别笑 vibecoder 了：一行代码看不懂的人，正在用 YAML 写核心代码
一个新的概念：metacoding。不是一行代码不写，也不是一行代码都看不懂，而是只处理核心代码。 项目地址：github.com/BlendTreeD/...
一、被嘲讽的 vibecoder
社区里 vibecoding 的段子不少：抽卡、复制粘贴、AI 屎山、"跑起来就是胜利"。
嘲讽的人笑的是抽卡，但被嘲讽的人其实也很痛苦------不是不想写好，是根本无从下手。你对 AI 说"帮我写个客服对话流程：先问订单号，格式不对就重新问；然后查物流，签收了就说感谢，没签收就说在路上"。
AI 刷刷写完。你跑起来，漏了"格式不对重问"的分支；补充描述，再跑，"签收/未签收"的顺序又反了。改到第三版，翻出 diff 一看：不止逻辑变了，连函数名、命名风格都换了。每一版都"看起来不错"，但你没法在上一版的基础上迭代------因为哪一版你都没真正看懂过。
这就是 vibecoder 的死循环：看不懂代码，所以只能靠描述需求让 AI 重写；而自然语言描述需求，每一轮都在走样。
二、问题从来不是"不懂代码"
先看一个公司里的老场景。
产品对开发说："帮我做个物流查询，用户输入单号后查状态，没签收就回复在路上，签收了就感谢一下。"开发每个含糊处都得猜："在路上"要不要带具体地点？"格式不对"具体是什么规则？猜错了返工。
同一个需求，vibecoder 对 AI 又讲一遍。猜的人从开发换成了 AI，噪声一点没少。
问题在哪？"先问......再查......如果......就......"这些是流程结构。结构性的东西用自然语言传递，每传一遍就重新解释一遍。这不是"懂不懂代码"的问题------再懂代码的人，用自然语言描述结构，也会偏。
所以嘲讽 vibecoder 的人可能骂错了对象：他们不是缺编程能力，是缺一门合适的语言。
三、metacoding：只处理核心代码
我管这门语言叫 YAML。给这个模式起了个名字：metacoding（核心编码）。
它的主张只有一句话：不是一行代码不写，也不是一行代码都看不懂，而是只处理核心代码。
分工是这样的：
| 角色 | 负责 | 需要的能力 |
|---|---|---|
| 产品 / 运营 / 新人 | 写 YAML 剧本（流程怎么走） | 10 分钟学会 |
| 开发 | 写 Action（真正的业务 API） | 正常开发能力 |
| LLM | 意图识别、槽位提取、口语表达 | 交给模型 |
所谓"核心代码"，就是流程本身------它恰好可以用 YAML 表达，而 YAML 恰好是那种10 分钟学会读、一下午学会写的语言。
更关键的是：YAML 也可以让 AI 生成，人来审核。 AI 生成的 Python 你不敢拍板，AI 生成的 YAML 你扫一眼就知道对不对------因为每一行你都看得懂。审核通过的那一刻，你不只是"提了个需求"，你是交付了一段可执行的核心代码。
四、参与感是怎么回来的
vibecoder 最缺的不是技术，是参与感------改需求要重新抽卡，出了 bug 只能把报错贴回给 AI。
metacoding 把参与感还回来了，因为 YAML 是可校验、可 diff、可 review 的：
- 改一句回复话术，就是改 YAML 里的一行
text，效果立竿见影； - 加一个"发票申请"流程，就是加一段 30 行的 YAML，不用找开发排期；
- 条件分支、槽位校验，写错了加载时当场报错，不像自然语言那样"理解偏差"；
- 团队 review 时，你能指着 diff 说"这里的分支顺序反了"------这句话产品说得出来，而"这里的状态转移逻辑有竞态"就很难。
看一个真实的流程长什么样：
yaml
flows:
logistics_tracking:
name: 物流查询
steps:
- id: start
type: start
next: ask_order
- id: ask_order
type: collect
slot_name: order_number
response:
mode: static
text: "请提供订单号（至少 5 位字符）。"
validation:
condition: "len(str(slots.get('order_number', ''))) >= 5"
failure_response:
mode: static
text: "订单号格式好像不对，能再说一次吗？"
next: query
- id: query
type: action
action: action_query_logistics
next:
- if: "slots.get('logistics_status') == 'delivered'"
then: reply_delivered
- else: reply_in_transit
- id: reply_delivered
type: action
action: action_response
args:
mode: static
text: "订单{{ slots.order_number }}已签收，感谢使用！"
next: end
- id: end
type: end
next: []这不是伪代码，这就是能跑的代码：collect 是追问，validation 是校验，next 是跳转，if/else 是分支。看懂它的成本，小于读懂一篇技术文档。
引擎负责保证它被确定性执行；LLM 只负责柔性部分------理解"帮我看看快递到哪了"、从"单号是 SF12345"里提取值、把"已到达北京转运中心"改写得像人话。
五、30 秒上手
零依赖、零 API Key，一条命令看引擎怎么把剧本演出来：
bash
python examples/quickstart_mock.py输出就是一段可读的执行轨迹：追问 → 校验拦截 → Action 查物流 → 条件分支选回复。接真实 LLM 也只需要环境变量配一个 Key。
仓库里还带了一份给编码 Agent 装的 SKILL：装完之后，AI 会按框架规范帮你生成 YAML------你负责审核，它负责产出。让 AI 写 YAML，比让 AI 写 Python 靠谱得多，因为它写的每一行你都看得懂。
六、给 vibecoder 的一句话
从 vibecoding 到 metacoding，变的不是工具，是位置：
- 以前你描述需求，AI 生成代码，你在循环外面；
- 现在你写剧本（或审核 AI 写的剧本），你写的就是核心代码，你在循环里面。
产品写剧本，开发写 Action，LLM 演即兴。不懂代码的人第一次有了自己的位置------不是被 AI 替代，也不是替代开发，是终于说得清自己要什么，而且说得算数。
项目地址：github.com/BlendTreeD/...
欢迎来聊：你觉得"只处理核心代码"这个定位，能立得住吗？