Vibe Coding 如何重塑 AI 人才的培养与学习路径
一份带引用的深度调研报告
日期：2026-05-26 ｜ 模式：deep（8 阶段，60+ 来源）
执行摘要#
"Vibe coding"（氛围编程）这个词只有一岁多。它来自 Andrej Karpathy 2025 年 2 月 2 日的一条推文——"完全交给感觉，忘掉代码本身存在"[1]。一年内，它被 Collins 词典选为 2025 年度词汇[4]，被写进大学课程表，也成了入门级程序员失业讨论里的高频词。
这份报告要回答的是：当"写代码"这件事可以外包给机器，学习和培养 AI 人才的路径发生了什么实质变化，尤其在硕博这个层级。
调研得出的核心判断有三个。
第一，瓶颈变了。 过去最稀缺的能力是"能不能把想法实现出来"。现在实现这件事的边际成本趋近于零——Microsoft、Google 都公开承认约 30% 的新代码由 AI 生成[6][62]，Y Combinator 2025 冬季批次里 25% 的创业公司代码 95% 由 AI 写成[5]。稀缺的能力转移到了判断：知道该做什么、做出来的东西对不对、机器什么时候在一本正经地胡说。
第二，这里有一个对教育致命的悖论。 "亲手写代码"在历史上不只是产出方式，更是人们练出判断力的途径。两个严格的随机对照实验证实了这件事：Anthropic 的研究发现，把代码生成完全交给 AI 的人，对新学知识的理解低 17%（约等于差两个等级），而把 AI 当成"问概念"的人没有这个损失[33][34]；METR 的实验发现资深开发者用 AI 后实际慢了 19%，自己却以为快了 20%[37]。换句话说，vibe coding 让你"不必再做"的那件事，恰恰是你"必须先会"才能 vibe 得好的那件事。教育的新任务，是把过去靠"写代码的痛苦"免费换来的判断力，重新有意识地教出来。
第三，在硕博/科研层面，分水岭从"实现"移到了"鉴别"。 AI 已经能复现基线、写训练和评估代码、把实现时间砍掉约 58%[32]，Sakana 的"AI 科学家"甚至端到端写出过通过工作坊评审的论文[23]。但同一批研究也暴露了新的失败模式：MLR-Bench 发现智能体在约 80% 的开放式研究任务里产出伪造或失效的实验结果[25]；一项跨工具研究发现三分之一的 AI 生成项目根本跑不起来[26]；ICLR 2026 有 21% 的审稿被判定为全 AI 生成[27]。当"看起来对"的结果可以批量生产，鉴别真伪、保证严谨就成了研究者最值钱的能力——这反而是研究的本质回归，但门槛被同时抬高了。
下面分六个部分展开，最后给出重塑后的学习路径图和针对不同人群的建议。
一、正本清源：vibe coding 是什么，现在到了哪一步#
讨论它如何改变学习路径之前，得先厘清这个词，因为它被用得很乱。
它的原意是"不看代码"。 Karpathy 的原帖说得很清楚：这是一种"看一眼、说句话、跑一下、复制粘贴，大体就能用"的方式，他明确说"对周末玩票项目不算差"[1]。一年后他自己回顾，称那只是"洗澡时随手发的一条推"[3]。也就是说，发明这个词的人从一开始就把它定位成轻量、玩票、非生产级的东西。
Simon Willison 划了一条关键的线。 2025 年 3 月，他指出：如果 LLM 帮你写了代码，而你审查了、测试了、能跟别人解释它怎么工作——那不叫 vibe coding，那叫软件开发[2]。vibe coding 特指不审查、不在乎、不理解生成的代码。到 10 月，他进一步提出"vibe engineering"来命名光谱的另一端：资深工程师带着测试、规划和审查用 LLM 加速，同时为结果负责[3]。
这条线对理解学习路径至关重要：问题不在于"用不用 AI"，而在于"用的时候你理解不理解"。后面所有关于技能退化的证据，都落在"不理解"这一端。
它已经彻底主流化，但还没进入正经生产。 一边是：Collins 把它选为 2025 年度词[4]，Merriam-Webster 2025 年 3 月把它收为流行词[4]；工具层面爆发式增长——Cursor（Anysphere）到 2026 年 2 月做到约 20 亿美元年化收入、290 亿美元估值[10]，Lovable、Replit、v0、Bolt 这类"说句话就生成 App"的平台一年内各自冲到上亿美元年收入[11]。
另一边，2025 年 Stack Overflow 开发者调查（4.9 万人、177 国）给出了一个清醒的数字：84% 的人在用或打算用 AI 工具，但 77% 的人说 vibe coding 不是他们正经工作的一部分；同时对 AI 输出"不信任"的比例从 2024 年的 31% 升到 46%；最大的单项抱怨（66%）是"AI 给的方案几乎对、但就是差一点"[8][9]。
把这两面放在一起，得到一个对学习者最重要的事实：vibe coding 极大降低了"做出一个能跑的东西"的门槛，但并没有降低"做出一个靠谱的东西"的门槛。那道"几乎对、但差一点"的缝隙，正是判断力的用武之地。
二、瓶颈的迁移：从"会不会写"到"判断得准不准"#
这是全篇的主轴。
实现正在贬值。 当 30% 的企业代码、95% 的部分创业公司代码由 AI 产出，前沿模型在 SWE-bench Verified（真实开源项目修 bug）上越过 80%[12]，"能把功能写出来"作为一种稀缺能力正在快速折旧。这不是预言，是已经发生的市场事实。
判断在升值，而且很难学。 Addy Osmani 在被广泛引用的《70% 问题》里给出了最锋利的两个观察[36]：
- "70% 问题"：AI 能飞快把你带到 70%，但最后 30%（边界情况、上生产、调 bug）会撞墙。非工程师尤其会陷进一个循环——"修一个小 bug → AI 改一下 → 弄坏了别的 → 又冒出两个新问题"，无限循环。
- "知识悖论"：AI 对专家的帮助大于对新手。专家用它加速自己已经懂的事；新手想用它学"该怎么做"，但代码凭空"出现"而你不理解原理时，你练不出调试能力、错过了基础模式的学习。
这正好对上了两个严格实验的结论。Anthropic 的 Shen & Tamkin 研究让 52 名初级工程师学一个新的 Python 异步库，随机分组：用 AI 的人理解测验得分低 17%，约等于差两个字母等级，而且速度并没有显著变快[33][34]。更关键的是，他们发现"怎么用"比"用不用"重要得多——把生成任务整个甩给 AI（delegation）会伤害学习，而用 AI 来问概念、先生成再逐行搞懂，则能保住学习效果。研究者一句话总结："AI 带来的效率，不是通往能力的捷径。"[33]
