【虎鲸进化论 02】三阶跃迁:Tab 补全 → Vibe Coding → Agent,人在每一层退到哪里

【虎鲸进化论 02】三阶跃迁:Tab 补全 → Vibe Coding → Agent,人在每一层退到哪里

本文是「虎鲸进化论」系列第 3 篇(正文第 02 篇)。上一篇:古法编程的黄昏;下一篇预告:意图工程 ------ 当写代码变成写目标与验收。

前言

上一篇的结尾,停在那个按下去的 Tab 上。

这一篇从头讲起:从那个 Tab 到现在,一共只发生了三次跃迁 ------ 补全、结对、代理。三次跃迁之后,同一个人的产出和同一个人的角色,都换了一副样子。

我想把这三次跃迁讲细一点,因为很多人(包括当年的我)是在第一次跃迁里就"满意"了,然后被第二、第三次跃迁的加速度甩在后面。每一层跃迁的分界线在哪、人退到了哪一层、新增了什么技能 ------ 这是这篇的全部内容。

一、第一阶(补全):人机关系 = 打字机加速器

最初的样子大家应该都见过:IDE 装个插件,写一行开个头,灰字提示跳出来 ------ 按 Tab 接受。

那个阶段,最强的工具就是"补全流"。说实话,最初它的能力相当有限:

  • 补一个字段名、一个方法签名、一行的后半截;
  • 偶尔能把一个 if、一段 join 顺着你的习惯写完;
  • 再复杂的,它就废了 ------ 它的"视野"就是当前文件 ± 几屏,看不到别处的约定。

注意它的原理也很朴素:补全本质上是"词级/行级的概率续写" ------ 你敲下 select * from,它在猜下一个标识符该是什么;至于"你查这张表要干嘛",它没概念,也不需要有。这个"不需要有",就是第一阶和第二阶的全部差距。

但就是这个"有限的它",已经让手速这个维度的差距贬值了。以前组里比的是谁 SQL 写得快、谁记得住函数名;那阵子大家比的是"谁补全用得多" ------ 虽然现在看有点好笑,但当时它确实改变了工位上的气压。

这一阶的本质:人还是写手,AI 只是打字机加速器。 输入、判断、责任,全部还在人身上;它唯一改掉的,是手指的磨损。

它的边界也很清楚:单文件、短上下文、零自主性。你只要一跨文件、一跨系统,它就变回一个傻乎乎的联想器。

二、第二阶(结对):提示词进、代码出、人肉串联

真正的分水岭,是从"补全"升级到"对话"。

你开始对着一个聊天窗描述需求:"给我写个 Spark 作业,读这张表,按 XX 聚合,输出到 XX。" 然后一段像模像样的代码流出来。多文件、跨语言、带注释、甚至带测试 ------ 只要你能把上下文说清楚。

代价也随之而来:它的"记性"和它的"饭量"是同一件事 ------ 一次能吞的上下文是几万 token 量级,大致相当于把你最近改过的那几个文件摊在桌上;再远的信息,它就"记不清"了。于是那个阶段的你,一半时间在写需求,另一半时间在"摆桌子"。

这个阶段后来被起了个名字,叫 Vibe Coding:不逐字写,只把握方向,剩下的交给"感觉"。

但亲身用过的人都知道它的边界:每一步都要人盯。

  • 它写完一段,你要跑一遍、看一眼,才能放下心;
  • 上下文得靠人一勺一勺喂:把相关文件贴进去、把历史对话说清楚;
  • 任务一长,它就"忘了前面"或者"想岔了",你得把它拽回来。

所以那个阶段的日常是:提示词进、代码出、人肉串联。 人从"写手"变成了"结对的另一半"------ 但请注意,代码的解释权还在人手里:每一行你都读过,不然不敢发。

那时候组里还有个自我安慰的说法:"我们负责串,它负责亮 ------ 串联,也是核心技术。" 现在回头看,这句话的保质期比冰箱里的酸奶还短。

有意思的是,这个阶段已经开始出现后来一切的预兆:链路一长,人就串不动了;而"串"这件事,恰好是机器最擅长做的事。

三、第三阶(代理):目标进、结果出

先讲个真实的瞬间。

第一次让它整夜干活,是在一个再普通不过的周四。睡前我把需求丢给它 ------ 大意是"把智能运维平台这个接口的校验逻辑补齐,跑一遍相关用例,没问题就提分支"。然后我去睡觉。

第二天早上,我打开电脑的手是悬着的,心想"八成给我搞砸了"。结果它交上来的东西把我钉在椅子上坐了一会儿:

  • 分支在,用例跑了,报告写了;
  • 中间它自己发现有个边界条件没说清,它没有瞎猜,而是按我留的口径默认处理,并在报告里标了出来;
  • 报告的最后一行写着:这段逻辑我没完全读懂,建议你复核。

那一刻的感觉不是"省了时间",是**"链接方式变了"**。

(说出来有点丢人:我当时的第一反应不是成就感,是查岗 ------ 真假?这报告不能是它编的吧?后来很多年我都庆幸自己养成了这个习惯:对它的信任,是从查岗开始的。)

这一阶和之前的本质区别,不在生成质量,而在结构:

  • 交互单位变了:从"一段代码"变成"一个目标";
  • 执行方式变了:tool call 循环 ------ 规划、调用、观察、再规划,自己拆 subtask,自己验证;
  • 人机关系变了 :从"结对"变成委派 + 验收。

