从创客运动到氛围编程：AI编程热浪下的历史重演

1. 两个画面之间隔了十年，剧本却几乎一模一样

2013年深秋，创客运动正处在最带感的年份。我第一次站在某地的创客空间展台前，有人用Arduino做了一盏跟着音乐节奏闪光的灯，有人用3D打印机打了一堆恐龙骨架，还有人把树莓派塞进一台旧显像管电视里跑红白机模拟器。整个房间的空气里都浮动着一种“什么都能造”的兴奋。我印象最深的是一个自动浇花器：一个土壤湿度传感器、一个小水泵、一块面包板，代码加起来不到两百行，但它体现出的那种“普通人也能做出有形物品”的冲击力，让我回去就下单了一块Arduino Uno，从此入了硬件的坑。

2025年春天，一个朋友打开他的AI编程工具，用自然语言说了一句“帮我写一个能上传Excel并生成统计图表的内网小工具”，几秒钟之后，一个能跑的网页应用出现在我眼前。他又噼里啪啦补了几个需求，AI继续改，从头到尾他几乎没有把目光落到代码上。他管这个叫vibe coding，氛围编程。我看着他演示，脑子里闪回的是十年前那个自动浇花器——不是嘲讽，而是强烈的既视感：这个场景我见过，连该有的疑惑都一模一样。

我想认真把这些年来的观察整理成一篇长文。它不是什么预言，也不打算唱衰氛围编程，而是想回答一个问题：创客运动从爆发、狂热，到幻灭、沉淀的完整轨迹，到底能告诉正在这波AI编程热潮里冲浪的人什么。它适合正在用AI大量写代码的人，也适合还在观望的工程师，更适合跟我一样经历过“创客热”、最后冷静下来的人——你很快会发现，历史不是在重演，是在重播，而且连滤镜都没换。

2. 创客运动的三部曲：爆发、幻灭、沉淀是怎么走完的

2.1 爆发阶段：门槛断崖式下降带来的集体兴奋

复盘创客运动，不能只谈情怀，要先看工具价格曲线。2005年Arduino出现之前，想做一点和硬件相关的东西，意味着你要懂单片机选型、要会看数据手册、要会用面包板搭建电路、要会C语言，还得有一块几百上千元的开发板。这一连串条件把大多数普通人挡在门外。而Arduino的意义不是它性能多强，而是它把“和硬件打交道”这件事的门槛砍掉了一大截：几十块钱买块板子，USB一插，IDE一开，抄个示例代码改两行，LED就亮了。

随后树莓派把“卡片电脑”压到35美元，3D打印机又借着RepRap项目从万元级别跌进千元档。每一个节点的共性非常清晰：不是某个技术天才发明了革命性产品，而是一组原本昂贵、专业、封闭的工具，突然变得便宜、简单、开放。这和今天大模型让“写程序”这件事变得廉价、简单、开放，逻辑如出一辙。

门槛一降，人群就涌进来了。2012到2015年这段时间，创客空间在各大城市冒出来，Maker Faire从小型集会变成万人规模，Kickstarter上的硬件众筹项目一个接一个刷纪录。我身边那些原本和硬件毫无交集的朋友，开始讨论用树莓派搭NAS、用3D打印机给家里打印收纳盒、用舵机和传感器给猫做一个自动喂食器。当时的主流叙事是“硬件是新的软件”“每个人都是创客”，听起来和今天“每个人都能成为开发者”的说法，是不是很像？

但那段集体兴奋里已经埋下了后来幻灭的种子。大多数人涌入的原因不是真的想解决问题，而是“我终于也能玩了”。工具带来的新鲜感会在三个月内耗尽，而真正的创造需要耐心和专业知识，这不因门槛降低而自动产生。

2.2 幻灭阶段：积灰的3D打印机与“做出来，然后呢？”

创客圈的所谓“幻灭”，不是一夜之间发生的，而是像温水煮青蛙一样，从几个琐碎的事实里慢慢浮出水面。

第一个事实是“创客式困境”。我在2015年整理房间时，发现自己攒了一块Arduino Uno、两块Pro Mini、一个树莓派2B、一排几乎没用过的传感器：超声波、红外、人体感应、温湿度模块，还有一卷用了一半的焊锡丝。真正完成的项目只有那个自动浇花器，和一台自己装的3D打印机——这俩后期也都在吃灰。这不是我一个人的情况。网上讨论“maker's dilemma”的帖子越来越多，大家不约而同地承认：买工具、逛社区、收藏教程消耗的热情，远大于真正完成一件作品。收藏夹里存了30个项目，动手做完的不到3个，这句自嘲概括了绝大多数人的状态。