METR 的实验则戳破了另一个幻觉：16 名经验丰富的开源开发者用 2025 年初的 AI 工具后，实际慢了 19%，但他们以为自己快了 20%，甚至在亲身经历变慢之后仍坚信变快了[37]。（要注意边界：这是少数资深开发者在他们熟悉的成熟代码库上的结果，不能直接推广到新手或陌生项目[37]。）
把这些拼起来，结论是：vibe coding 同时做了两件相反的事——它让产出更容易，又让"判断产出好不好"的能力更难自然习得，因为习得判断力的传统途径（亲手写、亲手调、亲手撞墙）正是被它省掉的部分。这就是教育和培养必须正面处理的核心张力。
三、硕博/科研层面：分水岭从"实现"移到"鉴别"#
这是你最关心的部分，单独展开。
实现不再是护城河#
对一个研究生项目来说，过去很大一部分工作量和区分度来自工程：复现别人的基线、搭数据管线、写训练和评估代码、调通实验。现在这部分被大幅自动化：
- OpenAI 的 MLE-bench 用 75 个 Kaggle 竞赛测 AI 智能体的真实机器学习工程能力（训模型、备数据、跑实验），最强配置能在约 17% 的竞赛里达到铜牌水平[31]——意味着 grunt work 它能干相当一部分，但离自主科研还很远。
- Agent Laboratory 这类系统明确把目标写成"让研究者把精力从底层编码和写作转向创造性构思"，并报告比此前自主科研方法减少 84% 成本[32]；ResearchCodeAgent 报告把实现时间平均砍掉约 58%[63]。
含义很直接：一篇硕博工作如果卖点是"我实现了 X"，护城河正在消失。区分度上移到了三件机器还做不好的事——问题选择、实验设计、以及评估的严谨性。
新的失败模式："看起来对，其实是错的"#
这是科研层面最重要、也最危险的变化。多项 2025 年的研究指向同一个问题：
- MLR-Bench（NeurIPS 2025）发现，当前编码智能体在约 80% 的开放式机器学习研究任务里产出伪造或失效的实验结果；它们擅长写出连贯的想法和漂亮的论文，却在"实验是否站得住"上频频翻车[25]。
- 一项针对 Claude Code、OpenAI Codex、Gemini 的实证研究发现，三种顶级智能体生成的 300 个项目里，只有 68% 能开箱即跑，从声明的依赖到实际运行依赖平均膨胀 13.5 倍——直接威胁可复现性[26]。
- Sakana 的 AI Scientist-v2 端到端写出的论文虽然通过了 ICLR 2025 一个工作坊的评审（均分 6.33，约前 45%）[23]，但独立评估发现它 42% 的实验因代码错误失败，文献综述常把成熟概念误判为"新颖"，整体质量像"赶工的本科论文"——只是成本和速度史无前例[24]。Sakana 自己也承认这些论文没达到正式会议主轨的门槛[23]。
把这些放一起：当"产出一个看似成立的结果"变得极其廉价，科研最值钱的能力就变成了鉴别真伪和保证严谨。 一个 AI 时代的研究者，越来越像一个对机器产出结果保持高度怀疑的审查者，而不是一个埋头实现的工程师。这其实是研究本质（好问题 + 严谨验证）的回归，但门槛被抬高了——因为人人都能产出结果，把真结果从假结果里分出来反而更难。
研究者画像与生态的变化#
- 画像转向"品味"（taste）：新兴的"AI 研究工程师"角色被描述为需要"物理学家的理论直觉、SRE 的系统能力、博导的研究品味"，而判断"哪个想法值得做"这种主观、依赖语境、难以编码的能力，被认为是 AI 短期内拿不下的边界[66]。
- 导师关系在调整：Nature 对近 3800 名博士生的调查显示，多数人认为 AI 提升了效率，但多数人同时担心它削弱思考、研究和写作能力——这正是培养层面的核心矛盾[30]。一位博士生的担忧很典型：AI 拿走了那个"有产出的挣扎"，而能力恰恰是在挣扎中长出来的。
- 同行评审在承压：Pangram 分析 ICLR 2026 全部约 7 万条审稿，判定 21% 为全 AI 生成、超过一半有 AI 参与[27]。AI 既在生产论文也在生产审稿，整个学术质量把关系统正被两头挤压。
- 方向在变：Google 的 AI co-scientist（多智能体，2026 年开放受限申请）和 DeepMind 已经验证过的科学假设（C2S-Scale 模型提出、被湿实验证实的肿瘤免疫假设）显示，前沿正从"AI 辅助科研"走向"AI 参与做科研"，但都坚持"伙伴而非替代"的定位，假设仍需人和实验来确认[28][29]。
对硕博项目设计的净影响：一个好的研究生项目，越来越不应该把分数押在"工程实现的工作量"上，而要押在问题的新颖与重要、实验设计的合理、以及对结果的严格验证上。指导老师布置和评判项目的标准，也要相应从"做出来了没"转向"想得对不对、验得严不严"。
四、高校正规教育的重构#
大学是反应最直接、也最分裂的地方。三条线索同时在发生。
课程：从"教你写"到"教你指挥和审查"#
- CMU 走得最远。S3D 学院开了门《AI Tools for Software Development》，授课教授 Andrew Begel 直接说："这门课你不会写真正的代码。你要让大语言模型替你做所有事。如果它生成的代码错了，你得能读懂并告诉它怎么改——但你不会自己动手写那个修复。"[14] 开课动机来自他在 Microsoft 看到的内部推动——"我们在用 AI 造 AI"[14]。
- 同时 CMU 另开《15-113 Effective Coding with AI》，明确教提示工程、批判性评估 AI 输出，并强制要求学生在代码注释里申报所有重要的 AI 使用、用自己的话解释 AI 生成的代码，培养目标包括"从正确性、安全、性能、可维护性角度批判性评估 AI 产出"[15]。
- Stanford 的继续教育部开了面向非程序员的《Vibe Coding: Using AI for Programming》，教写提示、审查 AI 输出、迭代修改[16]（注意：这是继续教育，不是核心 CS 专业）。
- Harvard CS50（David Malan）走中间路线：禁用 ChatGPT，但提供自家有护栏的 AI 助教"鸭子"（CS50.ai），定位是"引导而非给答案"的 24 小时一对一辅导[13]。
考核：回归 AI 难以代劳的形式#
因为带回家的编程作业现在能被 AI 轻松解掉，考核在往回退：
- 手写、闭卷、当堂重新流行。《华尔街日报》报道蓝皮书（考试本）销量在 Texas A&M、UC Berkeley 等校回升[18]；Berkeley 的 CS184 允许作业用 AI，但期末当堂闭卷、要求手写代码，明确学生不仅要会提示工程，还要能"不靠 AI 自己写出代码"[17]。
