如果你稍微了解科技圈，最近大概会被一串新词包围：AIGC、提示词、智能体，还有——Vibe Coding。这些词听起来时髦，也容易让人焦虑。它们仿佛在暗示：不会点新东西，就已经落后了。可 Vibe Coding 真正打动我的地方，并不在于又多了一个黑话，而在于它把写程序这件事，使之成为人人皆可行动的简单方式。它的意义在于，你不必先精通全部语法与工程细节，也能让程序逐渐「听懂你的感觉」：你要怎样的界面气质，怎样的使用节奏，怎样的结果才算对。这种半信半疑，本身就很值得认真对待。因为它既不像彻底的神话，也不像无关痛痒的营销词，而更像一种正在发生的工作方式转移。
如果你学的是中文、历史、设计、音乐、戏剧或美术等文科专业，或许你的第一反应不是兴奋，而是尴尬，甚至惶恐不安。一边，是传统课堂仍然要求你写论文、做创作、完成扎实的专业训练；另一边，科技圈不断推送「一句话做出完整产品」的叙事。你既怕自己落后，又怕被口号带着跑。既隐约觉得机会来了，又担心这不过是一场与自己无关的热闹。这种分裂感，其实非常真实。文科训练强调判断、表达、审美与问题意识，可当外部世界不断用“会不会做系统”来重新定义能力时，人很容易陷入自我怀疑。
作为一个艺术学专业的博士新生，在过去一段时间里，我一直关注 AI 的发展，对 Vibe Coding 并不感到陌生。我只有较为初级的代码基础，却借助 AI 重新架构了几乎所有已有工作流：阅读、整理、写作辅助、学术管理，乃至把模糊需求做成可运行的小工具。
我目前可以断言：无论学科专业，不能掌握 AI 的人，将会被社会与时代甩在后面。而在 AI 时代，重复性的技能训练，以及把复杂计算机编程视为人人必经之途的旧想象，都不再是放之四海而皆准的「硬通货」。仅从这一点看，AI 对文科生反而是重要机遇。因为文科生擅长的问题定义、文本敏感、审美判断与意义解释，恰恰是驾驭 AI 时最稀缺的能力。Vibe Coding 不是让文科生去冒充工程师，而是让表达欲、研究欲和创作欲，第一次更容易长成可被他人体验的实际系统。
一、Vibe Coding是什么？
先对 Vibe Coding 作一简要介绍。「Vibe」不是玄学，更接近你对作品风格的整体把握：它要看起来怎样、用起来怎样、读起来怎样，最后落成一种可被感知的气质。「Coding」仍是写程序，但重点已经从“亲手敲出每一行语法”，转向用意图、例子和反馈，驱动机器生成并迭代可运行的结果。
因此，Vibe Coding 的本质是一种低门槛、意图驱动的人机协作：你负责提出目标与评价标准，AI 负责提供候选实现，你再决定保留、推翻或重写。它看起来像在聊天写软件，真正起作用的却不是聊天本身，而是你能否把模糊感觉翻译成可执行的约束。比如你说「界面干净一点」，AI 可能给你极简，也可能给你空。若是补上「信息密度要高、不要营销风、列表优先、颜色克制」，结果才会开始靠近你脑子里的那张图。
它和传统路径不同。过去新手常被卡在报错、环境配置、依赖安装这些问题，好像还没开始表达，就已经在和工具搏斗。现在门槛下降了，卡点也转移了：你更常被卡在描述是否清楚、需求是否自洽、审美是否稳定、验收标准是否说得出口。你会发现，最难的往往不是「怎么写一段函数」，而是「我到底要什么，不要什么，做到哪一步算完成」。
当然，这并不等于不会编程也无所谓。恰恰相反，读得懂一点结构、知道变量与状态大概是什么、能看懂报错方向、明白前后端大致如何分工，仍然会显著提高你的控制力。AI 可以加速实现，却不能替代判断。你若完全看不懂它在改什么，就很容易陷入一种表面热闹。
一个生活化的类比是摄影。会按快门的人未必懂镜头参数，也未必不能拍出好照片。但懂一点光圈、构图、焦段、后期的人，更容易把想要的感觉落到成片上。他知道为什么这张图显得脏，为什么背景抢戏，为什么情绪没有到位。Vibe Coding 类似后者，你不必先成为职业摄影师，但最好知道光从哪来。
