2026 年 7 月 4 日Midjourney 创始人大卫·霍尔茨在 X 平台发布了一条引爆全行业的帖子。评论区里一个声音格外扎眼——前 Meta 工程师胡书明简短有力地写下了一句话「氛围编程Vibe Coding根本没法让人进入专注流畅的心流状态。」这条留言迅速获得数千点赞将氛围编程从一个圈内戏谑词汇推上了行业议程的中心位置。所谓氛围编程是在 AI 编程工具普及后迅速流行起来的一种工作方式开发者几乎不再手动编写代码而是通过反复向 AI 发出提示Prompt→ 审查 AI 输出 → 微调要求 → 再次提示的循环推进工作。看起来效率惊人——原本三天的编码任务可能一小时就完成——但代价是开发者永远处于半生产者、半审查者的认知分裂状态。胡书明的质疑之所以引发如此强烈的共鸣是因为他捅破了一个行业不愿面对的事实当 AI 把写代码变成了审代码开发者正在失去编程中最珍贵的部分——心流。一、为什么氛围编程会在 2026 年成为众矢之的氛围编程这个概念并非 2026 年才出现。早在 2024 年末随着 Claude Artifacts、GitHub Copilot Chat 等工具的普及就有人开始用这个词调侃那种对着 AI 念咒语式的开发方式。但当时它更像一个段子而不是一个问题。从段子到问题的转折发生在 2025 年下半年到 2026 年上半年。这期间发生了三件事事件一编程模型能力的跃迁。Claude Sonnet 5、GPT-5.6 Sol、Cursor 自研模型等新一代模型的代码生成质量达到可信任水平。当 AI 输出从需要大量修改变成基本可用开发者从主动写到被动审的转换率急剧上升。转换得越多心流断得越频繁。事件二团队规模的收缩。哈佛商学院与欧洲工商管理学院联合研究发现AI 原生企业团队规模缩减了 25%初级员工减少 15%而专家级人才增加了 20%。剩下的人需要承担的认知负荷呈指数级上升——你不再有缓冲层了。事件三心态的集体爆发。霍尔茨的帖子像打开了一个开关。多位行业人士——从 AI 公司高管到独立开发者——开始公开承认这种不舒服的感觉。前 X 平台和 Cash App 设计师布兰登·雅各比甚至预言问题大概率会先恶化再慢慢好转。这三种力量的叠加让氛围编程从一个圈子黑话变成了一个行业级的效能讨论。二、写与审编程的本质正在被重新定义胡书明的留言之所以精准是因为他抓住了编程活动中最核心的体验特性。编程的独特魅力在于——它是一种连续的、自我驱动的创造行为。你在写的过程中大脑同时在进行逻辑构建、边界条件推演、变量状态追踪、代码美感判断……这些活动不是独立的它们交织在一起构成了一个沉浸式的认知闭环。这就是心流。氛围编程打破了这种闭环。它把编程拆成了两个截然不同的阶段生产阶段向 AI 发出提示可能耗时 10 秒审查阶段检查 AI 输出可能耗时 1-5 分钟开发者不再创建代码而是评审代码。这本质上是从工匠变成编辑。编辑当然也是一种有价值的角色但它的认知模式是完全不同的——更碎片化、更依赖判断而非构建、更少创造性满足感。Anthropic Claude Code 业务负责人凯瑟琳·吴在同一个帖子下留言从 AI 公司高管的视角印证了这一判断「我习惯只用一个 AI 智能体专心攻克一项高难度任务。平时我会同时调用十几个智能体但静下心深耕单一任务、把细节打磨到位的沉浸感实在难得。」连 AI 公司的高管都在怀念心流——这说明心流的丧失不是你用得不对而是当前的人机协作范式本身就有缺陷。三、心流的条件与氛围编程的矛盾心理学界对心流的研究已有数十年。