摘要： 人工智能（AI）通过自然语言意图描述，正在变革软件开发和用户体验（UX）设计。这一转变加速了原型制作，扩大了参与范围，并重新定义了产品创造中的角色。在平衡技术创新与专业洞察时，深刻理解用户需求并确保成果质量，人类专业知识仍然至关重要。
氛围编程（Vibe coding）是一种AI辅助的编程方法，开发者用自然语言描述所需功能，让AI生成大部分代码。氛围程序员无需逐行编写语法，而是“完全沉浸于”AI助手带来的“氛围”（vibes）中，将具体实现细节外包给AI。[术语“氛围编程”（vibe coding）由Andrej Karpathy于2025年2月在其相关文章中首次提出（定义参考链接）。用Karpathy的话说，“这其实不算真正的编程——我只是看看东西、说说想法、跑跑程序、复制粘贴一下，然后它通常就能运行了。”]
在氛围编程中，人类专注于软件应该做什么，而AI则负责找出如何用代码实现。这种高层次、对话式的开发方式，对于非程序员而言堪称“魔法”，因为它甚至能让业余爱好者以最少的动手编码产出可运行的软件。
软件开发变成了基于意图的结果描述，正如许多其他AI交互一样。说出你想要什么，AI就能找出如何实现并交给你代码。
一些分析人士认为，氛围编程不过是低代码平台的下一阶段演进。低代码平台本质上允许创作者通过描述想法而非使用可视化工具或编写代码来构建软件。在这种视角下，英语（或其他人类语言）就等同于编程语言。更激进的理解则将氛围编程视为软件能适应用户氛围或情绪：有文章描述其为应用程序利用AI和情感分析，根据用户情绪或偏好调整自身行为和用户界面（UI）。在这种情境下，氛围编程并非关于代码如何编写，而是关于创造能够感知情绪、实现个性化体验的软件（这一不寻常的角度与Karpathy的原意有所偏离）。
在我看来，氛围编程超越了传统的低代码开发工具（后者仍需人类编程驱动），但也并非纯粹的情绪表达。“营造氛围”的人仍需清晰阐述软件项目的目标，即那个“做什么”。新颖之处在于其抽象层级（通过提示词进行编程），这正是氛围编程被誉为软件开发新时代的原因。因此，我将氛围编程视为一种在高层次描述意图、并将编写可运行代码的工作委托给AI工具的方式。如此看来，氛围编程是AI作为“基于意图的结果描述”的又一例证，正如我早在2023年就提出的那样。（是的，在AI领域，2023年相当于青铜时代。）
希腊的青铜时代持续了1900年。相比之下，AI的青铜时代仅持续了两年——从首个优秀的AI ChatGPT 4发布，直到今天，我们正在迎来下一代能力更强的AI。依我的类比，即使是Deep Research也不过是铁器时代的剑，更好的还在后头。
氛围编程已经产生了巨大影响。硅谷领先的初创企业投资机构Y Combinator（YC）的领导层近期在一个视频中提到，在最积极拥抱AI的新近获得投资的初创公司（前25%）中，AI编写了其95%的代码。
氛围编程改变产品开发
氛围编程极大地降低了创建软件的门槛：仅仅拥有一个想法，就能让一个基础工具运行起来，在几小时内（借助AI指导）完成原本可能需要数天学习和编码才能实现的目标。这使得软件创造更侧重于高层次的想法表达，而非编码的机械操作。其对产品开发可能产生的影响包括：
- 速度与敏捷性： 团队能够以前所未有的速度构建原型或新功能。产品经理或设计师无需等待工程排期，只需提示AI，即可在几小时内创建出应用程序的功能性模型。这极大地加速了原型阶段，鼓励快速实验。早期采用者报告称，只要想法清晰，他们“距离一个产品只差几个提示词”。更快的迭代意味着在相同时间内可以融入更多用户反馈循环，从而带来更好的设计。
- 更广泛的开发参与： 由于自然语言比代码更易接触，氛围编程为非工程师直接参与贡献打开了大门。不具备编码能力的领域专家可以用它来创建解决其个人需求的简单应用程序。对于产品开发而言，这意味着头脑风暴不再局限于特定群体，因为任何拥有领域知识的人都可以原型化解决方案，而无需先将想法“翻译”给开发者。本质上，氛围编程充当了构思与实现之间的桥梁，让产品创意能直接“绽放”为软件。
