1.3 软件正在成为"第二语言"

当"会写代码"不再是护城河

过去几十年，软件工程师这个职业有一个很自然的壁垒：你需要学习一种人类设计、机器执行的语言——编程语言。

C、Java、Python、JavaScript——这些语言各有各的语法规则、运行时环境、框架生态。你需要在脑子里同时记住"我想让机器做什么"和"我用什么语法来表达"，才能在屏幕上写出能运行的东西。

这个门槛存在了太久，以至于我们把它当成了天经地义的事。就像二十年前，我们觉得"会用电脑"是一项专业技能——那时候招聘网站上，"熟练使用 Office"可以写进简历作为优势。但现在呢？会用电脑是基本素养，没人会在简历里写这个。

编程语言正在经历同样的命运。

但仔细想想，这件事并不自然。你最自然的表达方式，是你的语言——中文、英文，或者你习惯的自然语言。你脑子里有一个想法，用嘴说出来，对方听懂了，这才是最直接的沟通路径。

编程语言本质上是一个中间层：你得先把自己的自然语言翻译成编程语言，再让机器去理解。Vibe Coding 要做的，就是逐渐去掉这个中间层。

让我们把这个"中间层"拆开来看。传统的编程流程中，翻译至少要经历三层：

第一层：想法 → 自然语言描述。 你在脑子里有了一个产品的雏形，然后试着用文字描述它。"我想做一个能帮我记录每日支出和收入、按月分类统计的记账应用。"这已经是一次翻译了——你脑子里的画面变成了文字。

第二层：自然语言描述 → 技术规格。 你（或产品经理、技术负责人）需要把"按月分类统计"这个模糊需求翻译成精确的技术规格：用什么数据结构存储？分类是固定的还是用户自定义的？统计结果怎么展示？数据库表怎么设计？这些问题的答案，用户的一句话里完全没有。

第三层：技术规格 → 代码。 你把技术规格再翻译成具体的编程语言、框架、API 调用。这一层最痛苦——你需要记住语法、了解框架、处理各种技术细节和边界情况。

每一层翻译，都是一次信息损耗。你在第二层漏掉了一个边界条件，到第三层写完代码跑起来才发现有 bug。你在第三层写的时候忘记了一个语法细节，编译就报错了。这就是为什么传统开发如此耗时——不是"写代码"本身慢，而是三层翻译的信息损耗太高，需要反复的测试、调试、修改才能补回来。

Vibe Coding 的目标，就是把这三层翻译压缩到接近一层——你自然语言说出来，AI 帮你填充下面两层。

类比：印刷术与写作

我在前面用过一个类比，这里展开来说。

活字印刷术发明之前，书籍的传播靠手工抄写，速度极慢，价格极贵，普通人接触不到。印刷术出现后，书籍可以大规模复制——但这并不意味着每个人都能写书。因为写书这件事本身仍然需要具备"写作能力"。

但印刷术让一件事变得不一样了：写作这个行为的门槛降低了。你不需要认识印刷厂的老板，不需要付高昂的制版费，你只需要写出一份手稿，印刷机就会帮你完成剩下的工作。越来越多的人开始写东西——不是因为他们突然都变成了莎士比亚，而是因为"写出来 → 给别人看"这条路变短了。

与此同时，印刷术还催生了另一个变化：写作这件事本身被分解了。 你可以专注于"写什么"——内容、观点、情感——而把"印什么"交给印刷厂。这两件事分开了。

软件行业的变迁，在走一条很像的路。

过去，要做一个软件，你需要：学编程语言 → 学框架 → 搭开发环境 → 处理编译/部署 → 维护服务器。每一步都需要专业技能。这就像是你不但要写书，还要自己造纸、排版、装订、找渠道分销。

Vibe Coding 削减的不是"创造软件"这件事本身，而是创造软件过程中的技术摩擦。就像印刷术让"写作"和"制作书籍"分离了一样，Vibe Coding 在让"想要什么"和"怎么实现"分离。

判断力比语法更重要

顺着这个类比往下想，有一个重要的推论。

印刷术降低了写书的技术门槛，但它没有降低写一本好书的门槛。后者需要的是判断力、审美、对读者需求的理解——这些不会因为技术进步就自动获得。

同样的道理放在 Vibe Coding 中：

AI 可以帮你写出能运行的代码。这是技术层面的"行不行"问题，AI 已经做得很好了。但判断"应该做什么"的能力，是 AI 还做不好的，也是你作为创造者的核心价值。

我给你几个具体的场景，你感受一下"判断力"是什么意思：

• AI 给了你一个登录页面，看起来没问题。但你是做儿童教育产品的——这个登录页面的文字是不是对小孩子来说太难读了？注册流程是不是太复杂了？AI 不知道你的用户是谁，但你知道。
• AI 给你实现了用户数据导出的功能，代码能跑。但你注意到，导出时会一次性把几万条数据加载到内存里——如果用户量大了，服务器可能会崩。你是那个预见到"今天没问题但三个月后有问题"的人。
• AI 生成了两个不同的界面方案，都好看。但用户测试发现，方案 A 的转化率比方案 B 高 40%。你能做出这个判断，不是因为你懂 CSS，而是因为你懂得"用户需要什么"。

