯：未来可能是人人都会编程，从小学就开始就学了。至于"人人都会成为程序员"，我觉得这句话有一定的误导性。
本质上来说，我们过去的一种编程的范式会发生更多变化。曾经的一些更资深的、更聪明的程序员和工程师会往更深的底层去走。
然后一些简单的创造，比如一个小游戏、小demo、小网页可以交给普通人去做。
我们的技术在不断升级，程序员永远都会在，他可能会往更高的层面走，现在的一些基本的简单的体力活肯定会交给AI Coding。
专业开发者看重精确与可控，普通用户更在乎结果
量子位：专业程序员与非科班独立开发者对AI Coding的需求有何不同？
智谱刘荣轩：专业开发者对需求的定义会更加清楚。他们知道自己希望达到什么样的技术效果，知道自己是想在这段代码、还是文件里面去进行修改，他们对如何用AI实现这个事儿非常清楚。
另外，专业开发者对精确度要求很高。我听到过非常多的专业开发者的反馈，他们都说：我其实不希望AI去帮我创造，我只是希望它能够去按照我说的这样，把这个代码给写出来。比如说我划了这么多的代码，我不希望它去改这些代码之外的内容。
而对于Vibe Coder来说，我觉得他们的目标更集中于创造力。这一块我觉得像是我最近在思考的Agent和工具的关系。
Agent更像一个实习生或者同事，之后我们去告诉它我们想要完成什么样的效果，但我们对最终结果呈现，其实我们是有不确定性的。
但对于工具的要求，实际上是我们希望它有更高的可控性和精确性，我觉得这两种形态未来其实都会存在，而且对于每一个程序员来说都非常重要。
月之暗面唐飞虎：资深的工程师和普通的只是想拿AI Coding去解决他们生活中具体的问题，这两者他们的使用方式和需求都非常不一样。
对于后者来说，他们只想更快速地解决需求，比如说帮助我去做格式的转换。
但对于资深的工程师来说，他们会更倾向于使用更加复杂、更加贴近命令行的各种各样的工具，他们更关注的是我的代码的可维护性，比如说像一些工具的会员额度用完了以后，就会普遍降智，降智了以后他们就发现这个工具基本上就没法再用了。
对于这类工程师来说，他们其实更愿意去付费，用最好的模型、用更快的推理速度去帮助他们解决遇到的问题。
Creao AI陈紫尧：作为资深的程序员，一般其实是参与到比较大的复杂系统的维护中，很显然这是Vibe Coding不能直接端到端交付的事情。
这种情况下，程序员对于AI Coding的需求是——它能快速理解今天整个项目架构，以及能快速理解今天这个需求需要对哪些模块做相关迭代，包括对已有的复杂系统的问题具有排查和维护的能力。
而对于Vibe Coder来说，他们更多并不是需要AI参与到以人为主体的组织协作中，Vibe Coder的需求是今天我需要从0~1快速尝试验证想法，他们想要拿的结果直接就是一个完整产品。通过完整的产品去快速帮他们验证，去找到目标用户。
海新智能曹凯：非专业开发者，甚至是连一点开发能力都没有的人，他们对结果极其看重。
他需要你每走一步告诉我现在到哪里了，至于说为什么、用什么语言、什么框架，他们不在乎。如果你只是代码一直在跑，他感觉也可以，但他们会很恐慌。
开发者更多的是要掌控、要精确、要能够控制，但是非开发者一定要告诉他你现在走到哪里了、这一步是什么，至于说什么语言或者技术不用告诉他，这样他就会很舒服。
智能决定AI Coding产品价值
量子位：对用户而言，一个Vibe Coding产品，是带给他们的体验更重要，还是产品的智能能力更重要？
Creao AI陈紫尧：我认为智能更重要。产品的智能能力，体现在有时候用户在描述方面不够准确，例如他背后真实的需求，他只能表述出x。
如果要解决他实际的问题，其实是需要"x加y加z"，但他的描述能力没办法做到，这是小白用户在产品使用上的状态。
智能指的是能理解出它每一段自然语言描述背后真实的需求，我们会主动建议他，你其实是不是需要"x加y加z"？跟用户有模拟与人共同协作工作的状态，然后再去实际的开始Coding工作。
然后另一方面用户还比较关心，是你实际的构建能力，今天我能用你的Vibe Coding工具能做出复杂场景。例如我这个场景是否能去集成已有的它现在使用的一些独立的信息系统，这是我们观察到很多用户常需要的。
海新智能曹凯：产品设计和产品体验是让用户惊艳的第一步，就是他能够注册使用起来。
因为绝大部分中国人不知道Vibe Coding。第一次上手的时候，如果是很复杂的东西，虽然你智能很强，但对他来讲是个门槛。
如果他可以很轻松地去玩，然后你再输入一个prompt，他开始执行你的prompt的时候，每一步都很清晰地告诉他你到哪里了，最后结束之后第一版本生成，它还能转起来，用户就会很开心，但这个东西也就是尝鲜。