所以，对文科与艺术科朋友，Vibe Coding 不是通往程序员职称的捷径，而是一种新的表达媒介：让想法更快变成可被他人体验的互动对象。以前，很多构想只能停在提纲、情绪板、演示文稿或口头描述里。现在，它们有机会长成真正能点、能搜、能保存、能迭代的小工具。关键不在于你是否会写代码，而在于你是否拥有明确的问题意识、稳定的审美，以及对使用体验的敏感。
二、我的Vibe Coding实践之一：Article-Tool
在今年的 6、7 月份，我逐渐完善了我的学术软件 Article-Tool。这个软件的主体代码由我与 AI 共同完成，但是当我搭建主体以后，后续的迭代更新工作量至少有 80% 为 AI 所完成。Article-Tool 最初并不是为了验证 Vibe Coding 而存在的，它更直接地来自我自己的学术阅读需求：学术论文、期刊、会议、项目等最好能在同一套流程里完成，而不是散落在浏览器标签、文件夹和临时备忘之间。传统工具各有长处，可一旦进入个人工作流，总会出现缝隙。你需要的往往不是「功能最多」，而是「足够贴合自己的工作流」。于是我开始想，能不能自己做一版更听话的工具。
主体搭建阶段，人和 AI 的分工还比较均衡。我负责提出问题框架：软件要解决什么、首页先呈现什么、一篇文献打开后用户最需要看见哪些信息、哪些操作必须一眼可及。AI 负责把这些意图迅速变成可运行的页面、组件和基础逻辑。这个阶段很像搭骨架。骨架一旦歪了，后面所有装修都会别扭；因此我花了不少时间确认结构，而不是一味催促再多做几个功能。
真正让我感到 Vibe Coding 力量的，是主体完成之后的持续迭代。软件一旦能用，需求不会减少，只会变得更细。按钮位置不顺手，要改；列表信息过载，要收；某次导入失败，要查；响应速度慢了，要优；搜索结果不准，要调；一个小交互在浅色模式下正常，到深色模式却显得脏，也要修。这些事情单独看都不算宏大，合在一起却构成软件从「能跑」到「好用」的大部分路程。
Vibe Coding 在这里显现出一种很实际的价值：它让个人开发者有能力维持「持续打磨」。过去，很多个人项目死在第一版之后。不是因为想法不好，而是因为后续修改太耗时，热情会被琐碎击穿。有了 AI 之后，小步迭代变得可承受了。你当天发现一个别扭，当天就有机会改掉；你连续一周使用，就能连续一周把摩擦点磨平。软件像一篇文章，开始有了修改的密度。
如果把这件事说得更大一点，Vibe Coding 改变的也许不只是写代码的方式，而是个人能否把复杂想法做成可用对象的方式。它让更多非工程背景的人，有机会参与软件的塑造。也让本来会做研究、做编辑、做设计的人，多了一种把方法固化成工具的路径。对文科与艺术科而言，这尤其重要。因为很多知识工作的困难，不在于没有想法，而在于想法难以被稳定地工具化。
如软件所示，我在这个软件里接入了大量 AI 功能。它们不是装饰性的标签，而是直接嵌进我日常最费时的几件事里：读期刊、想题目、选期刊、管投稿、盯进度。过去这些环节彼此割裂，现在被收进同一套本地工具中，于是学术工作第一次有了连续感。
目前，AI 已经能够帮助我迅速理清某个期刊的审稿取向，并生成较有创新性的选题参考。这听起来像一句功能介绍，实际体感却非常具体。以前我要了解一本期刊，往往得自己翻过往目录、摘要、栏目设置，再凭经验判断它偏好理论建构还是经验研究，喜欢宏观议题还是微观切口，对方法创新敏感还是对现实问题敏感。这个过程慢，而且很容易停留在模糊印象上。现在，我可以把期刊信息放进系统里，让 AI 先帮我做一层结构化阅读：它关注什么问题，反复出现哪些主题，近期稿件呈现出怎样的方法偏好，哪些方向已经拥挤，哪些空隙仍值得进入。我仍然会自己判断，但起点不再是一片空白，而是一份可讨论、可修正的研究地图。