- 工程师的生产力提升： 经验丰富的开发者可能是氛围编程的最大受益者。通过将样板文件和机械的编程任务外包给AI，开发者可以专注于更高层次的架构、创造性问题解决以及产品的微调。正如一篇博客所指出的，氛围编程让工程师花更少时间纠缠于细枝末节（如语法错误或搭建基础的增删改查操作），而将更多时间用于构思“接下来构建什么”，专注于开发的创造性元素。
- 从最小可行产品（MVP）到“专属软件”（software for one）： 随着原型制作变得容易，产品的性质可能发生转变。我们可能会看到小众、高度个性化的应用程序爆发式增长：由个人为自己使用而打造的一次性工具（或由小团队为非常特定的受众制作）。由于创建基础应用所需精力大大减少，哪些想法值得实现的阈值也随之降低。随着用户自己动手构建所需之物，产品开发可能变得更实验性、更用户驱动。Kevin Roose称这些由AI构建的个人应用为“专属软件”（software for one）。尽管它们可能简单或不完美，但软件数量的激增可能会催生正规产品团队从未尝试过的新解决方案。对某一个人有用的东西，可能对更多人也有用，而且仅凭“这个人确实觉得它有用”这一事实，它就可能是“最小可行”的。其中一些产品想必会被进一步开发，出售给更广泛的受众。正如20世纪80年代电子表格的出现让非程序员也能构建有用工具（模型、计算器等）一样，普及的氛围编程将赋能各领域的专业人士开发定制应用。“公民开发者”（citizen developer）趋势将加速。未来，拥有好想法或领域专业知识，即使没有专门的开发团队，也足以启动一个软件产品。
- 更快的产品周期，更高的竞争强度： 如果构建最小可行产品（MVP）的时间和成本急剧下降，产品开发的节奏将会加快。初创公司能更快地构建和迭代，现有企业也必须更快地响应。我们可能会看到超快速原型制作成为常态，产品在构思后几天内就以“测试版”发布，然后通过AI生成的更新持续改进。随着新软件产品的准入门槛降低，竞争可能加剧。另一方面，由于基础功能变得易于复制，竞争对手利用AI可以轻松复制和自动生成功能，任何单一产品要脱颖而出可能变得更难。真正的差异化优势可能会转向品牌、数据和用户体验等方面。有效利用氛围编程的公司可能会超越那些未能利用的公司，导致“AI应用鸿沟”的出现，使传统企业进一步落后。
在Y Combinator的视频中，这些变化被总结为：软件工程师的工作转变为“产品工程师”（product engineer），承担了原属于产品经理的大部分职责。
数字火炬的传递：软件工程师成为产品工程师，在AI完成大部分编码工作的同时，接管产品经理的职责。
经验还重要吗？
Y Combinator的投资人还提到，在他们投资过的初创公司中，氛围编程应用最激进的情况出现在创始人非常年轻、从未接受过传统计算机科学教育之时：这些年轻人除了AI辅助的软件开发外一无所知，因此他们在创业中完全依赖AI。
传统研究发现，专业能力在40岁左右达到顶峰，因为这结合了流体智力（20岁达到顶峰，随后随人脑生物性衰退而下降）和晶体智力（随着不断学习而只增不减）。从20岁到40岁，晶体智力的增长超过了流体智力的下降，人们每年能完成更多工作。从40岁到50岁，能力略有下降，因为可学的新东西不多（而人脑的生物性衰退仍在进行）。
尽管这种专业技能模型已在过去被经验反复验证，但那已是过去。如果AI深刻地改变了世界，使得过去的学习变得无关紧要呢？那样的话，20岁的年轻人将处于专业能力的巅峰，而任何年长者将只有衰退的大脑，却无法从有用的经验中获益。