第二个事实是3D打印机的“家具化失败”。那时候很多人以为3D打印机进入家庭像打印机进入书房一样自然，结果发现打印一个卡扣要调平半小时，打出来的花瓶要么翘边、要么拉丝，打印速度慢得像挤牙膏，材料还要防潮。于是大量打印机被盖上了防尘布。后来回想，3D打印机今天在工业、牙科、珠宝、手办领域活得很好，恰恰是因为它没有成为“家庭电器”，而是退回专业场景深耕。

第三个事实是“做出来，然后呢？”这个灵魂拷问。创客展会上有大量“看起来很酷但说不清有什么用”的展品：会跟着手势动的机械臂、用Kinect体感控制的灯带、自动翻页的电子乐谱架。当你问创作者“这东西打算给谁用、可靠性如何、坏了谁修”时，对话基本就结束了。原型和产品之间的那条河，创客运动始终没能填平。这也直接导致了一批硬件众筹的翻车：筹到钱的智能硬件团队，倒在量产良率、认证成本、售后体系面前的不计其数。当时的媒体喜欢用“X%的众筹硬件跳票”来煽动情绪，但在我看来，跳票只是结果，原因是很多人把“我做了个能跑的样机”误当成了“我能做一款产品”。

2.3 沉淀阶段：留下来的不是“运动”，是具体的人和事

创客运动并没有“失败”，它只是退潮了。退潮后留在沙滩上的，不是口号，而是一群认真的人和一些扎实的事。

留下来的人大致分三类。第一类是把它当敲门砖的工程师。我认识的几个硬件工程师，入行起点就是Arduino玩出来的兴趣，后来补了模电数电、PCB设计，去了正经的电子公司。对他们来说，创客社区只是职业入门训练场，运动退不褪潮不影响他们的路径。第二类是把它当生意的创业者。Prusa这名字就是例子——从RepRap开源机型里长成全球出货量领先的3D打印机品牌，靠的是对质量和社区运营的持续投入，而不是蹭热潮。第三类是把它当教育工具的老师和家长。创客教育最终以“STEAM”“信息科技课”的形式扎根进学校，虽然比“人人都是创客”的愿景窄得多，但影响面更稳定。

更深远的变化是无形的：创客文化里的“自己动手、拆解再组装”的思维方式，被吸收进了企业研发、开源硬件供应链、创投对硬件赛道的判断框架里。运动的核心是“一波热烈的集体兴奋”，而沉淀下来的是“一套能力的扩散”。这个区别非常关键，它是我观察氛围编程时最重要的参照系。

3. 氛围编程正在逐帧重播这段历史

3.1 狂欢期的信号，和十年前几乎同款

如果把氛围编程当前的进展和创客运动的爆发阶段并排比较，信号高度重合。

首先是对“门槛下降”的极致渲染。AI编程工具把“把你的想法翻译成代码”这件事变得几乎无成本，于是大量非程序员涌入。这条时间线上有几个标志性节点：有人在社交平台上发布了“我让AI帮我写了个xxx”的流水账，几小时内获得巨量转发；各种AI应用生成器承诺“一句话生成一个应用”；教人“不用学编程也能做软件”的课程满天飞。“软件正在吞噬世界，现在AI让不懂软件的人也能制造软件”成了新一轮的流行话术。

其次是资本和媒体的加速器。AI编程工具公司融资一轮比一轮夸张，估值涨幅堪比2013年前后的智能硬件赛道；每个平台都在推“AI原生的创作者经济”，让“我什么都不懂但我用AI做出了产品”成为新的流量密码。这种环境下，人群的羊群效应非常明显：大家不是因为一个具体需求而来，而是因为“别人都在做，我是不是也要上车”的焦虑。

最像的一点是——大家对“我能做什么”的认知，极端膨胀。创客时代有人觉得有了3D打印机就能开工厂；氛围编程时代有人觉得有了AI写代码就能挑战专业软件公司。工具确实赋予了人一脚踏进某个领域的门票，但它根本没有承诺你在这个领域里的纵深能力。这个认知错位，就是后来幻灭的伏笔。