芝加哥大学心理学家米哈里·契克森米哈伊在 1975 年首次提出心流概念并总结了进入心流的几个核心条件条件说明氛围编程的冲突清晰目标知道自己要做什么提示词的模糊性导致目标频繁漂移即时反馈每一步都能看到效果反馈来自AI 猜你想做什么而非来自自己的执行挑战与技能平衡任务难度与个人能力匹配AI 降低了编码的技术门槛但提高了认知管理的难度深度专注连续的注意力投入AI 输出审查循环每 1-3 分钟打断一次专注氛围编程与心流的核心矛盾在于AI 引入了极高的输出来回频率却没有解决打断问题。你越快心流越远。四、不是关掉 AI而是重新设计人机协作的缓冲层既然问题出在人机协作范式本身解决方法就不可能是少用 AI——那既不现实也不明智。牛津大学人类学家罗宾·邓巴曾提出一个著名的邓巴数理论一个人能维持稳定社交关系的上限大约是 150 人。而 AI 协作领域正在出现类似的现象——一个人能同时有效协作的 AI 工具/Agent 的上限可能是 1-3 个。超出这个范围认知杂音就开始淹没协作收益。这导向一个非常实际的结论企业研发环境需要为心流设计缓冲结构。具体来说需要三个层面的支撑4.1 工作台的注意力管理开发者不需要第五个 AI 对话窗口——他们需要一个统一的工作台把 AI 能力、代码管理、任务协作放在一个可管控的空间里。敖行客 AT Work 正是从这一思路出发AI 在后台待命而非在屏幕上抢镜。关键设计原则是异步 非侵入。开发者可以自主决定什么时候与 AI 交互、与哪个 AI 交互、交互多深入。节奏掌握在人手里而不是在 AI 的流式输出里。4.2 团队协作的认知保护氛围编程带来的心流丧失不只是个人问题——它在团队层面也会传导。当每个人的注意力都被切成碎片时信息传递的效率会急剧下降。研发工具需要提供异步协作的基础能力让代码审查、知识分享可以在不打断开发者心流的情况下进行。比如AI 可以在后台完成代码审查任务并在开发者方便时通知结果而不是在写代码的中途弹出。4.3 心流状态的可测量性这是最容易被忽略的一层。现代研发管理工具追踪代码行数、提交频率、Issue 关闭率——但极少有工具关注开发者是否处于心流状态。这不是要做什么侵入式监测。而是通过一些间接指标——比如上下文切换次数、单次连续编码时长、提交之间的间隙分布——帮助团队和管理者感知我们今天的协作模式是否有利于深度工作。五、反思从人适应AI到AI适应人胡书明的那句话——氛围编程根本没法让人进入心流——在 X 平台上之所以能引发如此大的共鸣恰恰因为它击中了过度关注效率而忽视体验的行业盲区。2024 年到 2026 年行业几乎把所有注意力都放在了模型能力提升和工具功能堆砌上。大家比的都是谁更快、更强、覆盖任务更多。但很少有人问开发者用这些工具的时候感受是好的吗这种反思正在引发一些积极的改变。微软砍掉 Copilot Podcasts、Copilot Labs 等冗余功能产品合二为一——这是做减法。敖行客 AT Work 将 AI 能力、代码管理、任务协作整合到统一空间——这是做聚合。这两个方向本质上是一件事让 AI 适应人的工作方式而不是让人适应 AI 的打扰节奏。结论氛围编程毁掉了心流——胡书明的判断不是对 AI 的否定而是对人机协作模式的一次校准。当效率和体验之间的天平失衡时受伤的不只是开发者个人的职业满足感还有整个团队的长期创造力。米哈里在《心流》中写道注意力是我们能够自由支配的最重要的资源。它的投向决定了我们生活的质量和内容。AI 时代最稀缺的从来不是算力不是模型不是代码量——而是开发者得以持续进入深度工作状态的那份专注。
氛围编程正在杀死程序员的心流——一个前Meta工程师的深度反思