选题环节也因此变了。过去想题目，常常依赖灵感、阅读积累和偶然碰撞。现在 AI 能在已有文献、期刊取向和个人研究兴趣之间做交叉提示，生成一批并不只是换个说法的题目草案。当然，真正有价值的题目仍然需要人来筛。AI 的意义不在于替你决定研究什么，而在于把你从完全没有思路的状态里拉出来，让你更快进入比较、否定、收束和深化。对学术工作来说，这种加速非常关键，因为很多时间并不是花在写作本身，而是花在迟迟进不了状态。
与此同时，我的投稿稿件能够自动在期刊库里进行索引，寻找适合的期刊。这解决的是另一个长期痛点：稿子写出来以后，不知道该投哪里，或者凭感觉投了并不匹配的地方。匹配不只看主题是否相近，还涉及期刊层级、栏目契合度、方法兼容性、近期相似文章是否过多、自身稿件完成度是否足够。把稿件与期刊库接通之后，选择不再只靠记忆和口耳相传，而变成一次可检索、可比较的决策。
更重要的是，这些能力没有停留在单点功能上。结合软件内置的日程，以及不同库之间的联动，我能够十分方便、直观地查看自己的学术成果情况，并推进投稿、返修等流程。一篇文章从构思、写作、投稿、审稿、返修到最终结果，本来就是长链条。过去这条链条散落在不同地方，而现在期刊库、稿件库、成果记录和日程可以被放在同一视野中查看。哪篇文章在投，哪本期刊在等，哪次返修还剩几天，哪一项成果已经完成、哪一项还只是半成品，都变得可见。
而我原来的做法呢？虽然我之前有意识地用 Anytype 进行学术期刊整理，但并不好用，更几乎没有真正可用的 AI 支持。Anytype 的问题不在于它完全不能用，而在于它对我的学术场景始终隔了一层。它更像一个灵活的个人知识库，却不够像一套围绕「期刊—稿件—进度—成果」展开的工作台。结构要自己搭，关键动作之间缺少顺滑联动。整理本身就很耗时间，整理完却不一定能反过来提高投稿效率。于是，工具渐渐变成另一个需要维护的系统，而不是替你承担复杂性的系统。
投稿流程更是如此。我把它们放在 Xmind 里，每一篇论文对应一个 Xmind 文件。初看很清晰，时间一长就露出疲态。文件越来越多，状态越来越碎，打开某个思维导图才能想起这篇稿子现在卡在哪一步。想做整体复盘时，又得自己在多个文件之间跳。返修意见、期刊反馈、版本变化、下一步动作，很难形成统一视图。更麻烦的是，这些信息无法和期刊库、成果库自动发生关系。
可以说，我原来的学术文件是杂乱无章的状态。不是我完全没有方法，而是方法停在尽力手工维持秩序。我找遍全网，也找不到真正合适的软件：要么偏文献管理，不管投稿；要么偏笔记，不管期刊匹配；要么有一点 AI，却接不进我自己的库和流程。工具很多，工作流却始终断着。
直到我借助 AI，自己造了一辆车──而不是只做一个轮子。这个区别很重要。轮子是单点能力，比如某个摘要插件、某个期刊列表、某个待办模板，车才是能把人从一处送到另一处的完整交通工具。Article-Tool 对我而言，正是把期刊理解、选题启发、稿件匹配、日程管理、成果总览和流程推进装进同一套本地系统。它不必完美，但必须闭环。因为学术效率真正被放大的地方，往往不在某一个功能有多炫，而在于你少做了多少次来回搬运、反复查找和凭记忆拼接。
毫不夸张地说，我的学术效率，至少是以前的几十倍。这不是说写作会自动变好，也不是说研究思考可以被按钮替代，而是那些曾经吞噬大量时间的中介成本被压缩了。了解期刊更快，选题进入状态更快，选刊更有依据，进度更不容易丢，返修更不容易靠焦虑驱动。
三、我的Vibe Coding实践之二：RSS阅读器自用版
在过去两年，有一个 RSS 阅读器十分流行：Follow，后来改名 Folo。我是这个阅读器的忠实用户。尤其是它支持的 AI 总结、自动翻译英文等功能，很是方便。一篇本来需要花十几分钟啃完的英文长文，打开后先看摘要，再决定要不要深入。遇到不熟悉的术语，也不必立刻切到浏览器里查词典。对习惯用信息流追踪科技、学术、YouTube 和博客更新的人来说，这种先浏览，再阅读的体验，会节省大量阅读时间。
