思考，输出，沉淀。用通俗的语言陈述技术，让自己和他人都有所收获。
作者：毅航😜
或许你最近时常会刷到这样一些视频，说程序员很快就要被AI取代了，这次的理由是Vibe Coding要来了。
好气啊！
那我当初埋头学习编程算什么？算我倒霉吗？凭什么现在AI圈随便发明一个新名词就能比我更会当牛马？
同为牛马，如同共踏一路，浪潮一至，先淘汰、后淘汰，谁都无从幸免。难道真的要搞得鱼死网破吗?
作为一个马上就要被淘汰的牛马,今天咱们就扒一扒，AI到底是怎么写程序的，所谓的Vibe Coding又到底是什么玩意儿。
一： 大语言模型的"本质"
事实上，不管多厉害的大语言模型，本质上就是个 聊天机器人 。
你发消息，它回消息。仅此而已。
因此，如果想让AI帮忙写代码，一开始只能先把代码复制进去，等AI回复完成后，再把回复粘贴出来调试。
来来回回，纯体力活。
大模型它不知道你项目里有什么，不知道你改了什么，不知道报错从哪来。
这种情况下让 AI 写代码，你让它写代码，就像让一个盲人画地图。它只能靠你口头描述，但描述永远不完整。
再强大的大模型，本质上也只是一个纯对话聊天机器人。除了回复我们发的消息，啥也干不了。
二： AI Agent给AI装上眼睛和手
面对这样的体力活，聪明的程序员肯定是不愿意接受的。于是聪明的程序员想了个办法： 在AI和代码之间，加一个中间层AI Agent进行代理。
所谓的AI Agent其实本质就是一个运行在本地的小程序。具体到编程的场景，为了让它能搞定编程，我们会提前给它写好一系列函数，比如：
read_file------读取文件write_file------写入文件list_file------列出目录
之后，AI Agent会把这些函数的名称、用法，连同我们的提示词打包发给大语言模型，模型看完就会回复一条消息，告诉Agent你调用这个函数，传这个参数"，这样就能间接完成文件修改的操作了。
比如，在VS Code里，那些AI编程插件，本质上就是AI Agent。其借助VS Code提供的接口，获得读写代码的能力。
更进一步，有些AI编程插件默认不仅能读写本地文件，还能浏览网页、执行终端命令，有了这些能力，AI才算真正能动手改代码。
三： DIFF格式：让AI精准"动刀"
现在我们已经解决了AI读取文件的问题，那AI拿到文件后，它到底怎么改呢？其中，最直接的办法，就是让AI生成一份改完后的完整代码。
问题来了，哪怕你只改一个标点，AI也得从头到尾生成一遍。不仅效率低、而且浪费Token。
更重要的是，文件一长，它很难100%还原原内容，而且分分钟引入新Bug。
所以绝大多数AI编程工具，都会让大模型以DIFF格式回复修改内容。
简单说，DIFF格式会明确描述: "哪个文件的第几行，需要替换成什么新内容" 。
这种格式其实很古老，像Git、SVN这类版本控制工具早就一直在用，对应的算法也非常成熟。
而大语言模型训练时，收录了整个互联网的文本，其中就包含大量DIFF格式内容，所以它生成的回复也更靠谱。
当然，大语言模型再聪明，回复也不是100%准确。所以AI Agent收到DIFF后，会先检查里面引用的原始代码，和当前本地文件是否一致。
如果不一致，说明模型理解错了上下文，就会重试一次，这样就能尽可能保证，模型修改的是我们正在编辑的文件。
四: AI强大的自学能力
到这一步，我们总算有了一个相对稳定靠谱的AI编程工具。
但人们很快发现，AI其实挺笨的，经常犯一些低级错误：比如VS Code都已经高亮标出语法错误了，AI还得改来改去好几回才能改对；又或者它想修改的文件，根本就不存在。
于是聪明的程序员又动了脑筋,想到把IDE里的各种信息，也一并发给大模型不就行了？
于是现在大多数AI编程工具，除了读写文件，还会主动收集上下文：
- 当前项目的文件结构
- 用户正在查看的文件
- 命令行输出的报错内容
