一句话看懂：一篇在 Hacker News 引发热议的技术随笔提出：AI 写代码、人来检查的“vibe coding”模式既不高效也不可靠，更会腐蚀开发者的核心能力；推荐的替代方案是反过来——人写代码，AI 当“代码评审”。
事件核心：发生了什么
荷兰研究者 Peter Bloem 发表题为《摒弃“感觉”的 AI 编程》的长文，从“该教学生怎么用 AI”出发，直接批评当前流行的“vibe coding”做法——即让 AI 大批量生成代码，开发者在旁边做“感觉式”检查。作者认为，当前 AI 尚未强大到能同时胜任“做事”和“检查”两个环节：如果人检查 AI 写的代码，注意力在短时间内就会涣散，失败案例又足够罕见，开发者会逐渐无意识地信任 AI，最终让代码库滑向不可维护的状态。他建议把 AI 放在 reviewer（评审者）位置，让人保持对代码的完整掌控，同时利用 AI 抓 bug、提示被忽略的写法和新技术。
为什么重要
这篇随笔的讨论背景是 AI 编程工具的快速普及。与“用 AI 大幅提升产出”的流行叙事不同，作者将问题拉回一个被忽视的维度：AI 过度介入会削弱开发者“追求理解”的认知能力——你不再清楚自己是否真正掌握了某个概念，只是在高效地产出。这一观点对当前“AI 生成代码 + 人工抽查”的主流工作流构成直接挑战，也回应了教育界关于 AI 学术诚信的争论。它提出的核心问题——人在 AI 辅助的编程流程中，到底该承担哪一部分——正逐渐成为判断 AI 编程工具价值、团队协作方式和工程标准的关键议题。
对用户/开发者/创作者的影响
对专业开发者而言，这篇文章提供了一个可落地的分工原则：把 AI 当作列席的资深评审，而不是代码生成器。具体收益包括：AI 能发现那些传统方式需要数周才能定位的隐蔽 bug，也能提示你遗漏的优化技巧或新工具；同时，因为代码仍然由你本人写成，日常开发中的长期成长、对系统的全局理解，以及“提交属于自己的工作”的完整性都得以保留。这个方法也能扩展到非编程场景，例如用 AI 检查论文的数据引用和逻辑漏洞。需要说明的是，作者也承认这更多是当前阶段的个人建议，并非放之四海而皆准的成熟方案。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
这篇“AI 当评审，人写代码”的工作流是否会孵化出新的工具形态，值得观察——目前主流的 Copilot 类产品都把重心放在自动补全和批量生成上，专门为“检查式 AI”设计的编辑器和 API 仍属空白。另一个观察点是教育界的反馈：如果越来越多学校接受这种“AI 评审员”定位，可能会改变现有学术诚信规则的判定标准。此外，随着 Claude、GPT 系列等模型逐步提升“检查”能力，作者对“AI 不适合同时做做事和检查”的判断也可能变化，值得关注后续讨论中是否出现不同的实证经验。
