AI编程的五大流派,你属于哪一派?
这两天,一张“Vibe Coding 时代几种程序员流派”的图在群里刷屏。
发小把图甩给我,问我:“你算第二派吗?”
我回他:我更像介于第三派和第四派之间。第四派代表未来趋势,第五派则是很多刚接触 AI 的外行现状。

这张图能火,不是因为它有多严谨,而是因为它确实戳中了当下 AI 编程圈最真实的一种焦虑和分裂:
- 有人还在抗拒 AI
- 有人把 AI 当自动补全
- 有人开始把 AI 当生产力主工具
- 也有人已经在“驾驶 AI”做完整交付
- 当然,还有一批人,真的以为自己不用懂技术,只要会烧 token 就能把软件开发搞定
但在我看来,大家如果还停留在“你是哪一派”的讨论,已经有点落后了。
因为今天 AI 编程真正的分水岭,已经不是“你信不信 AI”,而是:
你有没有能力去约束 AI、组织 AI、把 AI 纳入自己的工作流。
先说我的结论
一句话总结我这篇文章的核心观点:
模型能力当然重要,但从 2026 年开始,AI 编程的主要差距已经从“模型差距”,转向“使用差距”和“方法论差距”。
也就是说:
- 你用的是不是顶级模型,当然会影响上限
- 但你能不能把同一个模型用明白,决定的是下限和稳定度
同样是 Codex,同样是 GPT,同样一个目标,几个人做出来的结果却能差很多。这件事我不是抽象理解,而是最近在自己的 vibe coding 交流群里越来越明显地感受到。
一、我不是一开始就站在第三、第四派
很多人现在回头看,会有一种错觉:仿佛 AI 编程从一开始就很强。
其实不是。
我第一次真正使用 AI 编程,是 2025 年 3 月。第一款产品是 Trae。到了 2025 年 4 月,我才开始用 Cursor。那时 Sonnet 3.7 刚出来,今天回头看,那个阶段的 AI 编程其实非常原始。
原始到什么程度?
- 模型能力和今天比,差距明显
- 上下文窗口小,稍微一长就开始失忆
- 对产品和业务的理解非常浅
- 代码检索能力很弱
- 几乎没有成熟的
skills体系 agent.md这种明确规则文件还没形成共识MCP也才刚开始被更多人用起来
说白了,那个阶段的 AI 编程,更像一个“会写一些代码的高级聊天助手”。它能帮你提效,但很难真正理解项目,更难说稳定执行。
所以那时候的我,其实就是这张图里的第二派:
我接受 AI,愿意让它提高生产力,但关键代码我必须亲自盯,复杂业务我不敢全交给它。
这不是保守,这是那个时间点最现实的选择。
二、让我从第二派走向第三派的,不是口号,是产品能力真的变了
到了 2025 年下半年,我开始密集使用 Augment、Kiro、Windsurf、Warp 等产品,Sonnet 也来到了 4。
这个阶段我最大的感受是:AI 编程终于开始有“工程能力”了。
尤其是 Augment,它给我的冲击很大。
我一直觉得 Augment 最大的问题是慢,但除了慢,它真的让我第一次明显感觉到:
- 它不只是补代码
- 它在尝试理解项目
- 它在尝试理解产品逻辑
- 它不是围绕一个函数工作,而是围绕一个需求在工作
这件事很关键。
因为 AI 编程一旦开始从“补全代码”升级成“理解需求并执行任务”,开发者的角色就会发生变化。你不再只是敲代码的人,而开始变成:
- 提需求的人
- 定规则的人
- 做验收的人
- 控节奏的人
这也是我为什么会从第二派走向第三派。
不是因为我忽然更激进了,而是因为产品能力真的变了。
三、2026 年开始,第四派会越来越像主流
到了 2026 年上半年,我自己的状态已经明显介于第三派和第四派之间。
这时候我开始大量使用 Codex,也越来越依赖一套更明确的约束方式去控制 Agent,比如:
skillsMCPagent.md- 项目规则
- 上下文分层
- 明确的执行边界
我越来越不把 AI 编程理解成“你给它一句 Prompt,它帮你出一段代码”。
我现在更倾向于把它理解成:
你在运营一个会写代码的执行系统。
这个系统能不能跑得好,不在于你给它一句多华丽的话,而在于:
- 你有没有把任务定义清楚
- 你有没有把规则边界写清楚
- 你有没有给它稳定的上下文和工具
- 你有没有设计出一套可复用的工作流
这也是为什么我认为第四派才是未来趋势。
未来的 AI 编程,不会越来越像 IDE 的附属功能,而会越来越像一个独立工作界面。你主要在和 AI 对话、给 AI 分配任务、给 AI 提供规则、查看 AI 产出;至于代码本身,反而会逐渐退到后台,必要时再去 IDE 检查。
这也是为什么现在 Codex、Antigravity、Claude 的桌面端,都会越来越往这个方向走。
它们正在把“代码编辑器 + 聊天框”的模式,逐步推向“AI 执行台 + 人类约束器”的模式。