但从长远看，让产品能做更深，然后粘度更好，让用户能做出更好的东西，能长期在你平台上存留，它一定是智能。
智能它本身就是体验，不能我说一个东西之后，给我答非所问，所以我觉得得分两步。
基础模型是能力底线
量子位：从模型的角度，如何看待AI Coding产品中"基础模型能力"和"产品工程能力"的边界？模型对编程场景有什么样的"野心"与局限？
月之暗面唐飞虎：以Codeforces这个benchmark为例，现在像很多的Thinking模型，它已经能达到Top5%，它里面遇到的问题可能是非常困难的问题，你得是非常聪明的选手才能去解决的问题。
我们相信，如果你的模型能够解决这些最困难的问题，都能解决得足够好的时候，那要他解决我们日常遇到的一些Vibe Coding的case，他也能够从中归纳出一些规律。
这些具体的应用场景就会变成它的副产品，大家都认为基模是baseline，产品侧就是要去激发这个模型能力的上限，让他能够看得更远。
除了看排行榜来检验基模的水平，我觉得最直观还是看真实用户的反馈和留存的情况，用户会用脚去做选择。
关键决策仍需人掌控
量子位：如何看待最近出现的由人主导过渡到AI主导的AI Coding的观点，你们认同吗？
智谱刘荣轩：由人来主导的话，就需要人去描述他想要什么样的效果、要写什么样的prompt，他可能需要写一页纸的prompt，才可以把想要的需求呈现出来。
AI来主导非常符合Agent编程的趋势，相当于你把命令传下去，然后之后AI作为一个leader，然后它可以去调用想要调用的工具，它去猜测你想要什么样的效果，它去读你想要的上下文，它最后把猜到你希望呈现的效果，最后输入给最终写代码的AI，呈现最终的效果。
Creao AI陈紫尧：我这么看人和AI之间的协作关系，我们观察到越来越多的人或者中小企业的老板，他们在逐渐学习掌握如何组织AI的生产力，去达到业务提效的目的，至于AI Coding是其中的一环。
这其中，AI coding其实是涉及达到他目的的执行层，也就是从成本方面，他想去尽可能压缩的也是时间成本。
执行上，如果是涉及到简单业务流程的一些编排这些代码，在执行层当然是由AI直接去搞定，其实人不太去关心这些事儿。然后涉及到基于所有这些生产力提效之上，最终为业务服务的这个结果其实都是由人去主导的。
海新智能曹凯：其实AI只要它稳定性好，我们可信任它的时候，很多事情可以交给它去做，但是目前还不太确定。因为它有很多幻觉，这可能跟Transformer架构本身就有局限性是有关系的。
比如以前我们讲自动驾驶的时候，其实争议的不是自动驾驶的车该不该上路，而是它出了事它是财产损失，还是危险驾驶罪。
所以有很多法律层面和道德层面的东西，让我们目前还是要留在人的手里，直到它某一天就跟我们现在的信息技术类似，它变得可解释、有标准的协议、我们能确认它下一步会得到什么样的结果，在这之后我觉得才有可能。
开发者从纯执行转向协作与监控
量子位：AI Coding对开发者的能力提出了什么新要求？
月之暗面唐飞虎：之前Linus Torvalds有句名言是"Talk is cheap, Show me the code."（结论是廉价的，我要的是论证），现在Vibe Coding火了之后，大家认为"Code is cheap, Show me your talk"，就是你如何去和人机去进行协作的过程，发生了一些变化。
我们也是看到AI Coding发展的这些年，其实由AI掌管的部分是越来越多，从一开始的Copilot现在变成了Autopilot，就像汽车的辅助驾驶，慢慢地变成了自动驾驶。
他能做的事情也越来越多，在这个时候你作为工程师，你需要对当前的AI的能力、模型的边界，技术的状态、你所能用的Agent工具，需要有清楚的认识。
你就会知道哪些是目前AI能非常好处理的，哪些是你可能需要从中协助的，哪些是它完全没有办法处理的，这就对我们工程师提出了新的要求。
随着AI Coding的进一步的发展，工程师的技能组合也会慢慢发生变化，AI能做的事情会越来越多。
Creao AI陈紫尧：我认为未来更多的程序员，他的职能范围会逐渐变广。他不仅仅在技术领域有很高的深度，他同时又懂产品和市场。
今天我们去看程序员，他在大的企业组织中去工作，其实有两类的不同的工作类型：一类是参与到整个复杂系统维护和设计中，另一类相对偏体力活，就是具体业务流程代码的执行。
其实有了AI之后，那些涉及到执行的部分，绝大部分可以由AI提效来快速完成了。这也意味着程序员在自己的技术深度上，更多需要变成能参与到复杂系统设计维护的过程中，然后这之外他多出了很多精力，不需要他亲自去完成一些简单代码执行的时候，其实就回到了人跟人该怎样去高效的协作。
