文章探讨了AI编程在实际应用中的效率问题。作者基于自身服务端开发经验，指出AI编程在某些场景下可能降低研发效率，尤其是在需要构建复杂、体系化商业模式的业务系统中。文章认为，尽管AI编程可能加速想法验证和降低部分代码的开发成本，但在系统重构、性能优化和业务策略调整等方面，其作用可能有限，甚至带来维护难题。文章强调了经验的重要性，并对AI编程的实际价值进行了深入思考。

💡 AI编程在构建复杂业务系统时，可能因上下文长度限制，难以完全理解整个项目的历史、系统链路和业务流程，从而影响研发效率。

🤔 作者认为，AI编程可能加快想法验证和降低胶水代码、工具代码的开发成本，但在系统重构、性能优化以及业务策略调整时，其作用有限。

🚧 经验丰富的开发者在系统重构和优化时，需要结合业务策略，而AI编程难以感知和配合这些策略，导致成本增加。

📉 文章暗示，过分依赖AI编程进行项目开发，可能导致后续维护成本增加，例如业务模式升级和系统重构。

💡 AI编程的优势在于加速想法验证和降低部分代码的开发成本，但当想法需要演变成一个体系化的商业模式，需要一系列业务系统支撑时，其局限性显现。

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。