所以，不要把 Vibe Coding 理解成"不用学编程了"。应该理解为：你把"怎么写"交给了 AI，把"写什么"和"为什么写"留给了自己。

这其实是更大的责任，而不是更少的责任。因为它意味着，你不再需要花 80% 的时间在"翻译"上，而是把这 80% 的时间花在"判断"上。你有更多精力去想：用户真正需要什么？这个功能的设计是否合理？这块业务逻辑是否正确？代码跑起来了，但它在边界情况下会崩溃吗？

这些问题不会因为你用自然语言编程就自动有答案。

从"方言"到"普通话"

如果你学过编程，可能会注意到一个有趣的现象：在 Vibe Coding 的语境下，用什么编程语言变得不重要了。

你做 Web 应用，AI 用的是 JavaScript/TypeScript。你做后端，AI 选了 Python 还是 Go，取决于你的需求。你做数据处理，AI 可能给你写一段 SQL 脚本。你甚至不需要懂这些语言的具体细节，AI 会边写边解释。

换言之，编程语言正在从"你必须掌握的工具"变成"AI 替你掌握的技能"。对你自己来说，你只需要知道"我想让应用帮我做这件事"就够了。

这种变化的意义，比大多数人以为的更大。在过去，编程语言的选择决定了你能做什么、怎么做、和谁一起做。你用 Python 的团队和用 Java 的团队之间有一道天然的"方言壁垒"——不是他们不能沟通，而是工具链、库生态、思维模式都不一样。但在 Vibe Coding 的世界里，这道壁垒消失了。AI 替你处理了跨语言的翻译成本。

这个趋势的一个佐证是：GitHub Copilot、Claude Code 这类工具的用户中，相当一部分是非专业程序员——设计师、产品经理、数据分析师、创业者。他们不是不会写代码，而是不想在"写出能运行的东西"这件事上花大量精力。他们脑子里有产品、有设计、有业务逻辑，缺的只是"如何把想法变成软件"的翻译能力。

Vibe Coding 做的事情，就是把这个翻译成本降到几乎为零。

其他领域的类比：摄影

如果你觉得"编程"离你太远，我们换一个更熟悉的领域：摄影。

在胶片时代，拍照是一项专业技能。你需要懂光圈、快门、ISO——这三者之间的数学关系、互相制约的逻辑。你还需要了解不同胶片的感光度、宽容度，以及如何在暗房里冲洗。想拍出一张曝光准确的夜景照片，可能需要几年的练习。

到了数字时代，自动模式出现了。你不需要懂光圈快门 ISO 的关系——相机自动帮你算了。再到手机摄影时代，AI 加持的夜景模式、人像模式、HDR——你甚至不需要知道这些技术名词。你只需要对着想拍的东西按下快门，剩下的交给算法。

这个变化带来了什么？会拍照的人没有消失，而是分层了。 专业摄影师仍然存在——他们用 RAW 格式拍摄、用 Lightroom 精细调色、布光构图都有几十年的功力。但与此同时，地球上每天被拍下的照片数量增长了几个数量级。以前只有"摄影师"才能"记录一个瞬间"，现在每个人都能做到。

编程行业正在经历完全一样的轨迹。专业软件工程师不会消失——他们在优化性能、设计架构、处理极端边界情况上的能力，Vibe Coder 短期内追不上。但"写一段能跑的代码"这件事，正在从摄影的"手动模式"走向"自动模式"。

为什么这对你很重要

不管你现在是零基础、传统开发者、还是技术转型者，这个趋势对你的影响是一样的：

"会写代码"正在从一项专业技能变成一项基础素养。 就像今天大多数知识工作者都会用 Excel 做数据分析、会用搜索获取信息、会拍照记录生活一样，未来的知识工作者大概率都会"用 AI 来构建软件"。

这不是说程序员这个职业会消失。专业程序员和 Vibe Coder 的区别，就像赛车手和普通司机的区别——都在开车，但深度、控制力、对极限情况的理解完全不同。也像专业摄影师和普通人的区别——都在拍照，但前者知道如何用光、如何构图、如何在极端条件下出片。

但当"开车"本身变成一件人人都会的事，能去的地方就变多了。你不再需要一个专职司机才能出门。当"拍照"本身变成一件人人都会的事，能被记录下来的瞬间就变多了。当"写代码"本身变成一件人人都会的事，能被创造出来的软件就变多了。

这就是"软件正在成为第二语言"的真正含义：它是一种表达方式，而不只是一项职业技能。 你用嘴说话来表达想法，用笔写字来记录观点，用 Excel 来分析数据——未来，你用"对话 AI 生成软件"来表达你想要的工具。它和说话、写作、做表格一样，就是一种你可以用来"表达想要什么"的方式。

你不需要成为语言学家才能说话，你不需要成为作家才能写字，你不需要成为程序员才能构建软件。这就是"第二语言"这句话的意思。