不要问，先学：从 AlphaGo 到 Vibe Coding

19 Jan, 2026

🔗

2 月，Andrej Karpathy 提出 Vibe Coding：完全靠「感觉」编程，让 LLM 写一切，自己只说「把侧边栏 padding 减半」这种话，错误直接粘贴报错信息让 LLM 修，不看 diff，不深究逻辑。

核心是「忘记代码存在」，靠 LLM 快速原型。但这个词很快被滥用，变成「所有 AI 辅助编程」的代称。我认为这是浪费了好概念。

我多次撰文澄清：

• 并非所有 AI 编程都是 Vibe Coding
• 专业工程应叫 Vibe Engineering
• 最终目标是交付经过验证能工作的代码，无论怎么写出来的

希望原意能胜出。

此论一出，Vibe Coding 的概念瞬间清晰。

这令我联想起 LLM「史前」——深度学习时代亦有类似盛况，围棋领域已真实经历过一次人类向「黑箱」学习的浪潮。AlphaGo 出现后，大量职业棋手、世界冠军开始系统性学习 AI 布局，逐步接受那些无法用传统棋理解释的招式。它们不讲究战术，只呈现概率。人类从一开始的困惑、抗拒，随后照着下、反复验证，最终发现这些反直觉选择确实更强。

同样的故事也发生在立直麻将 AI Suphx、Naga、LuckyJ 等后来者身上。无论是 AI 自身还是人类，都无法理解其决策逻辑，却在不断模仿中，把黑箱输出转化为新的常识。

不要问 AI 为什么这么下、思路是什么，学就是了。先让自己变强再说。

Vibe Coding 的直觉正是如此：把编程暂时视为一个不可解释的模型输出过程，开发者只负责提出约束、观察结果、验证可用性，而不是深入理解中间路径。代码在这里不再是认知对象，而是模型的中间产物。

这是对工程阶段的重新划分。在探索与原型阶段，黑箱是效率；在交付与维护阶段，验证才是底线。从这个角度看，Vibe Coding 并不是「偷懒编程」，而是一种明确承认不理解、但先行利用的策略选择。

而这，也正是我这种不懂编程的外行人，得以进行 Vibe Coding 的现实基础。