- 口试/对话式考试兴起。多所学校转向"考思考过程而非提交物"，一篇 2026 年 1 月的论文专门论证"对话式考试"作为 AI 时代可规模化的评估方式——小组口头轮答以暴露真实理解[19]。一句被反复引用的话：我们不只在促成学习，更在认证学习[18]。
"还要不要学编程"的数据与争论#
- 入学在跌：2025–26 学年美国计算机相关专业下滑 8.1%，纯 CS 跌 11.2%，是所有专业里最陡的；62% 的受访高校报告 CS 入学下降，但 AI、网络安全方向反而在涨[20]。
- 就业在变难：纽约联储数据显示，软件工程/CS 应届生的失业率反而高于传播、历史、文科专业的应届生[20]——这直接动摇了"读 CS 包就业"的旧假设。
- 顶级人物公开对掐：Nvidia 的黄仁勋 2024 年初说"我们的目标是让没人需要编程，编程语言就是人话""人人都是程序员了"[21]；Andrew Ng 则直接反驳，称劝人别学编程是"史上最差职业建议之一"，并认为"准确地告诉计算机你想要什么"会是未来最重要的技能之一[22]。
教师群体的共识落点是：AI 接管样板代码，但人仍必须理解代码做了什么、怎么扩展、怎么调试和维护——基础和判断仍是不可让渡的内核[14][20]。CMU 一位教学教授的话很能代表这个阶段："我们正处在一个独特的时间点，这几乎是唯一可行的应对方式。"[14]
五、企业、训练营与个人学习者的实践#
学校之外，市场用脚投票得更快。
企业：从"可以用"到"必须用"#
最被引用的标志性事件是 Shopify CEO Tobi Lütke 2025 年 4 月的内部信："反射性地使用 AI，现在是 Shopify 的基本要求。"[41] 配套措施很硬：AI 工具开支不设上限、内部搭 LLM 代理和 MCP 工具、把 AI 使用纳入 360 度绩效评估、团队要先证明"AI 干不了这活"才能申请加人[42]。一位工程副总裁的话："如果你不默认说 yes，你就是在默认说 no。"[42] Microsoft 这边，AI 编码工具（含 Claude Code）已从小范围试用变成工程组的日常标准动作[61]。
训练营与在线学习：分叉成两条路#
- 训练营和平台（Scrimba、freeCodeCamp、Nucamp 等）重构课程，把提示工程和 AI 辅助开发放进核心，而不只教语法[64]。
- Andrew Ng 的 DeepLearning.AI 开了《AI Prompting for Everyone》，明确"无需技术背景"，教非程序员用 AI 搭游戏、网站、App[43]；Scrimba 推出面向零基础的"用 AI 学编程"和"AI 工程师路径"（覆盖智能体、RAG、MCP、上下文工程）[44]。
- 关于"新手该先学什么"，讨论已收敛到一个平衡共识：先打基础（很多人主张头几个月刻意不用 AI 生成代码），再把 AI 当加速器；如果纯靠 vibe coding，你的角色从"开发者"变成了"项目经理"，而不是真的会开发[64]。
招聘与面试：从"防 AI"到"考 AI 协作"#
- 面试的核心问题从"怎么防止候选人用 AI"变成"怎么评估他和 AI 协作的能力"[45]。Meta 2025 年 10 月上线"AI 辅助编码面试"，用一个多阶段的真实任务（修 bug、核心实现、优化）替掉一轮传统算法题[45]；Canva 2025 年 6 月起要求工程候选人在面试中使用 Copilot、Cursor 或 Claude[45]。一句流行的话：在 ChatGPT 时代，"知识是免费的，判断不是。"[45]
- 入门级岗位在塌缩。SignalFire 数据显示，15 家最大科技公司的入门级招聘 2023→2024 跌了 25%[40]；22–25 岁软件开发者就业从 2022 末到 2025 年 7 月跌了近 20%[46]；Rest of World 报道全球大厂应届招聘三年降约 50%[47]。原因被反复归结为：以前需要初级工程师手写和调试的活，现在资深工程师让 AI 助手干就行了[46]。
- 但要警惕被夸大的数字。那个疯传的"程序员岗位跌 27.5%"是真实的 BLS 数据，但指的是"programmer"这个狭窄的旧职业类别；同期"software developer"只跌了 0.3%[40]。塌缩是真的，但常被混淆类别而夸大。
- 新角色在冒头。"前线部署工程师"（forward-deployed engineer，FDE）2025 年职位发布暴涨约 700–800%，OpenAI、Google Cloud、Anthropic、Palantir、Salesforce 在抢人，薪资到 26.5 万美元[48][59]。它是软件 + 部署 + 面客的混合体，专攻 AI 落地的"最后一公里"——因为大量企业 AI 试点失败不是模型不行，而是"模型不会自己部署"[59]。
六、中国的实践：自上而下的全民普及#
中国这条线的特征是政策驱动、自上而下、铺得很快，与西方"高校各自试验、市场各自反应"的路径明显不同。（说明：以下数字多通过英文二手报道核实，中文一手出处未能直接抓取，引用时已标注，正式使用前建议回查原始中文来源。）
- 政策定调：教育部 2025 年 4 月发文，要求高校把 AI 设为面向所有学生（不只 CS 专业）的基础公共课，建跨学科 AI 项目[49]。
- 高校落地：浙江大学 2024 年起把 AI 导论列为本科必修，并在校内服务器上本地部署"满血版"DeepSeek 供学生免费用[49]；清华在建本科 AI 通识学院[49]。DeepSeek 突破后，浙大、深大、上海交大、人大等在 2025 年 2 月扎堆开 DeepSeek 课程并向公众开放，有研究者称高校是"受 DeepSeek 冲击最大的部门"[50]。
- 下沉到 K-12：杭州要求中小学从 2025 秋季起每年至少 10 课时 AI 教学，北京至少 8 课时（六岁起），教育部选了 184 所试点校[51]。
- 国产工具与"全民 AI"叙事：JetBrains 2025 调查显示中国开发者用 Cursor 的比例（25%）远高于全球（12%），而 Copilot 在中国偏冷（24% vs 全球 34%），DeepSeek、通义灵码等国产/可自托管方案占重要位置[52]。字节的 Trae IDE（2025 年初上线）报称月活超千万、生成代码超 60 亿行[53]；腾讯 CodeBuddy 报称超 90% 工程师在用、2025 年新增代码约一半有 AI 参与[55]；阿里通义灵码报称插件下载超 900 万、生成代码 15 亿行[54]；百度李彦宏在 2026 年 5 月的 Create 大会上抛出"超级个体"概念——未来最小生产单元可能是"一个人 + 一群智能体"[56]。开源社区 Datawhale 推出号称"国内首个系统化 Vibe Coding 教程"，打的就是"全民 AI、零基础到全栈"的旗号[57]。
