文章探讨了AI编程在提高研发效率方面的实际效果。作者基于自身经验，认为AI编程在某些场景下可能降低研发效率，尤其是在大型、复杂的项目开发中。文章指出，AI编程可能难以处理长期的代码维护、系统重构以及性能优化等问题，而这些问题往往需要结合业务策略和深入理解系统才能解决。尽管AI编程在快速验证想法和降低部分代码开发成本方面有所帮助，但在构建体系化商业模式时，其局限性可能更为明显。

💡 AI编程在大型、复杂项目中的效率可能低于预期。作者认为，AI编程在处理长期代码维护、系统重构和性能优化等方面存在局限，这些任务需要更深入的系统理解和业务策略配合。

🤔 AI编程或受限于上下文长度问题。在持续迭代的项目中，AI编程可能难以完全理解项目的历史、系统链路和业务流程，这可能导致维护成本增加。

✅ AI编程在快速验证想法和降低特定代码开发成本方面有优势。作者认可AI编程在加速想法验证、降低胶水代码和工具代码开发成本方面的作用。

⚠️ AI编程在构建体系化商业模式时可能失效。当想法需要演变成体系化的商业模式，并需要一系列业务系统支撑时，AI编程的局限性可能会显现。

今天看到 infoQ 一篇文章，观点是 AI 编程从定量的角度去衡量，实际是降低了研发效率（可能不是针对所有人和所有场景）

这个观点对于作为一个工作十多年的服务端开发来说，和我预想的比较一致。vibe coding 距离媒体宣传中预期的目标差距很远。曾经有一位大佬说过：每天新增的代码对于企业来说是每日新增的成本。如果是按照这样去思考，一个差评冲 0 到 1 到后续的持续迭代都是通过 vibe coding 去进行项目开发交付，会受到 context length 问题导致无法完全理解整个项目的内容（持续迭代的历史、系统链路关系、业务流程迭代等），那么这就带来一个问题，谁来维护整个系统的工程代码，比如业务模式需要升级，vibe coding 是否能够比较低成本的帮助我们做系统的重构？又比如，系统链路要做性能优化或者产品交互层面的优化，vibe coding 是否可以通过全局分析去进行问题发现和最佳的修复？经验丰富的人可能都知道，这些重构和优化，可能需要结合业务策略的配合，这部分 AI 并不感知，要做到它感知，成本是极大的。

我觉得 vibe coding 可能加快了想法的验证，降低胶水代码、工具代码的开发成本。但是当想法要去演变成一个体系化的商业模式，需要一系列的业务系统去支撑时，可能 vibe coding 就失效了。