为什么资深开发者讲不清自己的专业能力

Jacob Harris撰文阐述个人为何始终无法接受vibe coding：从成本（按token计费易超支）经验（写代码的过程本身是认知沉淀）抽象（AI省略关键中间步骤）数据（私密代码上传存在合规风险）摩擦（自动化掩盖必要的反馈回路）责任（开发者无法审查的内容不应署名）以及创作乐趣七个维度展开作者强调自己并非原教旨主义者，对简单任务仍认可AI辅助价值

影子评估：让前沿智能体接手未发表NeurIPS论文的核心开放研究问题，原作者评分两例中智能体六天内独立完成全部工程，但几乎无法推进研究问题本身，论文被作者明确拒绝五类失败：发表门槛判断差设计缺陷上缺创造力死胡同回退差资源意识弱指令漂移提示今日智能体能做AI研究的工程，却难做研究生命周期中的关键判断

Sean Goedecke 用陶哲轩与 ChatGPT 讨论 Jacobian Conjecture 的例子说明，提示词能力不是模板技巧，而是领域专家能判断模型回答哪里有用哪里不对下一步该怎么收敛放到工程场景里，熟悉代码库的人能用 LLM 验证改写和缩小问题，没有上下文的人只能拿到平均答案

2026年AI agents正在从实验工具向现实操作转变，被称为'Agent Leap'。调查显示78%的企业有AI agent试点项目，但只有14%达到生产规模，预计到2027年74%的企业将广泛使用AI agents。最新模型如Gemini 3 Pro、Claude 4.5 Sonnet和GPT-5.1在推理、长上下文理解和多模态能力方面显著提升，推动了复杂多agent架构的发展。