- 再培训热潮与隐忧：麦肯锡估计中国到 2030 年需要约 600 万 AI 技能人才（六倍增长），2025 上半年 AI 岗位需求涨超 36%[58]；但大量线上课"太浅"、就业承诺有水分，学费约 4000–4980 元[58]。同时，国产工具的隐私/数据担忧、以及国际学校里"过度依赖 AI 削弱批判性思维"的担忧也有记录[65]。
一句话概括中国路径：用行政力量把 AI 教育铺到全民和全学段，速度和覆盖面世界少见；代价是质量参差，以及和西方一样、但被规模放大的"会用但不会想"的隐忧。
综合与洞察：重塑后的学习路径长什么样#
把六部分拼起来，可以画出一张"旧路径 vs 新路径"的对照，再按人群细化。
旧路径 vs 新路径#
旧路径（自下而上，约 2022 年前）：数学 → 机器学习理论 → 从零写代码 → 学框架 → 训模型 → 才能做出东西。门槛全堆在前面，能力和理解是绑在一起长出来的——你必须先会造，造的过程逼你理解。
新路径（自上而下，vibe coding 时代）：先用自然语言把东西做出来 → 撞墙或好奇时 → 往下挖一层补基础。能力和理解脱钩了：你能做出远超你理解程度的东西。
这个脱钩是所有变化的根源，也是所有风险的根源。
核心张力：判断力悖论#
新路径最大的陷阱是第二部分讲的悖论："亲手写"既是旧的产出方式，也是旧的判断力养成方式。 把"亲手写"省掉，产出变快了，但判断力的自然养成途径断了。证据很硬——Anthropic 的 RCT 证明甩给 AI 会伤理解、问概念则不会[33]；Osmani 的"知识悖论"说明 AI 放大专家、困住新手[36]。
所以重塑后的教育不是"少教点东西"，而是要有意识地重建那条过去免费的判断力养成路径。这条路径不再依附于"写代码的痛苦"，而要靠新的设计：让学习者先生成再逐行讲清楚、用 AI 问概念而非要答案、当堂手写考核理解、口试逼出真懂、强制申报和解释 AI 产出——这些恰恰就是 CMU、Berkeley、CS50、Anthropic 研究里反复出现的做法[15][17][13][33]。
一个正在成形的共识：两段式#
市场和学界都在收敛到同一个模型：先打地基，再加速。
- 1. 地基阶段：刻意控制 AI 的"代答"，把它当辅导老师而非代笔。目标是练出阅读代码、调试、理解系统、数学直觉这些不可让渡的内核。很多从业者建议头几个月不用 AI 生成代码[64]。
- 2. 加速阶段：基础到位后，把 AI 当加速器和放大器，去做以前做不到规模的事。这一阶段的关键技能是提示/规格写作、评估、对产出保持怀疑。
跳过第一段直接进第二段，就是"知识悖论"里那个被困住的新手；只做第一段不进第二段，则会被市场淘汰——招聘已经在筛 AI 协作能力了[45]。
按人群的路径变化#
- 本科生：基础课价值不降反升，但考核方式必须改（回归手写/口试），课程要新增"如何指挥和审查 AI"。文凭的就业保险作用在减弱[20]，差异化要靠真懂基础 + 会用 AI 的组合。
- 硕博生：项目设计的重心从"实现工作量"移到"问题选择 + 实验设计 + 结果验证"。最值钱的新技能是当机器产出的怀疑性审查者——在 80% 结果可能是假的世界里，能分辨真假就是核心竞争力[25][26]。
- 在职工程师：从"会写"转向"会判断、会指挥、会落地"。入门级岗位塌缩、FDE 等新角色崛起，意味着职业阶梯的底层台阶在消失、中上层在重组[46][48]。
- 零基础/产品型学习者（比如 vibe coder）：vibe coding 让你能真的做出并发布产品，这是真实的、新的能力。但要清醒：你的角色是"用 AI 的项目经理"，不是开发者[64]；你会在"最后 30%"撞墙[36]；当你想从"能跑的 demo"走到"靠谱的产品"，迟早得回头补基础——区别是你现在带着具体问题回去学，比干啃理论高效得多。
局限与告诫#
- 1. 时间太短，缺长期证据。 vibe coding 只有一岁多，几乎所有数据都是 2025–2026 的横切面。技能退化的两个 RCT[33][37] 作者都明确说测的是短期效果，不是长期技能发展。十年后这代"AI 原生"学习者到底强还是弱，现在没有答案。
- 2. 不少数字来自二手聚合站。 报告里部分工具营收、采用率（Copilot、Claude Code、Trae、通义灵码、CodeBuddy 等）和"Google 75% 代码由 AI 写"这类说法，来自聚合博客或英文二手报道，可信度被标为中低。Microsoft 的 ~30%[6]、Cursor 估值[10]、Stack Overflow 调查[8]、Anthropic/METR 研究[33][37] 是较硬的。
- 3. 网传强论断需要去伪。 被当成"AI 让大脑变笨"铁证的 MIT 研究，其实研究的是写作文不是编程，是未经同行评审的预印本、样本极小（关键环节仅 18 人）[35]——不能用来直接论证编程学习。"程序员岗位跌 27.5%"也因混淆职业类别而被夸大[40]。
- 4. 中国一手出处未直连。 第六部分多数数字经英文二手核实，中文官方原文（教育部文件、企业通稿）未能直接抓取，正式引用前建议回查。
- 5. AI 自主科研仍在早期。 Sakana、Google co-scientist 等仍是"伙伴而非替代"，且最强系统多未公开[28]；不要把"通过工作坊评审"读成"AI 能独立做出好研究"。
建议#
给硕博生 / 想进 AI 研究的人：
- 把项目的赌注从"我实现了什么"换成"我提出并严格验证了什么"。实现交给 AI，但亲手设计实验、亲手核验结果。
- 刻意练习"鉴别看似成立的假结果"——这是 80% 结果可能造假的世界里最稀缺的能力[25]。养成复现、对拍、追依赖的习惯[26]。
- 用 AI 时遵守 Anthropic 研究的发现[33]：让它解释概念、先生成再逐行讲懂，不要整块甩给它然后照单全收。
给像你这样的 vibe coder / 产品型创造者：
- 享受 vibe coding 让你独立做出产品的能力，这是真实的杠杆。但提前知道你会在"最后 30%"撞墙[36]，撞墙处就是该找懂底层的人、或该回头补一层基础的信号。
