如何在 AI 工具的加持下有意识培养出自己的肌肉记忆，形成比较好的品位，这对未来的每个人来说都是一个非常重要的课题，咱们后面针对这个话题接着聊。对此你有什么看法？

最近 Redis 之父 Antirez 写了篇博客，标题很直白："Don't fall into the anti-AIhype"（拥抱 AI 吧，不要陷入反 AI 的炒作）。

Antirez 博客：Don't fall into the anti-AI hype

里面有句话我印象特别深：

"Writing code yourself is no longer sensible, if not to have fun." （除了纯粹的乐趣，亲手写代码在逻辑上已经不再成立了。）

这话从 Antirez 嘴里说出来，分量是不一样的。这个人写了十几年 Redis，是那种对每一行 C 代码都有极致追求的程序员。连他都说手写代码没必要了，那这事基本上没什么好争的了。

但我觉得大家讨论的方向有点偏了。所有人都在聊"AI 会不会取代程序员"、"手写代码还有没有必要"，好像编程这件事的核心就是把代码敲出来一样。

实际上不是。

AI 真正杀死的，不是手写代码这个技能，而是在悄悄扼杀人的肌肉记忆。

从程序员的视角来看

这里说的肌肉记忆不是指打字速度，而是那种经过大量痛苦、挫折、反思后沉淀下来的直觉。

举个例子。你写过几年服务端的并发代码，踩过各种死锁、竞态条件的坑，改过半夜被叫起来修的线上事故。之后再看到类似的代码结构，你不需要跑一遍测试，甚至不需要仔细读完，就能闻到味道不对——"这里会有问题"。

这种东西不是知识，是条件反射。就像老司机开车，前面那辆车稍微晃了一下，他脚就已经搭到刹车上了。不需要思考，身体比脑子快。

编程里这种直觉太多了：

• 看到一个 API 设计，直觉告诉你"这个抽象层级不对，以后会改到崩溃"
• 看到一段数据库查询，第一反应是"这个上了量一定会慢"
• 拿到一个需求，脑子里立刻浮现三种方案，并且知道哪种坑最少

这些东西，都是用时间和痛苦换来的。

可惜了，这种东西很难去衡量，大家只愿意相信自己能看到的东西，比如 AI 写了个很酷炫的 UI，生成了一大堆能跑的代码，但殊不知，没有这种肌肉记忆，如果让你去用 vibe coding 做产品，你会被坑的体无完肤。

陷阱

2025 年下半年的数据已经很说明问题了。大约 1 万家创业公司尝试用 AI 全程搭建产品，其中超过 8000 家现在需要重建或者花钱请人来救，单个项目的修复成本在 5 万到 50 万美金之间。整个行业为 Vibe Coding 买单的总金额，估计在 4 亿到 40 亿美金。

参考链接: https://techstartups.com/2025/12/11/the-vibe-coding-delusion-why-thousands-of-startups-are-now-paying-the-price-for-ai-generated-technical-debt/

最典型的案例是 Tea 这个给女性用的约会安全 App。创始人不懂技术，把开发完全外包，上线后连续遭遇三次数据泄露——7.2 万张用户照片、驾照护照等证件、超过 100 万条私密对话全部暴露，总共发生了 10 起集体诉讼。

Tea App 数据泄露事件详情

参考链接: https://keiboarder.com/blog/the-tea-app-disaster-why-vibe-coding-your-way-to-production-is-a-recipe-for-catastrophe

你说这是 AI 的锅吗？不完全是。根本原因是整个链条上没有一个人有足够的肌肉记忆来感受到危险。没人看一眼数据库配置就知道"这样会裸奔"，没人看到认证流程就条件反射"这里得加一层"。

做这个产品的人没有这些 Taste，靠原始的感觉一路狂奔，结果 Vibe 出来了一堆烂摊子。这不是偶然，这是必然。

不是因为 AI 太蠢，而是一些重要节点的决策，你不能给 AI，AI 可以给你的解法太多了，它本质是个概率机器，下一步茫茫多的解法，到底应该选择哪个是最好的？这需要靠你的肌肉记忆，靠人的品味来决策。