四、未来不是“不看代码”,而是“人从写代码变成约束代码生成”
很多人一听到“未来你可能不用经常看代码”,会立刻反感。
但我觉得这里要说清楚:不看代码,不等于不懂代码。
真正的趋势不是让人彻底离开技术,而是让人的精力从“机械实现”转向“规则设计、任务拆解、结果校验、架构判断”。
换句话说,未来更像是:
- AI 负责大部分执行
- 人负责定义目标、约束过程、判断结果
这和今天很多人理解的“AI 替你写几行函数”完全不是一回事。
所以我一直不认同一种很粗暴的说法:
“以后程序员都不用学技术了,只要会和 AI 聊天就行。”
这是典型的第五派幻觉。
第五派最典型的问题,不是他喜欢 AI,而是他把 AI 当成大脑替代品,而不是能力放大器。
这种人常见的状态是:
- 对服务器、部署、网络、插件、环境一知半解
- 遇到问题第一反应不是定位原因,而是继续问 AI
- 以为 token 烧得够多,问题自然会解决
- 把“不会写 Prompt”当成唯一障碍
- 轻视基础知识,甚至觉得学习代码已经过时
这类人短期看起来很热情,长期大概率会被现实教育。
因为 AI 可以帮你压缩实现成本,但不能替你建立判断力。
五、我在群里的一个观察:同样用 Codex,结果为什么还是不一样
最近一个感受特别深。
我在自己的 vibe coding 交流群里和大家交流,发现一件事:我们很多人其实用的是同样的工具。
- 都在用
Codex - 都在用
GPT - 目标也差不多,都是想让 AI 更好地完成任务
但最后跑出来的结果,经常完全不一样。
这类事情看起来像小问题,但特别能说明本质:
AI 能力是一回事,怎么使用 AI 是另一回事。
很多人会把结果差异理解成模型差异,实际上未必。
很多时候差距来自:
- 你是否知道该给 AI 什么上下文
- 你是否知道问题该怎么描述
- 你是否知道什么时候该让 AI 自己装插件、自己改配置
- 你是否知道什么时候该停下来做人工判断
- 你是否有一套成熟的工作流,而不是完全临场发挥
同一个模型,不同人手里跑出来不一样的结果,这不是偶然,这是 AI 编程进入下一阶段后的常态。
六、为什么 2026 年之后,方法论会比“会不会写 Prompt”更重要
过去大家讲 AI 编程,最爱讲的是 Prompt。
但我现在越来越觉得,Prompt Engineering 这个词本身都快不够用了。
因为真正起作用的,已经不是单条 Prompt,而是一整套协作方法论:
- 需求怎么定义
- 规则怎么写
- 上下文怎么组织
- Tool Use 怎么接
- MCP 怎么管
- skills 怎么路由
- agent.md 怎么约束
- 结果怎么验收
你会发现,真正成熟的 AI 编程用户,最后拼的不是“谁更会说一句漂亮话”,而是:
- 谁更懂业务
- 谁更懂系统
- 谁更懂任务拆解
- 谁更懂工作流设计
所以我很想下一个判断:
未来最强的 AI 编程用户,不一定是最会写代码的人,但一定是最会设计规则和流程的人。
这也是为什么我一直强调:AI 只能是辅助,能不能用得好,完全看人,看方法论,看工作流。
七、五派图只是情绪标签,真正的行业分层其实只有两类人
如果把这张五派图再往下抽象,我觉得最后其实会收敛成两类人。
第一类人是:
把 AI 当工具的人。
他们知道 AI 很强,但更知道它不稳定;他们会用它、约束它、纠正它、把它接进自己的工作流。
第二类人是:
把 AI 当幻想的人。
他们希望 AI 直接替自己解决能力缺口,希望不学习、不理解、不判断也能完成复杂开发。
前者会越来越强,因为 AI 会不断放大他们的生产力。
后者会越来越焦虑,因为 AI 每次失灵,暴露的都是他们本来就没有的基础能力。
所以五派图看着像是在分“态度”,但本质上分的是:
- 你有没有真实能力
- 你有没有工程判断
- 你有没有把 AI 纳入生产体系
八、我的最终判断
最后给一个我现在非常确定的判断:
第四派会逐渐成为主流,但前提不是大家都更懂模型了,而是大家都不得不学会怎么约束 Agent。
未来的 AI 编程会越来越像这样:
- 你不需要事无巨细自己敲代码
- 但你必须懂产品、懂业务、懂架构、懂边界
- 你不一定天天盯着 IDE
- 但你一定要会设计规则、会组织上下文、会管理执行过程
这条路不是“程序员消失”,而是“程序员角色重构”。
以前拼的是写代码速度。
以后拼的是:
- 任务定义能力
- 流程设计能力
- 规则约束能力
- 结果验收能力
如果你问我现在属于哪一派,我还是会说:
我介于第三派和第四派之间。
但如果你问我未来哪一派会赢,我的答案会更明确:
不是最激进的那派,也不是最保守的那派,而是最会约束 AI 的那派。