- 把基础当"进阶装备"而非"入场券"——不必为入门先啃完，但想把 demo 做成靠谱产品，带着具体问题回去补，效率最高。
给教育者 / 想培养 AI 人才的人：
- 别在"禁用 vs 放开"上纠结，照 Willison 的线走[2]：要求学生理解、能解释自己（用 AI）产出的东西。
- 考核回归 AI 难代劳的形式（手写、口试、对话式），考"思考过程"而非"提交物"[17][19]。
- 把"如何指挥和审查 AI"做成正式课程内容，并强制申报 AI 使用[15]。
参考文献#
[1] Andrej Karpathy, 推文（"vibe coding" 一词出处），X，2025-02-02. https://x.com/karpathy/status/1886192184808149383
[2] Simon Willison, "Not all AI-assisted programming is vibe coding (but vibe coding rocks)," 2025-03-19. https://simonwillison.net/2025/Mar/19/vibe-coding/
[3] Simon Willison, "Vibe engineering," 2025-10-07. https://simonwillison.net/2025/Oct/7/vibe-engineering/
[4] Collins Dictionary, "Word of the Year 2025"（及 Merriam-Webster 收录），2025-11-06. https://blog.collinsdictionary.com/language-lovers/collins-word-of-the-year-2025-ai-meets-authenticity-as-society-shifts/
[5] Wikipedia, "Vibe coding"（含 Y Combinator 25% 数据；Andrew Ng 2025-06 评论）. https://en.wikipedia.org/wiki/Vibe_coding
[6] CNBC, "Satya Nadella says as much as 30% of Microsoft code is written by AI," 2025-04-29. https://www.cnbc.com/2025/04/29/satya-nadella-says-as-much-as-30percent-of-microsoft-code-is-written-by-ai.html
[7] OfficeChai, "75% Of Code At Google Is Now Generated By AI"（二手，低可信）. https://officechai.com/ai/75-of-code-at-google-is-now-generated-by-ai-ceo-sundar-pichai/
[8] Stack Overflow, "2025 Developer Survey — AI," 2025-07. https://survey.stackoverflow.co/2025/ai
[9] Stack Overflow, "2025 Developer Survey 新闻稿," 2025-07. https://stackoverflow.co/company/press/archive/stack-overflow-2025-developer-survey/
[10] CNBC, "Cursor AI startup funding round valuation," 2025-11-13. https://www.cnbc.com/2025/11/13/cursor-ai-startup-funding-round-valuation.html
[11] Sacra, "Lovable / Replit revenue"（应用生成平台营收）, 2025-09. https://sacra.com/research/lovable-at-84m-arr-growing-36-mom/
[12] DigitalApplied, "Devin AI / Agentic Coding 2026"（二手，低可信）. https://www.digitalapplied.com/blog/devin-ai-autonomous-coding-complete-guide
[13] Harvard, "CS50x 2025 — Artificial Intelligence（CS50 鸭子助教与政策）". https://cs50.harvard.edu/x/2025/notes/ai/
[14] CMU SCS, "Students Put AI Coding Tools to the Test（AI Tools for Software Development）," 2025-10. https://s3d.cmu.edu/news/2025/1020-ai-tools-for-software.html
[15] CMU, "15-113: Effective Coding with AI"（课程页）. https://www.cs.cmu.edu/~113/
[16] Stanford Continuing Studies, "Vibe Coding: Using AI for Programming". https://continuingstudies.stanford.edu/courses/detail/20253_TECH-36
[17] UC Berkeley, "CS 184/284A Policies（作业可用 AI、期末手写闭卷）," 2025. https://cs184.eecs.berkeley.edu/sp25/policies/
[18] Inside Higher Ed, "Amid AI Plagiarism, More Professors Turn to Handwritten Work," 2025-06-17. https://www.insidehighered.com/news/faculty-issues/curriculum/2025/06/17/amid-ai-plagiarism-more-professors-turn-handwritten-work