一次典型对话

Antirez 自己就讲过一个特别好的例子。他在给 Redis 做向量数据库功能的时候，遇到了一个 HNSW 图结构的校验问题——节点之间的双向链接可能断裂，导致空指针漏洞。他需要一个高效的校验方案，朴素的 O(N²) 遍历对 2000 万条向量来说根本不现实。

他先问了 Gemini 2.5 Pro。AI 给的方案是什么？排序 + 二分查找。教科书上的标准答案。

然后 Antirez 自己开始"侧向思考"——先想到用哈希表做消除法，再一步步迭代到 XOR 累加器方案，最后配合 murmur-128 哈希和随机种子，把校验开销压到了几乎可以忽略不计。

有意思的是，他拿这个方案去跟 Gemini 讨论的时候，AI 反而指出了原始 XOR 方案的一个漏洞——指针结构相似可能导致误判。这个反馈帮助 Antirez 进一步完善了方案。

所以这个故事的重点不是"AI 不行"，而是创造性的方向是人给出的。 AI 能评估、能挑刺、能验证，但那个最初的"要不试试 XOR 消除？"的灵感火花，来自于 Antirez 几十年系统编程积累下来的直觉。他把随机化、哈希、XOR 自消除这几个看起来不相关的东西组合在了一起，这种跳跃不是沿着逻辑链推导出来的。

Antirez 自己的原话是："人类的创造力仍然有优势，我们能够真正跳出框架思考，而这对 LLM 来说极其困难。"

为什么困难？因为 AI 本质上是概率生成。它沿着最可能的路径往前走，给你"最合理"的方案。但真正精妙的解法，往往藏在那些看起来不太合理的岔路上。有经验的人能凭直觉拐进去，AI 很难做到。

蝴蝶效应

这里面还有一个更深层的问题。

在一个复杂系统里，早期的架构决策会产生蝴蝶效应。选错了技术栈、选错了数据模型、选错了通信方式，前三个月可能看不出差别，但半年后就是推倒重来和小修小补的区别。

这种决策，AI 给你的建议往往是"当前看起来最合理的"。但有经验的人会考虑"半年后、一年后、团队扩大到 20 人后，这个决策还hold得住吗"。

这种视角不是推理出来的，而是被现实教训出来的。 你只有亲手维护过一个烂架构，才会对"技术债"有肌肉级别的恐惧。

所以护城河到底在哪

回到最开始的问题。程序员的护城河，从来就不是"会写代码"。语法、框架、API 调用——这些 Skill 层面的东西，AI 已经完胜人类了，而且只会越来越强。

真正的护城河是：

你对复杂问题的直觉反应。

是你看到一个系统设计图，3 秒钟内就知道瓶颈在哪里的能力。是你听完一个需求，脑子里自动浮现出三个月后会出什么问题的能力。是你看到一段"看起来没问题"的代码，说不出具体原因但就是觉得不对劲的能力。

这些东西没法速成，没法从教程里学到，没法让 AI 替你积累。它们是你用无数个 debug 的迷茫时刻、无数次线上事故、无数次推翻重来换来的。

AI 可以帮你写代码，但它没办法帮你建立这种直觉。建立这种直觉恰恰需要你放弃对 AI 的重度依赖，去亲自把关细节。

所以别纠结"要不要学 AI 编程工具"这种问题了。工具谁都会用。真正该焦虑的是：你有没有在持续积累自己的肌肉记忆？还是已经开始把思考外包给 AI 了？

这才是这个时代最值得警惕的事。

如何在 AI 工具的加持下有意识培养出自己的肌肉记忆，形成比较好的品位，这对未来的每个人来说都是一个非常重要的课题，咱们后面针对这个话题接着聊。对此你有什么看法？