Vibe Coding 时代：文科生、工科生与 AI 洪流中的个体尊严
Vibe Coding 时代：文科生、工科生与 AI 洪流中的个体尊严
在这个 vibe coding 盛行的时代，各路媒体大肆吹捧文科生相比工科生具有更加明显的优势，即核心能力从“代码能力”转变到了“表达能力”。不得不承认，文科生相比理工科学生通常是具备更强的逻辑表达、叙事能力、与用户共情的能力与需求抽象能力，能更准确地将模糊的想法转化为结构化的提示词，从而引导 AI 生成高质量的代码或原型。
但我想说的是，在理工科学生里，像我这样富有人文情怀的人肯定也不在少数。
看了开头之后，也许有的人就会有疑问：如果是一个零计算机基础的文科生，那么他该如何将自己的想法转化为结构化的提示词，指示 AI 使用什么架构，什么工具，什么语言，什么方式来精准地写出高质量的代码呢？
在回答这个问题之前，我们首先明确一下 vibe coding 的范围。很多人没有注意到，vibe coding 只适用于个人项目、MVP 验证、内部工具和小微 SaaS，而完全不适用于像微信、QQ、淘宝、拼多多这类拥有亿级用户、高并发、强一致性、多端协同和要求金融级安全的平台级产品。也就是说，假如你作为一个零计算机基础的文科生，你想用 vibe coding 做一个基于现代云服务（比如说 Vercel + Supabase + Stripe）的工具，并且用户量不多，只解决几个具体问题的、聚焦真实小需求的产品，是可以落地和上线的。
现在我们开始回答之前的那个问题。如今要想让 AI 写出可用的代码，提示词不必包含“你要使用 Next.js + TypeScript + Supabase……”等详细技术栈，而只用说清楚功能需求、约束条件、部署目标和风险规避即可。AI 可能会自动选择更加安全和免运维的方案，高质量提示词的核心是“表达意图 + 设定边界”，给 AI 的任务执行添加必要的约束条件，而非指定技术实现。
真实落地中的隐患与工具属性
而不可否认的是，假如让一个零基础的文科生来 vibe coding 一个真正可落地、能上线的实际项目的话，会含有很多安全隐患。AI 在生成代码的时候，为了快速跑通，常常会把敏感信息直接写在前端 JS 中。就像我直接 vibe 这个博客的时候，Gemini 3.1 Pro 试图直接把 GitHub Token 硬编码在我的博客首页，触发了 GitHub 的 Secret Scanning 机制，导致 git push 被强行拦截。假如第三方服务不会自动检测操作的安全性的话，那么极有可能就会造成密钥泄露的情况。vibe coding 产出的只是能跑的 demo，而非真正能上线的产品。
同时，当 AI 生成的代码出错、页面白屏时，零基础的人会看不懂控制台和终端报错，不会检查网络请求，不知道整个流程中是哪个环节出了问题，只能反复地对 AI 说“我的项目中出现了错误，请检查错误并修复”，而 AI 可能并不能一次就改对地方，导致多次无效迭代，浪费 token 和时间。
一句话总结：vibe coding 只是加速器，而不是自动驾驶系统。
大模型时代的创造与意义
有的人可能又会说，本质上文科生还是要依赖能力强大的大模型，而训练这些模型的人只能是工科生。事实上的确如此，大模型的底层构建高度依赖工科能力，文科生无法直接参与模型训练或架构设计。然而文科生在将 AI 的价值观对齐、规范数据伦理、审查训练数据中的偏见、歧视、虚假信息，优化人机交互设计，使技术真正可用、可亲，定义 AI 在教育、法律、心理、文化等领域上的应用问题，以及批判性监督技术等方面确实有着重要的作用。工科生造出“能思考的机器”，文科生指引“它该思考什么、为谁服务”。
在产品上，也许文科生更擅长从 0 到 1，定义问题，验证价值，快速确定原型；计算机学生更擅长从 1 到 100，将产品工程化，规模化，稳定化。但值得注意的是，有些时候从 0 到 1 也需要技术直觉，从 1 到 100 也需要人文判断。在 AI 降低编码门槛的今天，0-1 的价值被空前放大，而 1-100 的门槛依然高耸，重要的不再是能力高低之分，而是创新链条上的自然分工。在如今的时代，更吃香的，显然是同时具有人文素养和技术理解力的人。
时代洪流中的个体焦虑与解药
那么，我们自然又会思考下一个问题：以前只要人才能具备一项能力就能找到工作，现在不仅要求人才在专业领域拥有丰富的技术栈，还得懂其他学科和方面的知识。这究竟是社会进步推动人才标准自然升级，还是资本逻辑驱动企业降本增效、成本转嫁呢？
也许两者兼有，但后者也许正在日益主导前者。
知识融合是创新的必然趋势，复杂问题本身不分文理，解决它们自然要求跨界能力，如今高校的教育体系也正在响应这种需求。而现实中企业也确实在借复合型人才之名行降本之实。最近网上也是在疯传各大企业大量裁员的消息，有的已经辟谣，有的还不知真假，这些消息确实也弄得包括我在内的一部分人十分焦虑。有的人说，自己辛苦学习了十六年，到头来却通知自己要被 AI 取代了。
也许个人的努力，在时代的洪流面前真的不值一提。
实际上，AI 替代的不是人，而是某些可自动化的 dirty work，替代的是“标准化、重复性、信息处理型”的任务环节，而非“人”的整体价值。传统教育体系需要的是“确定性问题解决者”，而 AI 时代需要的是“不确定性问题定义者”，要求人能够提出好问题，整合跨领域信息，在模糊或迷雾中创造新路径。
也许 AI 的到来并不是要夺走我们的饭碗，而是要逼着我们去寻找那个只有我们自己才能端起来的饭碗。它可能更重，但装的是我们真正的尊严。
企业会调整，行业会变迁，但我们的思考能力、解决问题的能力、与人协作的能力——这些永远不会被 AI 或裁员夺走。
忽然想起《激荡三十年》中的一段话：一个人要让自己快乐其实是一件不难的事，你只要给自己一个较长时间的目标，然后按部就班地去接近它，实现它。结果如何，在某种意义上可能是不重要的，重要的是，在这个过程中，你会非常的单纯和满足。
我们正处在一个“结果极度不确定，过程极易被干扰”的时代。在这种环境下，执着于“结果”（比如“必须年薪百万”“35岁前买房”）只会带来持续的挫败感。而回归“过程”，专注于一个你认同的长期目标，并享受一步步靠近它的踏实感，反而成了最稳固的心理锚点。
最后向各位展示 Gemini 3.1 Pro 给我总结的 vibe 这个博客的时候我遇到的问题，希望这篇文章能让各位在今后的每一天，都在深夜回顾自己这一天都干了些什么时，都觉得自己比昨天更加从容。
评论区