"有手就行"幻觉：AI红利为什么让更多人更焦虑了

斯坦福这门课"现代软件开发者"Vibe Coding课程，在课程表曝光后，很多人失望了：

prompt engineering、

context engineering、

代码审查、

安全攻防

—— 全是硬课。

不是"不用学"，是"换了一种学"。

Stanford Vibe Coding课程：不是不用学，是换了一种学

当斯坦福这样的顶级院校都在教你怎么和AI一起写代码，而不是教你放弃代码，行业正在揭示一个被忽视的真相：

AI降低了编程的门槛，

但提高了"做好"的门槛。

有人在GitHub上提交了一个12万行的代码：

大部分是AI生成的说明文档和测试代码，实际代码只有一点点。

维护者说这是浪费时间，甚至可能有危害。

这个故事在硅谷技术圈引发讨论：

当所有人都在说"AI让编程变得人人可及"，真相是：

能做出一个东西和做出一个有意义的东西，是两件事。

当"做出来"变得没有门槛，

"做好"的稀缺性反而更高了。

128K行PR：大部分是AI生成的文档

"有手就行"不是能力的解放，

是判断力的竞争

当所有人都在说"AI让编程变得人人可及"的时候，真正的从业者却沉默了

因为他们知道：AI降低了"做出来"的门槛，但"做好"的门槛反而更高了。

这是关于判断力稀缺的故事。

就像健身软件让你在家就能锻炼，但健美冠军还是只有那么几个

工具解放了你的手脚，但回答不了关键问题：

你真的知道自己想要什么身材吗？

AI编程：期望与现实的差距

群里有个问题在反复发酵：

"有手就行"这件事，到底害了多少人？

01 一个观察

群友说了一句话：

"因为用了AI，再也不用痛苦地自己做了，所以感觉到是'有手就行'。"

这句话撕开了一个口子。

群里瞬间安静了一下，然后炸开。

有人觉得他在凡尔赛

"你都做出了真实用户在使用的产品了，还说'有手就行'？"

但他马上补了一句：

"知道自己要问什么问题，在什么地方判断。很多新入行的PM，可能都不知道完整的软件开发流程是什么，肯定无从入手。"

这句话才是真正的重点。

AI让你能做，但不一定让你知道自己在做什么。

Vibe Coding的产出质量高度依赖Prompt质量，而Prompt质量取决于人类对任务的清晰度。

当Prompt模糊时，AI会按最常见的路径走，结果可能偏离目标。

这解释了为什么"有手就行"是幻觉：

能做出来，但未必是你想要的。

02 那些真的"做出来了"的人

说"有手就行"的人，往往是还没被现实打过的人。

系统性学习过AI编程的学员不一样。

他是真刀真枪干过的：快手直播小程序、腾讯文档小程序，有真实用户在用的产品。

但他同时承认：

他把以前很多年的相关工作经验都忽略掉了，其实这个才是最重要的。

这不是谦虚，这是事实。

他把经验带进去了，所以 AI 的产出是有效的。

其他人把经验丢掉了，只留下"让 AI 帮我做"的期待，最后做出来的只能是"看起来像 demo 的东西"。

做出demo和持续收到钱，是两件完全不同的事。

03 知识断层在哪里

群里还讨论了一个很现实的问题：

为什么同样的 AI 工具，有人能做出商业产品，有人只能做出"看起来像 demo 的东西"？

答案：经验。

不是 AI 工具的差异，不是 prompt 技巧的差异，而是使用者本身的经验积累差异。

一个做 AI 生视频的群友说得更直接：

"因为根本不理解这些参数出来到底什么效果，不同的镜头语言是如何叙事的。"

她说的是 AI 生视频，但逻辑放之四海皆准：

工具给你结果，不给你判断力。

多Agent协作：判断力是真正的瓶颈

多Agent协作的核心约束是"可以并行思考，但只能串行写入"。

当AI帮你做了一切，你反而需要更强的判断力来协调不同Agent的输出。

这与Vibe Coding的判断力瓶颈类似

04 Mixlab群里的"AI产品经理"

某天，有人分享了一个招聘 JD，里面写着：

• 日均 Claude Code/Codex Token 消耗量 > 30M
• 端到端独立交付能力：不依赖产品/工程/设计的协作链条
• 加分项：日均 Token 消耗 > 100M

群里炸了。

群友开始算账：

100M/day 用 GPT-5.5 跑，保守也是几百美元一天，正常混合很容易到 750–1000/天，输出多的话能到

然后有人问：

那这样的产品经理，月薪多少？

答：100K 起步，底线是年薪 100W。

这个数字的逻辑是什么？

你不是在为"会用 AI"付钱，

你是在为"知道 AI 做出的是什么、值不值得投"付钱。

还有人回复：不是学编程，是学'让AI替你编程'，下一个升职的HR，一定是会用AI的那一个，和老板聊AI你有底气。

这句话揭示了AI编程时代的核心转变，不是学习编程技能，而是学习如何指挥AI执行编程任务。

但问题是：你得先知道指挥什么。

05 "免费分享"为什么在国内失效

讨论到互联网文化的时候，有人提了一个有意思的问题：

为什么美国的科技圈愿意免费分享，但国内不行？

群里有个分析：

"美国大佬为什么乐意分享，是因为他们有个机制，互相拥有股权，大家好才是真的好。零元互相拥有股权。"

国内 copy 的时候，只学了形式，没学机制。

分享的人没有得到持续的正反馈，所以不愿意继续分享。

这是一个结构问题。

想让人们愿意分享，要么给他们股权，要么给他们持续的收入。

什么都没有，期望大家无偿贡献，不现实。

06 群体焦虑的根源

群友说了一段很真实的话：

"多数人都极度抑郁和焦灼，感到已经要被世界淘汰，产生不了任何社会价值，自己也失去市场标价资格，并且以后赚钱也变得很困难。"

这不是某一个人，这是整整一代人。

AI 明明带来了红利，但为什么很多人反而更焦虑了？

因为红利属于快速拥抱变化的人，而大多数人的学习速度跟不上变化速度。

还有人说：

可能需要每3月重构一下自己。

这是他的生存之道，但也从侧面说明了这个时代的节奏：

慢一点都不行。

最后

AI让你觉得"有手就行"，但它也在悄悄掩盖一个事实：你的"手"，可能只是最浅层的那双手。

真正的区分，不在于会不会用 AI，而在于：

• 你知不知道自己要做什么？
• 你有没有判断 AI 输出质量的能力？
• 你能不能把 demo 变成持续的现金流？

这三个问题，AI都回答不了。

AI降低的是执行成本，但提高的是判断力的价值。

而判断力，恰恰是需要时间来沉淀的东西。

如果你也在思考AI时代的核心竞争力，欢迎加入MixLab无界社区。我们是最先触达未来的那一小部份人，群体智慧大概就是来的。