人退得更深了。键盘、光标、提示词,现在连"串联"都不用做了 ------ 人只负责两件事:给目标、做验收。

当然,这一阶的门槛也彻底换了地方:它能力的天花板不再取决于模型参数,而取决于你能给它多少上下文、多少工具、多少反馈 。这句话背后的东西,是整个卷Ⅱ和卷Ⅲ要讲的事 ------ 先记住这个判断:能力 = 上下文 × 动作空间 × 反馈回路。

四、把三阶并排看:人退到哪里,新技能是什么

一阶 · 补全 二阶 · 结对 三阶 · 代理
交互 按 Tab 对话 给目标
自主性 无 一步一动 自主规划 + 自我验证
上下文 单文件 我喂多少它懂多少 工具 + 记忆 + 知识库
人的角色 写手(快一点) 结对的另一半 委派者 + 验收者
人的新技能 提示(一点点) 上下文工程 目标设定 + 验收标准
典型失败 猜错字段 跑偏,需要盯着拽回 自信地错(见卷Ⅲ)
责任落点 我写的 我盯的 我批的

这张表里有三行值得单独说:

第一行,"人的新技能"。 每一层跃迁,人不是"没活干了",而是被推上了一层新台阶:提示 → 上下文 → 目标与验收。这些技能上一代人也有 ------ 它们叫需求分析、技术方案、测试验收。也就是说:行业把"实现层"的活收回去了,把人推回了"定义层"。 你以为你在学新东西,其实是在重学一遍软件工程的老手艺。

第二行,"典型失败"。 一阶、二阶的失败你能当场看见;三阶的失败,是最危险的一种:格式漂亮、语气确定、退出码 0,但答案是错的。"AI 的产能是真的,AI 的自信是假的"------ 这句判断我在另一个系列里已经领教过一轮,后面的卷Ⅲ里,它还会以更凶的形态出现。

第三行,"责任落点"。 这是三阶跃迁里真正变了的东西:从"我写的代码",到"我批的代码"。键盘声没有了,但签字笔还在人手里 ------ 什么时候交出去、交到什么程度,这个决定权,目前还在我们这边。(顺便说一句大实话:在这个行业里,签字笔大概是所有"工具"里最不容易被裁的那个 ------ 它贵,就贵在要担责。)

五、一个必须说破的机制:为什么"中级能吊打资深"

三阶跃迁之后,组里出现了一个反直觉的现象,也是这个系列最早的悬念之一:AI 用得好的普通工程师,产出可以压过不用 AI 的资深专家。

机制其实不复杂 ------ 跃迁把两种能力的"汇率"改了:

  • 实现能力被压平了。 写 SQL 快不快、记得住几个函数、会不会调引擎参数 ------ 这些"资深"积攒了十年的实现层优势,被三阶跳了一大截;
  • 判断能力被放大了。 同样面对一台会干活的 Agent,能不能定义对目标、能不能识破"自信的错"、能不能在验收时抓住狸猫换太子 ------ 这些能力,用 AI 的人乘上 N 倍杠杆,不用的人乘 1 倍。

于是差距不是被抹平,而是换了一根轴:从"谁写得好"换成"谁定义得对、验收得住"。

这句话在卷Ⅳ里还会被算一遍总账。这里先埋个线头。

结语(回味点)

回头看,三次跃迁真正的分界线,不是模型发布会的日期,而是两个问题换了主人:

"怎么做"归了它;"做没做对"还在人手里。

人退到意图层之后,手里还剩什么手艺?我能告诉你的是:我把旧手艺丢了三遍,才攒出新的 ------ 而且攒的过程相当难看。

边界声明

  • 本文为个人观察与判断,不代表任何任职单位的立场;
  • 文中涉及的组织、系统与人名均为化名或模糊处理,数字为个人口径的测量或估算;
  • 文中观点按 实测 / 推理 / 立场 分层标注,欢迎按同一标准检验。

下一篇计划聊:意图工程 ------ 当写代码变成写目标与验收,开发者真正的手艺变成了什么;以及为什么连需求分析师都开始自己修 bug 了。


转载请注明出处:

https://lizhiyong.blog.csdn.net/article/details/167922176

相关推荐
晨间晓1 小时前
图片拍歪了怎么办?用华为云码道开发 OpenCV 自动纠偏工具
人工智能·opencv·华为云
语音之家1 小时前
多模态模型的“思考”方式:视觉、通用音频与语音的 CoT 技术路线
人工智能·计算机视觉·语言模型·visual cot
旋生万物1 小时前
分形自相似:微服务、缓存、Prompt 模板为什么长一样
人工智能·缓存·微服务·云原生·prompt
西木莉1 小时前
大数据挖掘工具全景图
大数据
Yolanda_20221 小时前
Claudecode报错402 insufficient balance(1008)
人工智能·神经网络·chatgpt
武天旭1 小时前
AI安全--AI大模型的漏洞攻防与数据投毒风险
人工智能·安全
updayday8541 小时前
供应商补交资质文件时,采购难以核对缺件和新版本 - Ping64 文件收集
大数据·网络·数据库·安全·智能路由器
智恒百亿1 小时前
RTX 5090 多卡集群工程实践:消费旗舰卡搭建 8 卡算力平台的坑与边界
服务器·人工智能·ai算力·rtx5090
JavaEdge.1 小时前
Qodo v.s AI IDE Code Review
ide·人工智能·代码复审