最近忙里偷闲，赶了一场TGO杭州分会的AI技术大会，主题正是今年大热的Vibe Coding——氛围编程。从主会场到闭门会，几位老师的观点颇有些启发，认知上也刷新了不少。索性这篇就沿用大会的主题，聊聊Vibe Coding时代的新创业者。下面把印象最深的几个点拆开来说说。
同质化严重的AI Coding工具
印象最深的第一件事，来自各类AI编码工具。如果选国内厂商的产品，现在用得最多的无非是阿里系（通义灵码与Qoder）和字节系（Trae）。2025年这两家在产品打磨和推广上确实下了血本。但如果把时间线拉长，从AI编程工具的发展史来看，本质上都是在抄——先抄GitHub Copilot，再抄Cursor，最近又开始抄Claude Code……一个典型感受是：Claude Code刚出CLI模式，国内厂商立刻跟上，还真没见过有谁比它们更早主打CLI模式的。
而对于早期入局的程序员来说，大多数人的习惯依然很顽固：该用Cursor的继续用Cursor，该用V0、Claude Code的也还在用。只要价格和政策上没问题，轻易不会切换。
不过下午闭门会上有个分享让我眼前一亮——他们后端开发主打用的是开源的Continue。这是我第一次听到有外部团队主动提到主流之外的AI编程IDE。早在2024年初这个产品刚出来时，我就一直在关注并在某些场景下使用，它解决了一个很现实的问题：如果你的公司对信息安全要求极其严格（尤其是那些国字号企业），根本不允许使用AI辅助编码工具，因为存在信息泄露风险。厂商都宣称代码不会被用于训练模型，但谁真信呢？而Continue完全可以在本机私有化部署，接入内网部署的私有编码大模型。只要算力足够，部署一些好的编码大模型，辅助效果也相当不错。信息安全要求高的团队，可以认真考虑一下Continue。
地址：https://github.com/continuedev/continue
另外还有一组值得关注的数据：
- 2023年：AI编码以辅助编程为主（代码补全、NES），提升效率约30%。
- 2024年：AI编码以协同编程为主，AI与程序员的工作量基本五五开，提升效率约30%～100%。
- 2025年：AI编程以研发任务委派、AI自主编程为主，得益于Agent模式的快速发展，提升效率100%（某些场景甚至达到400%）。今年尤其能感受到——AI已经可以完成80%的工作任务，Vibe Coding功不可没。
会上还有嘉宾分享了另一个不错的AI编码工具：shareai-lab/kode，感兴趣的话可以试试。
遍地都是黄金的时代：To I
这是宜博老师在会上提出的观点，结合近两年做AI的体感，确实就是这回事。用他PPT里的原话说：遍地都是黄金的时代：To I（Intelligence & Industry），每一个行业都有产业Agentic End2End的机会。
我们自己的业务里，有些是给企业做AI咨询和解决方案落地，其中不乏国字号背景的客户，情况完全吻合。目前Agent技术的发展也就到那个程度，但一旦结合各产业、行业和具体细分场景的数据，想把Agentic做好，谈何容易。未来几年最大的机会，很可能就是给各垂直领域做Agentic，去重塑数字化，做数智化转型。
从实践角度看，企业可以考虑：先找一个行业领域，盯住一家企业，拿到数据，深入业务，打造一个更加垂类的智能体。然后把这些智能体系统化，建立连接，从点、线、面、网依次递进。场景多了、智能体能力逐渐泛化、通用性越来越高，竞争力自然就出来了——最终打磨出符合行业某些标准的垂类智能体。
公司规模越来越小，产品依然具备竞争力
这是这次会议更直观的感受。很多公司就3到5个人，人不多，但产能极高，产品迭代速度飞快，做出来的东西也很有竞争力——有场景、有市场、有潜力，用户量和营收也达到了一定规模。那些大公司不屑于发力去做的领域，或者大厂投入有限做出的平庸产品，恰恰是我们的机会。我们可能没钱搞模型，但完全有能力搞好基于模型之上的应用。
得益于各领域AI工具的快速发展和Vibe Coding，让多个AI工具和智能体同时为我们打工，产能提升的倍数已经很难量化。未来，一人公司或许会有，但不会太多，多半是自由职业者。可以确定的是，5人以内的小公司会越来越多。模型发展和各大厂的钞能力也许会干掉一些，但创业风险越来越小，代价越来越低，轻量级公司掉头也更容易。
想想看，未来会有更多有梦想、有想法的人，几个人就能把想法具象化——这真是令人兴奋的事。选对工具、会用工具、用好工具、有想法、执行力强，这些条件加在一起，成功的概率就相当大了。
Vibe Coding带来的屎山代码
这个话题怎么说呢——Vibe Coding带来屎山代码，几乎是不可避免的。有些人抵触用AI编码的Agent模式，原因也在这里。包括我自己，喜欢写出来的代码自己可控，所以用Agent模式生成代码时非常谨慎，大多数时候能不用就不用，更倾向于“小步快跑”的方式。对于不懂编程的人没话说——屎山代码你也看不出来，反正最终看效果就行。但对于程序员，尤其是老一辈或对代码有洁癖、有高要求的人来说，简直不能接受。
通过会上嘉宾的经验分享，以及实际项目中的体会，得出的结论是：多加限制。你一定要有自己的想法，并且把想法更细致地转化为Prompt里各种条条框框的限制，别嫌麻烦。这样才能确保生成的代码尽可能可控。虽然前期花时间准备大量文字、关联很多内容才能形成Prompt，但这能大幅降低屎山代码的生成概率。
会上还有很多启发，尤其是“AI时代下研发组织管理的变革与应对”这个话题，内容很有趣，下次再单独展开聊吧。
