有些朋友可能还没有感知到AI的影响，但像我们这样每天都在跟AI打交道的从业人员，几乎时刻都在感受着AI的冲击。最近有两家服务商连续在香港上市，都是提供AI服务的，冲击不小。在AI圈有一种夸张的说法"AI一天，人间一年"，便是对AI发展的侧面反映。
随着AI的发展，无论是从产品视角、用户视角，还是开发视角，都在不断地出现一些专业名称，通过它们可以窥探到AI的能量以及它对我们未来职业发展的一些冲击和影响。
这篇文章我们从两个与AI相关的词汇来聊聊未来职业发展的可能性，这两个词分别是：Know-How和Vide Coding。
Know-How：AI暂时无法突破的壁垒
AI的通用能力（这里的AI更多的是指LLM）很强，但专业能力有待提升，甚至还有很长的路要走。目前市面上有Agent工程、Prompt工程等概念，它们本质上都是在通过工程化的方法论或架构方案来解决AI在专业领域的运用以及弥补AI能力的不足。
而站在产品设计与实现的视角，有一个词汇会最近在频繁的出现：Know-How。那么，什么是Know-How呢？
Know-How (技术诀窍/专有技术) 是指在特定领域中，通过实践经验积累起来的、关于"如何做"的非公开的、可传授的技术知识、经验和技能总和，它使拥有者能完成特定任务或实现特定目标，是区别于书面理论知识（Know-what）和底层原理（Know-why）的实践性智慧，常常构成企业的核心竞争力。
通过定义我们可以看到，Know-How是那些在特定领域比较私密的实践积累，这就像古代只限于师徒之间手把手传授的"秘诀"，无法为外人知道的知识。
目前AI能够提供大量基础层面的知识，和一些底层原理实现，但针对真正有行业壁垒，未被公开到网络中的那些"秘诀"，以及更具有"人性"的体验，还有很大的差距。这也是为什么，很多时候你会感觉AI的回答只是在泛泛而谈，回答的很片汤话，没有深刻更专业的答案的原因。
AI的训练来源于数据，而从数据的量和质的维度来讲，这些数据由网络上的大多数（近似所有）人所生产，那么这些数据反映的往往也更倾向于是大多数人认知水平和比较通用化的解决方案。而针对那些很少被分享出来的Know-How类知识，AI无从接触，也就很难形成壁垒。
所以，在AI领域还有一个不成文的观点：每家公司所做的AI产品都是不一样的，这里的核心影响就是行业Know-How的不同。而像前面提到的Agent工程、Prompt工程中，比传统的产品研发多了一个角色，就是知道这些行业Know-How的"专业人士"。
通过行业Know-How这个AI暂时没能够解决，各个行业都在努力尝试解决的工程化、产品化的问题，或许你也许能够意识到未来的职业发展方向：一定要避免成为与AI能力相冲突，能够被AI轻易替代的人，而是要选择成为能够为AI（产品）做加持的专业人士。这里的答案就是拥有行业Know-How，任何一个行业都算。
Vide Coding：业余人士与专业人士的角逐
另一个词汇是Vide Coding，先来看一下它的基本定义：
Vibe Coding（氛围编程） 是一种利用人工智能（AI）通过自然语言（对话式）方式进行软件开发的新范式，它让开发者专注于创意和需求，而不是繁琐的代码细节，AI负责生成、调试和优化代码，核心理念是"完全顺应感觉（vibes），甚至忘记代码的存在"。这种方法降低了编程门槛，使非专业人士也能快速将想法转化为可运行的软件，适用于快速原型、周末项目，或作为专业开发中的高效协作模式。
目前大量的平台（如，Claude Code、Manus），以及一些编程插件（如，Copilot、Cursor、Trae）等都提供了基于自然对话的方式来生成代码，甚至生成一个可正常运行的项目。这对于开发人员来说，是实打实的能力加持，效果显而易见。
但对于非专业人士来说，也是真正的福音。原本复杂的不可想象的软件工程，自己通过与AI的沟通就可以完成。所以，Vide Coding曾被大肆吹捧。这里我们来客观的分析一下它的利与弊以及对职业的影响。
首先，通过Vide Coding的确可以快速生成代码，也非常适用于一些快速原型项目的建设。在这一方面，它替代了一部分软件工程中参与者的能力，同时也模糊了非专业人士和初级专业人士的能力界限。它做了原本前端、后端、测试、产品经历、UI设计、需求分析、运维发布等一些列的岗位职责。
从这篇文章我们要讨论的视角来讲，其实AI提供的这一能力，将压缩一些初中级软件工程人员的生存空间，一些原本需要软件从业者来做的事情，被AI替代了。
也就是说，如果你处于这些行业的低位，你可以充分利用AI，因为你们的能力是重叠的，但你也可能随时被AI替换掉，同样是因为你们的能力是重叠的。
其次，Vide Coding在精专方向上，也并没有那么完美，产生的结果在专业人士看来往往是不过如此，不尽如意。从专业软件工程的视角来看，通过Vide Coding生成的项目如果运行在生产环境，往往是一堆"技术债"。这是因为，通过这种方式编程的代码往往缺少系统的架构思维，在代码质量上AI过度聚焦于局部实现，导致代码可读性差，变得难以维护。
总结一下，从Vide Coding这个词，我们可以看到，AI暂时还是无法替代专业的开发人员和架构人员，但已经在逐步替代初中级人员。它也是开发人员的伙伴，帮助开发人员解决Bug、生成代码，但与此同时，它也是竞争者、替代者。要想不被AI替代，我们需要成为一个能够驾驭它的人，让它成为我们的伙伴、协作者、甚至是攻坚破锐的武器。
小结
这篇文章我们讲了两个AI领域相关的专业名词"Know-How"和"Vide Coding"，从它们的功能和视角分析了AI对目前的能力现状以及对我们职业的可能性影响，当然AI的影响远不止如此。
其实，单纯从这两个视角来看，结论已经很明显了，与我们日常的认知也基本吻合，那就是如果要在职场上生存，那么就需要做掌握行业Know-How的专业人士或者技术领域的领头羊，同时，在避免被AI替代的同时充分利用AI为自己赋能，为自己加持。