文章探讨了AI编程，特别是Vibe Coding在实际研发中的效率问题。作者从服务端开发者的角度出发，结合自身经验，认为AI编程在某些场景下可能降低研发效率。文章指出，AI在处理大型项目、系统重构、性能优化等方面可能面临挑战，因为其难以完全理解项目的上下文、历史迭代、业务流程等。尽管AI编程在加速想法验证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的业务系统时，其效用可能受限。

🤔作者认为，从定量角度来看，AI编程可能降低研发效率。这与媒体宣传的预期存在差距，尤其是在服务端开发领域。

📜 AI编程在处理大型项目时面临挑战。由于context length的限制，AI可能无法完全理解项目的历史迭代、系统链路关系和业务流程，进而影响代码维护和系统重构。

💡 AI在系统优化方面也可能存在局限。例如，在进行性能优化或产品交互优化时，AI可能难以结合业务策略进行全局分析和问题修复，因为其对业务策略的感知有限。

✅ AI编程的优势在于加速想法验证和降低胶水代码、工具代码的开发成本。但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编程的效用可能会降低。

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。