Karpathy 2025年2月发明了"Vibe Coding"这个词——他当时的原话是"You fully give in to the vibes, embrace exponentials, and forget that code even exists"。14个月后他说了一句让人后背发凉的话——“从没觉得自己这么落后过”。
说出这话的人，是前特斯拉AI总监、OpenAI联合创始人。
同一时间，GitHub 2025年开发者调查显示：超过76%的开发者已在日常工作中使用AI编程工具。不是尝试，是日常使用。
问题来了：当AI能写代码，程序员的价值在哪？
Vibe Coding的三阶段进化
大多数人对Vibe Coding的理解还停留在第一阶段。
第一阶段：氛围编程（2025）
用自然语言描述意图，AI生成代码。“帮我写一个React表单组件”，Cursor/Copilot直接吐出代码。本质是高级自动补全。
第二阶段：Context Coding（2026年中）
不再是一句prompt，而是给AI一份"项目说明书"——AGENTS.md、.cursorrules、系统级上下文文件。AI理解的不再是单个函数，而是整个项目的架构、规范、约定。
这一阶段的核心转变：从"告诉AI做什么"变成"告诉AI我是谁"。
第三阶段：Agentic Engineering（2026年下半年）
设计多个AI Agent协作的系统。不是你和一个AI结对编程，而是你设计一套"AI团队"，让Agent之间自动分工、校验、迭代。
Karpathy做了一个区分——用他的话说：
Vibe Coding是抬高地板——让非程序员也能构建产品。Agentic Engineering是保住天花板——用工程化方法保证质量。
这更像是一种概括。他原话的精髓是：“You fully give in to the vibes, embrace exponentials, and forget that code even exists.”
地板抬高了，门槛降低了，更多人能"写代码"了。但天花板需要有人守——那个人，就是进阶后的开发者。
开发者角色的四层蜕变
与其说角色在消失，不如说在分层。
第一层：Prompt Engineering（2022-2024）
基础门槛。写好提示词，让AI理解你要什么。这一层现在已经几乎没有壁垒——谁都会用ChatGPT写几行代码。
第二层：Context Engineering（2025-2026）
给模型精准上下文。RAG检索增强、向量数据库、文档分块、知识图谱——让AI不只是"会写代码"，而是"懂你的项目"。
这一层的核心技能：数据工程 + 知识管理。你需要知道怎么组织信息、怎么让AI在对的时机拿到对的上下文。
第三层：Harness Engineering（2026年中）
设计Agent的工具链、权限、记忆系统。不是写业务代码，而是写"AI的基础设施"——工具注册、权限控制、上下文窗口管理、错误恢复机制。
类比一下：Prompt Engineering是教你和同事沟通，Context Engineering是给同事一份好文档，Harness Engineering是你设计了整个公司的协作流程。
第四层：Loop Engineering（2026年下半年）
设计Agent系统的自动化循环。五个核心构建块：
| 构建块 | 功能 | 典型场景 |
|---|---|---|
| Automations | 定时/事件触发的任务流 | 每天自动巡检、定时生成报告 |
| Worktrees | 隔离的工作环境 | 多个Agent并行开发不同功能 |
| Skills | 可复用的能力模块 | 部署流程、代码审查规范 |
| Connectors | 外部系统集成 | GitHub、Notion、数据库 |
| Sub-agents | 分层代理架构 | 写作Agent、审核Agent、部署Agent |
加上记忆机制——让Agent能跨会话记住经验、积累上下文。
这一层的开发者，本质上是"AI系统的架构师"。
40%的企业应用将嵌入AI Agent
多家分析机构预测：到2026年底，大量企业应用将嵌入AI Agent能力，而2025年初这一比例还很低。
这意味着什么？
不是程序员被替代，是"纯写代码"的岗位在消失。新岗位已经出现：
- AI系统架构师：设计Agent协作系统
- Prompt/Context工程师：优化AI与业务的连接
- Agent运维工程师：监控、调试、优化AI系统运行
Coursera 2026年工作报告佐证了这个趋势：基于600万企业学习者的数据，AI相关技能增速最快。
我的实战：从写代码到写Prompt
说点真实经历。我现在用AI系统自动运维博客——从选题、调研、写作、审核到部署，全程无人值守。
听起来很炫，但真正的难点不在代码。
难点在于：设计Agent的行为比写代码难10倍。
一篇1500字的文章，背后是这样的流程：
- 选题Agent分析热点数据，确定选题方向
- 调研Agent抓取多个来源，整理调研数据
- 写作Agent按大纲生成初稿
- 审核Agent检查事实、风格、格式
- 部署Agent构建、上传、刷新CDN
每个环节都需要精确的指令设计——Agent用什么模型、给多少上下文、失败了怎么重试、质量不达标怎么回退。
这不是"写代码"，这是"设计行为"。
一个具体例子：审核Agent需要检查文章中的数据引用是否真实。你不能只说"检查数据"——你需要定义：检查哪些类型的数据、怎么验证、验证失败怎么处理、是阻断流程还是警告。
这些规则写出来是Prompt，但本质上是系统设计。
开发者该怎么升级
短期（现在就能做）
掌握Context Engineering。学会用AGENTS.md、RAG系统、向量检索给AI精准上下文。这不需要新技能——数据工程+文档管理，很多开发者已经在做了。
中期（3-6个月）
学会设计Agent系统。工具链怎么注册、权限怎么控制、记忆怎么管理、错误怎么恢复。类比：从"写业务逻辑"升级到"设计微服务架构"。
长期（6-12个月）
从"写代码的人"变成"设计AI行为的人"。你的核心能力不再是语法和算法，而是系统思维、行为设计、质量保障。
不用担心：代码能力仍然是基础。一个不懂代码的人，设计不出好的Agent系统——就像一个没写过代码的人，做不了好的架构师。
但代码不再是唯一能力。
结论：角色没消失，在进化
程序员不会被AI替代。但不用AI的程序员，会被用AI的程序员替代。
Karpathy的观点概括了当下的格局：Vibe Coding抬高地板，让更多人能构建；Agentic Engineering保住天花板，用工程化方法保证质量。
真正消失的是"只会写代码"的开发者。代码能力是基础，但设计AI行为的能力才是未来。
你要做哪一层？
作者：varkm