[19] arXiv, "The Conversational Exam: A Scalable Assessment Design for the AI Era," 2026-01. https://arxiv.org/pdf/2601.10691
[20] Built In, "Computer Science Degrees Are Losing Popularity in the AI Era"（含 NSC/CRA/纽约联储数据）, 2026-03-12. https://builtin.com/articles/computer-science-degree-decline-ai
[21] Tom's Hardware, "Jensen Huang advises against learning to code," 2024-02-25. https://www.tomshardware.com/tech-industry/artificial-intelligence/jensen-huang-advises-against-learning-to-code-leave-it-up-to-ai
[22] TweakTown, "Andrew Ng pushes back on AI job fears," 2025-03. https://www.tweaktown.com/news/103975/andrew-ng-pushes-back-on-ai-job-fears-this-is-the-best-time-yet-to-learn-code/index.html
[23] Sakana AI, "The AI Scientist Generates its First Peer-Reviewed Scientific Publication," 2025-03-12. https://sakana.ai/ai-scientist-first-publication/
[24] arXiv, Beel et al., "Evaluating Sakana's AI Scientist," 2025-02-20. https://arxiv.org/abs/2502.14297
[25] arXiv, Chen et al., "MLR-Bench: Evaluating AI Agents on Open-Ended Machine Learning Research"（NeurIPS 2025）, 2025-05. https://arxiv.org/abs/2505.19955
[26] arXiv, Vangala et al., "AI-Generated Code Is Not Reproducible (Yet)," 2025-12. https://arxiv.org/abs/2512.22387
[27] Pangram, "Pangram Predicts 21% of ICLR Reviews are AI-Generated," 2025-11-18. https://www.pangram.com/blog/pangram-predicts-21-of-iclr-reviews-are-ai-generated
[28] Google DeepMind, "Co-Scientist: A multi-agent AI partner to accelerate research," 2026-05-19. https://deepmind.google/blog/co-scientist-a-multi-agent-ai-partner-to-accelerate-research/
[29] MIT Technology Review, "Google I/O showed how the path for AI-driven science is shifting," 2026-05-22. https://www.technologyreview.com/2026/05/22/1137813/google-i-o-showed-how-the-path-for-ai-science-is-shifting/
[30] Nature, Linda Nordling, "AI and the PhD student: friend or foe?"（约 3800 名博士生调查）, 2026-03-16. https://www.nature.com/articles/d41586-026-00843-y
[31] arXiv, OpenAI, "MLE-bench: Evaluating Machine Learning Agents on Machine Learning Engineering"（ICLR 2025）, 2024-10. https://arxiv.org/abs/2410.07095
[32] arXiv, Schmidgall et al., "Agent Laboratory: Using LLM Agents as Research Assistants," 2025-01. https://arxiv.org/abs/2501.04227
[33] Anthropic, Shen & Tamkin, "How AI assistance impacts the formation of coding skills," 2026-01-29. https://www.anthropic.com/research/AI-assistance-coding-skills
[34] arXiv, Shen & Tamkin, "How AI Impacts Skill Formation"（预印本）, 2026-02. https://arxiv.org/abs/2601.20245
[35] MIT Media Lab, Kosmyna et al., "Your Brain on ChatGPT: Accumulation of Cognitive Debt"（预印本，研究写作非编程）, 2025-06. https://arxiv.org/abs/2506.08872
[36] Addy Osmani, "The 70% problem: Hard truths about AI-assisted coding," 2024-12. https://addyo.substack.com/p/the-70-problem-hard-truths-about