我怀疑这个修正后的专业成长模型会成为现实。（诚然，我年纪大了，可能有偏见，但我亲眼目睹了AI的使用如何通过补偿年长知识分子衰退的流体智力来提升他们的创造力。）诚然，任何阻碍你最大化利用AI的经验都会降低你的专业能力。但这只是产品专业人士晶体智力中一个很小的角落。我们辛苦获得的大部分经验，对于回答那个至关重要的“做什么”问题，仍然是必需的。
仅仅因为你能说出自己想要什么，并不意味着你无需思考该说什么。氛围编程和氛围设计亦是如此。确定提出什么要求变得比以往任何时候都更重要。
什么保持不变？
如前所述，当公司转向氛围编程时，经验和资历仍然有价值。传统产品开发的许多其他方面也将保持不变或仅发生边际变化。
高层次系统设计、数据建模和性能规划仍然至关重要。AI可能根据提示生成代码，但不会自动为复杂系统生成稳健的架构。
Y Combinator的视频还指出，当前的氛围编程工具在调试方面表现很差。由于软件仍会出错，人类仍需负责调试。然而，随着下一代推理模型（如o3或即将推出的GPT-5）的出现，这种情况可能会改变——据称它们在调试方面表现更好，尽管它们尚未集成到软件开发平台中。
此外，正如一位Y Combinator演讲者所说，一些初创公司已部分放弃了调试，转而选择简单地重新生成任何行为异常的代码。当AI能在一分钟内生成上千行代码时，编写一个新程序比在旧程序中找错误更快。（当然，这假设了测试缺陷是否残留很容易，且新生成的代码正确率高于错误率。我暂时还不会放弃调试，尽管预计在一两年内调试工作将主要由推理模型完成。）
对我的设计读者来说最重要的是，构建正确的产品仍然是人类的责任，包括理解用户需求、确定功能优先级以及打造卓越的用户体验。氛围编程可以执行指令，但决定软件应该做什么以及为什么做，并未实现自动化。产品经理和设计师仍需进行用户研究、市场分析和创造性头脑风暴。从这个意义上说，氛围编程改变的是产品生命周期中的实施阶段，而非规划阶段。清晰的需求说明比以往任何时候都更重要（可以说更重要，因为给AI的模糊请求可能导致其偏离方向）。因此，对于使用氛围编程的团队来说，有效的沟通和问题分解能力仍然是关键。他们只是改用自然语言和示例进行沟通，而不再完全依赖技术规格文档。
AI成为实施之王，但人类仍需把握方向，以构建正确的产品。
氛围设计（Vibe Design）
让编码变得更容易，其中一个颇具讽刺意味的前景是：设计和用户体验（UX）变得更为关键。当任何人都能炮制出一个功能性的应用程序时，仅仅拥有可用的功能已不足以形成差异化：体验的质量将成为产品脱颖而出的关键。在氛围编程的未来，公司有望投入更多精力去理解用户需求、精炼界面、打磨令用户愉悦的细节，因为若没有指导，AI很难自行处理好这些方面。这直接引出了氛围设计（vibe design）的概念。
氛围设计将类似的AI辅助原则应用于UX设计和用户研究，其核心是专注于高层次意图，而将执行委托给AI。以下是氛围设计可能包含的主要组成部分：
- 凭感觉设计，而非像素： 传统的数字设计需要费力地制作静态界面或线框图（使用Figma等工具），纠结于精确的像素位置和样式指南。相比之下，氛围设计强调描述设计的期望感受或结果，并让AI提出视觉或交互解决方案。设计师无需手动绘制每个元素，而是可能对AI工具说：“这个界面感觉有点太正式了；让它更活泼、更有吸引力些。”AI则可以建议颜色更改、字体调整或动画点缀来实现这种氛围。这类似于氛围编程的自然语言提示，区别在于AI的输出是设计模型或更新后的UI样式，而非代码。
- 快速原型与交互流程： 氛围设计将焦点从静态设计交付物转向交互式原型。利用AI的设计师可以快速生成可工作的UI组件和流程，便于与利益相关者沟通并与用户测试。这些原型可以接入真实数据或基础代码（通常由同一个或配套的AI生成）。结果是设计与开发开始重叠，氛围设计师产出的可能就是一个作为原型的迷你Web应用。Kshitij Agrawal将这种方法总结为“线框图存在是因为编码困难；既然编码变容易了，未来就是原型。”本质上，氛围编程让创建前端代码变得轻而易举，因此设计师可以跳过静态线框图，直接构建可运行的UI。然后他们可以通过与UI交互来优化用户体验，专注于整体感受和流程。这使得用户测试更贴近现实，因为参与者可以尽早尝试功能性界面。设计过程变得更迭代、更动态，AI支持快速更改：例如，设计师可以在用户测试环节之间要求AI即时调整间距、布局或组件行为。