于是我们看现在这一个产业团队组织，你有产品开发、设计等等共同去交流，他们各自有自己不同职能的专业知识的视角，然后互相沟通。接下来，他需要习得如何更高效理解对方职能的视角，从而更精准地达成他们产品想要交付的目的。
智谱刘荣轩：目前程序员更多是执行者，但在未来的话，程序员更多是要做监控者。
他需要去看AI本身的质量完成得怎么样，而不是说他要做写代码的这一方。如果他希望能成为监控者，那么他对于理论知识需要掌握更多不同的技能。
未来AI Coding将更包容、具有长期记忆
量子位：未来的AI Coding产品将会是什么样的？
智谱刘荣轩：未来的编程产品上大家可以更有想象力，也可以尝试做好玩的小工具，例如用"设备、需求、角色"随机生成一个句子，看看会随机出来什么东西。
月之暗面唐飞虎：未来的AI编程产品辐射的人群会更广，它不仅是单纯服务一些新人用户，也不是单纯服务一些资深的开发者，甚至他都不一定是服务面向程序员或者开发者群体，它肯定更加具有包容性。
对于资深的程序员来说，他能参与、感知、干预的部分也会更多，还可以打开看看它到底执行了什么，然后从中去更好地管控，其实现在很多工具都有这样的趋势。
Creao AI陈紫尧：今天我们看到市面上大部分的Agent产品，它没有在特定工作环境下的长期记忆，他只有每次对话的这种短期记忆。
即使他虽然非常专业，但是它对今天所处的环境、要工作的事情它没有那么的熟悉，我作为用户其实我希望我不需要给它讲那么多的背景，而是我讲几句话它都记得，它很清楚知道今天在这个工作环境中是怎样的一个角色。
这其实背后能快速理解我想做什么事情，然后快速帮我完成。这对用户侧的使用体验改进是非常大的。
未来AI Coding背后会有专门为Agent搭建的云端解决方案环境，使得它在不同特定工作场景中具有长期记忆，这是我觉得接下来两年会看到的事情。
海新智能曹凯：未来的数字世界它会越来越强大，不仅仅是我们现在所谓的软件、程序或者是一些人工智能的应用，未来包括材料、生物，都可以通过用数字化、计算机的方式来做出更好的结果。
那么未来可以说虽然有很多物理的形态，但是我们的底层逻辑可能是数字的，那么Vibe Coding有可能是我们普通人连接数字世界的一个入口。
核心关键词：成本、协作、需求、杠杆
量子位：AI Coding时代，人、产品、代码的关系中最重要的一个词是什么？
Creao AI陈紫尧：我觉得最重要的是成本。
今天大家为什么对于Vibe Coding这么关注，就是因为它从生产力提效方面已经将成本大幅度压缩，同时有时间成本、经济成本，使得以前很多不能去尝试做的事儿，今天成为了可能。
以前如果要做一个产品出来，要组织招人，然后搭建一个团队，大家去协作迭代，才能放到市场，时间周期很长，你失败后的机会成本就非常大，很难接受。
月之暗面唐飞虎：我想可以是协作。
这个协作之前停留在人与人之间的协作，现在可能还有人机协作，甚至包括有机器参与过后、新的人与人的协作。
举个例子就是说你要协作的话，你首先要对你的同事、你的AI Copilot要有足够多了解，要了解他的模型能力的边界，能做什么、擅长做什么，哪些做得好、哪些做不好，这个时候就是人和计算机要发挥自己各自擅长的点。
同时有了新的工具参与之后，人与人之间的协作也会发生变化，比如说如果有一个IDE它包含了各种工具，它也会懂一些开发，它也能做出用户界面，而我们这个产品它也可以一句话就先开发一个demo，让你更好理解他的需求，所以整个合作的链路都会因为这样一个工具的诞生，而产生翻天覆地的变化。
除了人与人、人与机器，还有机器与机器，多Agent之间它们能分享什么信息、怎么样去优化效率，其实也是一件非常有趣的事情。
智谱刘荣轩：我可能偏向需求这个词。
其实从一开始我们为什么要用代码这件事来说，其实是我们有需求去提效，然后或者说我们去提速，或者是满足我们目前想要做的一个小事儿。
无论是我们想要去读新闻，还是说想要去看天气，还是说想要有一些更复杂、更高成本的需求，然后需求是我们这些技术进步的原始驱动力，所以我觉得是因为有需求，然后才诞生了现在的这么多的产品，这些产品的背后都是由这个代码去驱动和实现的。
海新智能曹凯：我觉得这个词是杠杆。
我们的AI Coding或者AI是我们做事的杠杆，不仅仅是说我有更好的搭档，而是通过AI Coding或者Agent，我能够把我只产生1的东西，通过它放大到100。
不管是做一个代码编程，或者说是做一个产品，可能都会放大它的价值。
一键三连「点赞」「转发」「小心心」
欢迎在评论区留下你的想法！
— 完 —
🎉 希望了解AI产品最新趋势？
量子位智库「AI 100」2025上半年
「旗舰产品榜」和「创新产品榜」
给出最新参考👇
🌟 点亮星标 🌟
科技前沿进展每日见鼎茂策略
尚红网提示：文章来自网络，不代表本站观点。
相关文章
沪深京指数
热点资讯
