Thomas Dohmke 强调尽管 AI 工具在软件开发中日益普及，但保留手动编码技能仍然至关重要。Dohmke 指出，开发者需要具备修改 AI 生成代码的能力，以避免生产力问题。他描述了一种有效的开发流程，即 AI 工具生成代码并提交拉取请求，开发者随后利用其编程技能进行即时调整。Dohmke 警告说，过度依赖自动化工具会导致效率低下，例如在自然语言中花费过多时间解释简单更改，而不是直接编辑代码。他提到：“最糟糕的情况是试图用自然语言描述我已经知道如何用编程语言完成的任务。”

Dohmke 还讨论了 “vibe coding” 这一概念，这是由 OpenAI 联合创始人 Andrej Karpathy 提出的，用来描述过度依赖 AI 生成代码的现象。Dohmke 的观点与行业共识一致，即最有效的 AI 编码策略是将自动化与人类编程技能相结合。德勤的研究表明，开发者主要使用 AI 工具来完成特定任务，如编写样板代码，同时保持人工监督，这可以每天提高 10 到 20 分钟的生产力。研究还显示，大约一半的 AI 生成代码存在部分错误，这凸显了人类专业知识的持续需求。谷歌的经验也反映了这种混合模式，该公司报告称，其超过 25% 的代码现在由 AI 生成，但仍需要大量的人工审查和优化。这种平衡的方法反映了对 AI 在软件开发中能力和局限性的成熟理解，表明最成功的实现将是增强而非取代开发人员专业知识的方案。

AI 并非在消除编程工作，而是将开发者的角色从纯编码者转变为 AI 辅助开发流程的协调者。行业专家预测，开发者角色将分为两类：利用 AI 进行代码生成的产品工程师和确保软件系统质量和安全性的高级架构师。这种转变需要新的技能，专注于战略问题解决、有效指导 AI 和做出高级设计决策，而不是手动编写每一行代码。软件工程师的持续短缺，加上研究表明 AI 工具对初级开发人员特别有益，表明 AI 将有助于弥合人才缺口，同时为经验丰富的程序员创造新的机会。这种转变与软件开发中的历史模式一致，新的工具和抽象改变了开发人员的工作方式，但并未消除对人类智慧的需求。

“vibe coding” 这一新兴方法展示了 AI 生成代码的潜力和局限性，尤其是在初创企业和复杂项目中。虽然 AI 工具能够实现快速原型设计和与敏捷方法论一致的迭代开发，但也引发了对代码质量、安全漏洞和可维护性的重大担忧。真实案例已经揭示了过度依赖未经验证的 AI 生成代码的危险，尤其是那些可能不会立即显现的安全问题。对于初创企业来说，这种紧张关系尤为相关，因为非技术创始人可能难以使用主要由 AI 生成的代码构建可持续的复杂系统，可能会产生阻碍未来增长的技术债务。成熟科技公司的经验表明，成功的 AI 集成需要在自动化与严格的质量保证流程之间取得平衡，这一经验对于在 “vibe coding” 趋势中导航的小型组织来说可能至关重要。