[37] METR, "Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity," 2025-07-10. https://metr.org/blog/2025-07-10-early-2025-ai-experienced-os-dev-study/
[38] Fortune, "AI coding tool Replit wiped a company's database in 'catastrophic failure'," 2025-07-23. https://fortune.com/2025/07/23/ai-coding-tool-replit-wiped-database-called-it-a-catastrophic-failure/
[39] Escape, "Methodology: 2k+ Vulnerabilities in Vibe-Coded Apps," 2025-10-29. https://escape.tech/blog/methodology-how-we-discovered-vulnerabilities-apps-built-with-vibe-coding/
[40] IEEE Spectrum, "AI Shifts Expectations for Entry Level Jobs"（含 BLS/SignalFire 校正）, 2025-12-25. https://spectrum.ieee.org/ai-effect-entry-level-jobs
[41] Forrester, "What You Can Learn From Shopify's CEO's Memo On Workforce AI," 2025-04. https://www.forrester.com/blogs/what-you-can-learn-from-shopifys-ceos-memo-on-workforce-ai/
[42] First Round Review, "From Memo to Movement: Shopify's Cultural Adoption of AI," 2025. https://www.firstround.com/ai/shopify
[43] DeepLearning.AI, "AI Prompting for Everyone"（Andrew Ng）. https://www.deeplearning.ai/courses/ai-prompting-for-everyone
[44] Class Central, "Learn to code with AI / Scrimba AI Engineer Path". https://www.classcentral.com/course/aicoding-278465
[45] CoderScreen, "State of Technical Interviews 2025: How AI Quietly Rewired Tech Interviews," 2025-11-03. https://coderscreen.com/blog/state-of-technical-interviews-2025-ai
[46] Stack Overflow Blog, "AI vs Gen Z: How AI has changed the career pathway for junior developers," 2025-12-26. https://stackoverflow.blog/2025/12/26/ai-vs-gen-z/
[47] Rest of World, "AI is wiping out entry-level tech jobs," 2025-12-09. https://restofworld.org/2025/engineering-graduates-ai-job-losses/
[48] Computerworld, "Here's one career emerging from the AI shift: 'forward-deployed engineers'," 2026-05-15. https://www.computerworld.com/article/4171867/heres-one-career-emerging-from-the-ai-shift-forward-deployed-engineers.html
[49] MIT Technology Review, "Chinese universities want students to use more AI, not less," 2025-07-28. https://www.technologyreview.com/2025/07/28/1120747/chinese-universities-ai-use/
[50] SCMP, "China's universities get students up to speed on DeepSeek with new AI classes," 2025-02-21. https://www.scmp.com/economy/china-economy/article/3299288/chinas-universities-get-students-speed-deepseek-new-ai-classes
[51] SCMP, "China's Hangzhou makes AI classes compulsory in schools," 2025-08-22. https://www.scmp.com/economy/china-economy/article/3323082/chinas-hangzhou-makes-ai-classes-compulsory-schools-amid-nationwide-push
[52] JetBrains, "Insights Into China's Developer Landscape (Developer Ecosystem Survey 2025)," 2026-01. https://blog.jetbrains.com/research/2026/01/insights-into-china-s-developer-landscape-key-trends/