发布时间：2026/7/24 4:32:58
2026 年 7 月 4 日Midjourney 创始人大卫·霍尔茨在 X 平台发布了一条引爆全行业的帖子。评论区里一个声音格外扎眼——前 Meta 工程师胡书明简短有力地写下了一句话「氛围编程Vibe Coding根本没法让人进入专注流畅的心流状态。」这条留言迅速获得数千点赞将氛围编程从一个圈内戏谑词汇推上了行业议程的中心位置。所谓氛围编程是在 AI 编程工具普及后迅速流行起来的一种工作方式开发者几乎不再手动编写代码而是通过反复向 AI 发出提示Prompt→ 审查 AI 输出 → 微调要求 → 再次提示的循环推进工作。看起来效率惊人——原本三天的编码任务可能一小时就完成——但代价是开发者永远处于半生产者、半审查者的认知分裂状态。胡书明的质疑之所以引发如此强烈的共鸣是因为他捅破了一个行业不愿面对的事实当 AI 把写代码变成了审代码开发者正在失去编程中最珍贵的部分——心流。一、为什么氛围编程会在 2026 年成为众矢之的氛围编程这个概念并非 2026 年才出现。早在 2024 年末随着 Claude Artifacts、GitHub Copilot Chat 等工具的普及就有人开始用这个词调侃那种对着 AI 念咒语式的开发方式。但当时它更像一个段子而不是一个问题。从段子到问题的转折发生在 2025 年下半年到 2026 年上半年。这期间发生了三件事事件一编程模型能力的跃迁。Claude Sonnet 5、GPT-5.6 Sol、Cursor 自研模型等新一代模型的代码生成质量达到可信任水平。当 AI 输出从需要大量修改变成基本可用开发者从主动写到被动审的转换率急剧上升。转换得越多心流断得越频繁。事件二团队规模的收缩。哈佛商学院与欧洲工商管理学院联合研究发现AI 原生企业团队规模缩减了 25%初级员工减少 15%而专家级人才增加了 20%。剩下的人需要承担的认知负荷呈指数级上升——你不再有缓冲层了。事件三心态的集体爆发。霍尔茨的帖子像打开了一个开关。多位行业人士——从 AI 公司高管到独立开发者——开始公开承认这种不舒服的感觉。前 X 平台和 Cash App 设计师布兰登·雅各比甚至预言问题大概率会先恶化再慢慢好转。这三种力量的叠加让氛围编程从一个圈子黑话变成了一个行业级的效能讨论。二、写与审编程的本质正在被重新定义胡书明的留言之所以精准是因为他抓住了编程活动中最核心的体验特性。编程的独特魅力在于——它是一种连续的、自我驱动的创造行为。你在写的过程中大脑同时在进行逻辑构建、边界条件推演、变量状态追踪、代码美感判断……这些活动不是独立的它们交织在一起构成了一个沉浸式的认知闭环。这就是心流。氛围编程打破了这种闭环。它把编程拆成了两个截然不同的阶段生产阶段向 AI 发出提示可能耗时 10 秒审查阶段检查 AI 输出可能耗时 1-5 分钟开发者不再创建代码而是评审代码。这本质上是从工匠变成编辑。编辑当然也是一种有价值的角色但它的认知模式是完全不同的——更碎片化、更依赖判断而非构建、更少创造性满足感。Anthropic Claude Code 业务负责人凯瑟琳·吴在同一个帖子下留言从 AI 公司高管的视角印证了这一判断「我习惯只用一个 AI 智能体专心攻克一项高难度任务。平时我会同时调用十几个智能体但静下心深耕单一任务、把细节打磨到位的沉浸感实在难得。」连 AI 公司的高管都在怀念心流——这说明心流的丧失不是你用得不对而是当前的人机协作范式本身就有缺陷。三、心流的条件与氛围编程的矛盾心理学界对心流的研究已有数十年。