但我后来还是离开了它。原因很简单：收费政策。Folo 的功能很好，可价格对学生并不友好。我不是不认可软件收费，也不是默认一切都该免费。只是当订阅费用已经高到会明显挤压日常开销时，我不得不重新权衡：这份便利，值不值得我每月持续买单。答案最终是否定的。于是我放弃了 Folo，转投 Reeder 等阅读软件。
Reeder 很干净，阅读体验也成熟。界面克制，列表清晰，本地感更强，打开后不会被一堆社交化、商业化的元素打扰。可问题也很快暴露出来：Folo 最让我离不开的那些能力，Reeder 并不支持。没有顺手的 AI 摘要，没有稳定顺滑的英文翻译，也没有那种打开文章就能快速判断值不值得读的节奏。我仿佛退回了更传统的 RSS 时代：信息能收进来，但理解成本重新回到自己身上。
那一段时间，我反复在两边摇摆。一边是功能强大却十分昂贵的 Folo，一边是体验克制却缺少智能辅助的传统阅读器。我开始意识到，自己真正需要的不是某个品牌，而是一套工作流：订阅源尽量本地可控，阅读界面尽量干净，摘要和翻译尽量快，隐私和成本尽量可控。换句话说，我要的是一台真正为自己服务的个人资讯终端。
AI 为我提供了解决方案。Folo 在 GitHub 上有前端开源代码。基于这套前端，我借助 AI 做了本地自用改造：重建后端，把 AI 摘要、翻译和 RSS 刷新流程都收回本地。本地后端重建之后，最直观的变化是归属感。订阅源、文章状态、已读未读、分组信息，都不再需要围绕官方账号体系运转。
刷新 RSS 时，我能看到每个源是成功、失败，还是暂时没有新内容。失败时也不再只是一个模糊提示，而能具体知道是网络问题、源站异常，还是某个平台限制。对自用系统来说，这种可解释性非常重要。因为你不是在使用一个黑盒产品，而是在维护一套自己的信息基础设施。本地自用的好处在于，你可以为自己的订阅结构做特化，而不必等待官方产品排期。
当然，本地化不是无代价的。本地方案换来的是控制权，也换来了维护成本。你要自己处理依赖、构建、打包、接口异常、模型配置、翻译密钥、源站风控。有些问题官方可能早就在云端消化掉了，到了本地都会重新变成你的问题。所以我从不把这套改造理解成「完胜官方」，它更像一种交换：用时间和耐心，换回自主与可持续。
所以，这次实践本质上不是一份完整的商业替代方案，而是一段很个人的技术实践：在价格把我挡在门外之后，我如何借开源前端与 AI 协作，把曾经喜欢的阅读体验，一点一点搬回自己的电脑。它不完美，需要维护，也随时可能出问题。但它属于我，按我的预算、我的习惯、我的节奏工作。对一个长期和信息流打交道的人来说，这种掌控感，本身就已经值回许多订阅费。
四、AI时代，每个人都要学会Vibe Coding
在我看来，Vibe Coding 是扩展边界的支架，而不是自动完成的终点。维果茨基谈过「最近发展区」，人在恰当支持下，能完成独自难以完成的事。AI 可以充当这种支持。支架的意义在于让你够到更高的表达形式，而这是文科朋友必须要掌握的技能。
但也不必过度焦虑，这并非自我安慰，而是重新分工：把可加速的交给AI，把必须负责的留在自己手里。也可以换一种更日常的理解：Vibe Coding 像请了一位速度极快、但审美尚需磨合的助理。助理能铺路，不能替你决定路要通向哪里。
AI 时代的文科与艺术，未必更脆弱，反而可能更需要回到自己最强的地方：感受力、解释力、批判力与把意义说圆的能力，Vibe Coding 只是把这些能力接上新的手。手伸出去，不一定会发生天翻地覆的变化，但你至少不再只站在远处讨论浪潮。你在浪里，做一件小而认真的东西。这对个人而言，已经是一种扎实的未来。而所谓意义，往往就在这扎实里缓慢显现。