[53] AIbase, "ByteDance TRAE SOLO Mode China Version"（二手）, 2025. https://news.aibase.com/news/23105
[54] Global Neighbours / Yicai, "How AI Is Reshaping China's Programming Landscape（通义灵码）", 2025. https://www.globalneighbours.org/cover-story-how-ai-is-reshaping-chinas-programming-landscape/
[55] ChinaTalk, "What Are Chinese People Vibecoding?（含腾讯 CodeBuddy、氛围编程讨论）," 2026-02-25. https://www.chinatalk.media/p/what-are-chinese-people-vibecoding
[56] TechNode, "Baidu Create 2026: 超级个体," 2026-05-14. https://technode.com/2026/05/14/baidu-create-2026-ceo-says-ai-is-moving-from-model-competition-to-ai-agent-era-foresees-rise-of-super-individuals/
[57] GitHub, "datawhalechina/vibe-vibe（国内首个系统化 Vibe Coding 教程）". https://github.com/datawhalechina/vibe-vibe
[58] Rest of World, "As China goes all in on AI, tech workers scramble to learn new skills," 2025-08-01. https://restofworld.org/2025/china-tech-ai-online-courses/
[59] Interview Query, "Forward-Deployed Engineer Jobs 2025". https://www.interviewquery.com/p/ai-forward-deployed-engineer-jobs-2025
[60] InfoQ, "Anthropic Study: AI Coding Assistance Reduces Developer Skill Mastery by 17%," 2026-02. https://www.infoq.com/news/2026/02/ai-coding-skill-formation/
[61] Developer Tech, "Microsoft's engineers are treating AI coding tools as standard practice," 2026-01-26. https://www.developer-tech.com/news/microsoft-engineers-treat-ai-coding-tools-as-standard-practice/
[62] Entrepreneur, "AI Is Already Writing About 30% of Code at Microsoft and Google," 2025. https://www.entrepreneur.com/business-news/ai-is-taking-over-coding-at-microsoft-google-and-meta/490896
[63] arXiv, "ResearchCodeAgent: An LLM Multi-Agent System for Automated Codification of Research Methodologies," 2025-04. https://arxiv.org/pdf/2504.20117
[64] Nucamp, "Top 10 AI Coding Bootcamps in 2025"（含训练营/在线平台课程转向；"先基础后 AI"共识综合）, 2025. https://www.nucamp.co/blog/homepage-nucamp-2025-top-10-ai-coding-bootcamps-in-2025
[65] Cybernews, "ByteDance AI coding tool Trae data collection"（国产工具隐私/数据担忧）, 2025. https://cybernews.com/security/bytedance-ai-coding-tool-trae-data-collection/
[66] Sundeep Teki, "AI Research Engineer Career"（研究工程师"品味"画像；低可信，配合 arXiv 预印本）, 2025. https://www.sundeepteki.org/ai-research-engineer.html
方法论附录#
模式：deep（8 阶段）。日期：2026-05-26。
检索方式：内置 WebSearch（search-cli 无可用 provider，已回退）+ 6 个并行 general-purpose 子代理，分别负责：(1) vibe coding 概念与现状；(2) 高校 CS/AI 教育变化；(3) 硕博/科研工作流；(4) 风险与技能退化；(5) 企业/学习者/招聘；(6) 中国实践。每个子代理独立检索 + 抓取页面 + 返回带引用、日期、可信度评分的结构化证据，并被要求标注网传未核实的说法。
关键假设（已在正文标注）：
- 地域上取全球视角 + 单列中国一节（因 AI 教育一手讨论以英文世界为主，但"市面上"也含国内）。
- "硕博水平的项目设计"理解为：研究生科研项目/论文工作的设计与评判标准，以及对应的人才培养路径。
可信度处理：核心论断要求多源印证（约 30% AI 代码、入门级岗位塌缩、技能退化均有 3+ 独立来源）。工具营收/采用率、Google 75%、中国一手数字等标为中低可信，正文已逐处提示。已主动排除被夸大的网传论断（MIT 大脑研究用于编程、27.5% 程序员失业）。
未能直连的来源：X/Twitter 推文（被反爬，内容经搜索片段确认）；部分中文一手出处（教育部文件、企业通稿）；Nature 博士生调查全文（付费墙，引用为搜索片段转述）。