- 有时候甚至当前时间都带上
对AI而言，信息越丰富，AI越能理解"现场"。这样它看到的东西，几乎和程序员一模一样，编程过程自然流畅多了。
五，AI编码的最后一公里
这时候，程序员们终于成功造出了一个能自己写程序的AI工具。
对普通大众而言，不会写代码的普通人，只要输入提示词，就能让AI吭哧吭哧把程序搭出来。
听起来，我们好像真的要被取代了？当然没这么简单。
但要知道，程序在本地跑通只是第一步，上线部署、前端配置、后台服务、建立数据库，哪一项不是麻烦事儿？
这些活儿，AI编程机器人根本干不了。
于是为了实现"被AI取代"的"梦想"，于是MCP登场了。
你可以把MCP理解成机器人的插件系统，就像给浏览器装扩展程序一样，MCP能让AI编程机器人安装新的"技能包"，去操作那些它原本不懂的事。比如，操作云服务器、部署网站、配置数据库等等。
现在越来越多的云平台，都推出了自己的MCP Server，专门用来接入编程机器人，帮AI编程它完成Vibe Coding最后一步部署。
六：完美背后的"陷阱"
现在听上去是不是很完美？我只需要输入我的想法，就能让AI帮助我进行实现。
但有个关键点，可能很多人都忽略了。我们让AI帮忙部署网站、创建数据库，用的是管理员权限；可网站上线后，本身也需要访问这些资源，比如,读写数据库，这时候AI助手已经"退场"了，所有操作都得靠网站自身的代码实现。
但问题来了，每个云平台的API千差万别，AI不可能写出在所有平台都通用的代码。
所以一开始，就得告诉AI："这个程序要部署在哪个平台，用对应的接口写。
更麻烦的是，有些云服务是在AI模型训练完成后才发布的，AI根本不知道这些服务的存在。
这时候我们就不得不手动告诉它：这个平台有哪些服务、怎么调用、用什么库、有什么依赖。
为了争抢AI市场，当下大部分云平台通常还会提供一套完整的工程模板。
这个模板会提前导入访问云服务所需的库，配置好必要的配置文件，最关键的是，它给AI编程机器人配好了专属提示词。
在里面清清楚楚写着代码该长什么样、怎么访问数据、怎么部署，甚至怎么读线上文档。
这些提示词会在写代码的过程中，自动和用户的prompt一起发给AI模型，这样AI就知道该怎么生成适配云服务的代码了。
七：总结
至此，我们再把整个流程串起来看：
第一步 ，你打开云服务的工程模板，对编程机器人说"帮我写一个网站"。
第二步 ，机器人自动收集IDE里的各种信息：文件结构、当前报错、已打开的文件、命令行内容。同时读取工程模板自带的提示词，把用户需求、模板提示词、环境信息打包发给AI模型。
第三步 ，AI模型根据提示词，知道要部署在哪个云平台，选用对应接口写代码，以DIFF格式返回。
第四步 ，机器人验证DIFF和本地文件是否匹配，不匹配就重试，匹配就应用修改。这个过程可能来回好几轮，直到网站在本地正常运行。
第五步 ，你说"上线"。因为配置好了云服务的MCP，机器人把MCP函数一并发给AI模型，引导它调用MCP服务，完成部署、建库、配置域名。
就这样，一个完整的"编码→部署"开发流程，被AI自动跑完了。
至少对于简单项目，真正实现了"零基础写代码"。这种让AI心领神会、一气呵成的体验------也许就是大家所说的Vibe Coding吧。
程序员"成功"把自己取代了，还学会了Vibe Coding这个新名词，真是"可喜可贺"。
但程序员真的被取代了吗？我们花了这么久，终于打造出一个足够聪明的工具。
我们拆解自己的技能，打包成提示词；甚至把部署流程都教会了AI,无非是简化自己重复性的工作。
如果说程序是人意志的延伸，那么今天的AI编程，不是让人退出开发过程，而是 把人送回真正的起点。
回到那个有想法、愿意创造的自己。
就像当初那个灵光一闪，第一次想到"让AI通过Agent自己写代码"的程序员一样。
程序员被取代了吗？也许吧。
但它取代的，只是我们敲键盘的手。而不是写下第一个想法的心。