芝加哥大学心理学家米哈里·契克森米哈伊在 1975 年首次提出心流概念并总结了进入心流的几个核心条件条件说明氛围编程的冲突清晰目标知道自己要做什么提示词的模糊性导致目标频繁漂移即时反馈每一步都能看到效果反馈来自AI 猜你想做什么而非来自自己的执行挑战与技能平衡任务难度与个人能力匹配AI 降低了编码的技术门槛但提高了认知管理的难度深度专注连续的注意力投入AI 输出审查循环每 1-3 分钟打断一次专注氛围编程与心流的核心矛盾在于AI 引入了极高的输出来回频率却没有解决打断问题。你越快心流越远。四、不是关掉 AI而是重新设计人机协作的缓冲层既然问题出在人机协作范式本身解决方法就不可能是少用 AI——那既不现实也不明智。牛津大学人类学家罗宾·邓巴曾提出一个著名的邓巴数理论一个人能维持稳定社交关系的上限大约是 150 人。而 AI 协作领域正在出现类似的现象——一个人能同时有效协作的 AI 工具/Agent 的上限可能是 1-3 个。超出这个范围认知杂音就开始淹没协作收益。这导向一个非常实际的结论企业研发环境需要为心流设计缓冲结构。具体来说需要三个层面的支撑4.1 工作台的注意力管理开发者不需要第五个 AI 对话窗口——他们需要一个统一的工作台把 AI 能力、代码管理、任务协作放在一个可管控的空间里。敖行客 AT Work 正是从这一思路出发AI 在后台待命而非在屏幕上抢镜。关键设计原则是异步 非侵入。开发者可以自主决定什么时候与 AI 交互、与哪个 AI 交互、交互多深入。节奏掌握在人手里而不是在 AI 的流式输出里。4.2 团队协作的认知保护氛围编程带来的心流丧失不只是个人问题——它在团队层面也会传导。当每个人的注意力都被切成碎片时信息传递的效率会急剧下降。研发工具需要提供异步协作的基础能力让代码审查、知识分享可以在不打断开发者心流的情况下进行。比如AI 可以在后台完成代码审查任务并在开发者方便时通知结果而不是在写代码的中途弹出。4.3 心流状态的可测量性这是最容易被忽略的一层。现代研发管理工具追踪代码行数、提交频率、Issue 关闭率——但极少有工具关注开发者是否处于心流状态。这不是要做什么侵入式监测。而是通过一些间接指标——比如上下文切换次数、单次连续编码时长、提交之间的间隙分布——帮助团队和管理者感知我们今天的协作模式是否有利于深度工作。五、反思从人适应AI到AI适应人胡书明的那句话——氛围编程根本没法让人进入心流——在 X 平台上之所以能引发如此大的共鸣恰恰因为它击中了过度关注效率而忽视体验的行业盲区。2024 年到 2026 年行业几乎把所有注意力都放在了模型能力提升和工具功能堆砌上。大家比的都是谁更快、更强、覆盖任务更多。但很少有人问开发者用这些工具的时候感受是好的吗这种反思正在引发一些积极的改变。微软砍掉 Copilot Podcasts、Copilot Labs 等冗余功能产品合二为一——这是做减法。敖行客 AT Work 将 AI 能力、代码管理、任务协作整合到统一空间——这是做聚合。这两个方向本质上是一件事让 AI 适应人的工作方式而不是让人适应 AI 的打扰节奏。结论氛围编程毁掉了心流——胡书明的判断不是对 AI 的否定而是对人机协作模式的一次校准。当效率和体验之间的天平失衡时受伤的不只是开发者个人的职业满足感还有整个团队的长期创造力。米哈里在《心流》中写道注意力是我们能够自由支配的最重要的资源。它的投向决定了我们生活的质量和内容。AI 时代最稀缺的从来不是算力不是模型不是代码量——而是开发者得以持续进入深度工作状态的那份专注。
)
