真正的智能，不是让 AI 取代人，而是让人与 AI 各司其职。

在 AI 时代，最宝贵的不是会写代码的人，核心是知道要写什么代码、以及如何写出好代码，这样的人才拥有核心竞争力，才不会被淘汰。

大模型的 80 分危机

大模型在 vibe coding 领域明显表现出的超强起手特征。这种效率提升是革命性的，但瓶颈也随之而来。

它的瓶颈来自于大模型能轻易地将一个项目从 0 分做到 80 分，但从 80 分提升到 95 分以上的生产水准，却异常艰难。

我们会发现它擅长的快速生成基础代码框架、搭建网站原型、编写业务逻辑初稿，它拥有扎实的技术功底，却对业务背景和代码历史一无所知，所以评分却只能到达 80 分，而从 80 分到 95 分+ 是必要人去介入调优，而这一步却困难重重，需要大模型拥有基于现有信息去深入理解业务规则的能力、复杂的边界判定、性能优化、故障预案等，这不仅涉及到对现状的深入理解、还需要庞大的上下文支撑，同时需要人来引导大模型。核心是在于为 AI 提供精确的上下文信息。提供的背景越详实，AI 需要猜测的部分就越少。精确的上下文虽不能保证完全正确的结果，但模糊的上下文必然导致模糊的产出。

新角色：大模型善后工程师 - 人类专家

大模型能秒出框架，但框架之后的那片沼泽地，依然是需要人要去跋涉的。

人类专家的工作就是专门负责处理由大模型生成的 80 分代码，将其打磨至上线的专业标准。本质上，他们是连接大模型快速产出与专业交付标准之间的桥梁，是弥补大模型在处理复杂、高标准项目时能力短板的关键角色，这一定是未来趋势，需要我们去思考：大模型没有淘汰程序员，而是重新定义了开发工作流。80 分危机和大模型善后工程师的出现，正是技术演进过程中的自然调整。

本文链接：