- 设计与开发角色的融合： 在氛围设计范式下，设计师和开发者之间的界限变得模糊。设计师变得更像设计工程师，利用AI工具不仅为UI组件添加视觉样式，还添加基础功能，而无需编程技能。这类似于使用游戏引擎界面，进行拖放操作和分配行为，整个过程都可能由AI提示辅助。这使设计师能够直接创建开发者可以集成到产品中的UI组件。换句话说，设计与开发之间的交接变得更加顺畅，交付物从规格文档或草图变成了实际可用的元素。对于用户研究员而言，这种融合意味着他们能更快地获得功能性原型进行测试，并且只需向AI描述新想法即可根据反馈进行迭代。UX研究员可能会说“用户在这个界面感到困惑，我们能简化它吗？”，AI就能快速尝试一个简化布局。两种角色汇聚于一个共享的“尝试-反馈-改进”流程中，AI缩短了这个循环。
- AI赋能的持续用户研究： 氛围设计也涉及如何收集和应用用户研究的洞察。借助AI快速生成设计变体的能力，团队可以对界面的不同“氛围”进行A/B测试，并根据结果立即调整。此外，AI可以辅助分析定性反馈或可用性测试录像。例如，AI可以在几分钟内总结数天用户测试的洞察或数百次用户访谈的情感倾向。设计师可以将这些洞察转化为提示请求，并获得即时的设计调整。这种AI辅助的研究与设计的闭环可以极大地加速以用户为中心的设计过程。本质上，氛围设计可以通过自动化汇总的繁琐工作，并提供快速实现来测试假设，从而提高UX研究的效率。人类仍需提出正确的问题并解读结果，但从识别UX问题到看到重新设计的解决方案，路径可以快得多。
- 赋能并扩展设计专长： 正如氛围编程使编码民主化，氛围设计旨在使设计民主化。并非人人都是训练有素的设计师，但在AI帮助下，更多人可以将“设计思维”应用于其产品。AIverse提出了“设计智能”（Design Intelligence）的概念，用以描述封装了优良设计原则、可供任何人利用的AI系统。例如，非设计师出身的初创公司创始人可以使用AI工具，通过简单指定氛围（“我希望它感觉友好、现代，流程直观”）来生成一个设计合理的UI。经过海量设计知识训练的AI将生成一个开箱即用、符合UX最佳实践的设计。
这些变化并未消除设计师的角色。恰恰相反，氛围设计提高了设计质量的门槛，并解放设计师去应对更复杂的体验挑战。在氛围设计普及的未来，每个产品团队成员都可能将一些UX思维融入其工作（因为AI使之变得容易），真正糟糕的设计错误可能会变得更罕见（因为AI可以警告或自动纠正它们）。另一方面，设计师可能会专注于打造产品线的标志性美学和单个产品的情感体验，利用AI作为协作者快速探索广泛的创意选项。
氛围设计将氛围编程的理念延伸到了UX领域：它关乎利用AI处理细节执行（无论是绘制UI组件还是解析用户数据），以便人类能够专注于创造性和共情方面——理解用户、打造合适的体验、精炼产品的“氛围”。正如氛围编程表明“拥有想法就足以开始编程”，氛围设计则暗示“对用户体验有愿景就足以开始设计”。两种范式都指向一个未来：跨职能的产品团队与AI共创者协同工作。实际结果可能是从概念到代码再到用户反馈，形成一个更快、更流畅的产品开发周期，各步骤之间的摩擦更少。
最终，氛围编程与氛围设计的结合，可以让人类专注于创意愿景和用户价值，而将繁琐的实现（无论是代码还是设计）委托给我们日益强大的AI同事，从而使产品开发更加以人为本。
结语： AI赋能的软件开发、用户研究和UX设计是革命性的。专注于用户，而非繁琐工作——让机器处理细节。保持敏锐：人类判断力高于一切。拥抱这些工具来提升你的技艺，而非绕过它。