3.2 幻灭期的第一批信号，已经出现在地平线上

你可能会有疑问：氛围编程才火了没多久，谈幻灭是不是太早了？但如果你仔细看创客运动的节奏，会发现幻灭从来不是等运动停止增长才出现的，而是在增长最迅猛的时候就有人开始悄悄退出。氛围编程现在已经有同类信号，只是淹没在狂欢的浪声里。

第一个信号是“AI生成代码的维护之痛”。我认识不止一个团队经历过这种状况：为了赶进度，让AI生成了一大段功能代码，当时跑得好好的，上线两周后需求一变，所有人都看不懂那段代码在干什么。模块之间的依赖关系像一团乱麻，变量命名理直气壮地互相矛盾，注释写着“这里我改了三遍但不知道哪里错了”。最典型的产物是那种动辄三四十个小文件的目录结构，每个文件里放着几行不知道为什么要拆出来的函数。代码能跑，但没人敢动，这在工程界有一个非常直白的称呼：代码沼泽。

第二个信号是“氛围程序员”开始触碰自己能力圈之外的技术债。认证、支付、数据权限、并发一致性、安全加密——这些词对一个只会“给AI提需求”的人来说，几乎是另一门语言。当朋友那个“Excel统计小工具”被要求接入公司统一登录系统时，他盯着AI生成的OAuth代码完全抓瞎。这种场景正在源源不断地制造幻灭感：工具让你以为自己无所不能，摸到专业深水区才发现，你连自己不知道什么都不知道。

第三个信号是舆论态度的两极反转。之前“AI要消灭程序员”的论调最大声，最近几个月，开始冒出越来越多“代码审查大佬无情嘲笑AI生成屎山”的视频和帖子。“氛围编程就是提需求式写代码，本质上是不负责任”的声音已经出现。舆论从无脑吹到无脑踩，这个摆动的幅度，和2016年前后媒体对创客从热捧到嘲笑“创客都是玩票”的过程，几乎同构。

3.3 这条历史不是简单复制：物理边界和数字边界的本质区别

我必须停下来强调一点：我说“重演”，不是说氛围编程会原封不动走创客运动的老路。两者至少有两个根本性差异，会深刻改变幻灭和重生的形态。

第一个差异是“材料”不同。创客运动处理的是原子，氛围编程处理的是比特。原子的成本曲线是有物理下限的：你要开模具、买物料、等物流、应付良率。比特则几乎是零边际成本，一个应用可以瞬间部署给全球用户。这意味着氛围编程里“原型”到“产品”的转化速度可以快得多，但同时也意味着“垃圾软件”的扩散速度更快、影响面更广：一个物理产品的缺陷影响的是几个用户，一个AI生成的烂软件如果涉及支付或数据，影响的是成千上万人的真金白银。风险被放大的程度完全不同。

第二个差异是“工具本身也在进化”。3D打印机一夜之间不会自动变聪明，但大模型每天都在被各家团队更新迭代。这意味着氛围编程面对的瓶颈更多来自“人的判断力”和“工程素养”，而不全来自工具。创客运动里很多人等了三五年也没等到3D打印变得“傻瓜化”，但AI编程工具确实在以肉眼可见的速度变强。这个差异让我对氛围编程的结局比创客运动更乐观一点，也让我更担心：如果连“工具越来越好的时代”都抓不住工程判断力，那幻灭可能比预期来得更猛烈、也更合理。

4. “降低门槛”不等于“消灭能力”，幻灭恰恰发生在暗门之前

4.1 门槛后面还有一道暗门

很多人把“门槛”理解成一条断崖：跨过去就自由了。但真实世界的门槛更像一扇门——它够宽，谁都能进来，但门后面还有一整套看不见的暗门系统，这些暗门才不会因为第一扇门变宽就消失。

创客时代的第一扇门是“能点亮LED、能打印出一个模型”，暗门则是：怎么把电路设计得耐得住震动和老化？怎么在成本和性能之间取舍？怎么把一台原型机变成一百台稳定一致的机器？氛围编程时代的第一扇门是“让AI生成一个能跑起来的网页”，暗门则是：怎么保证身份认证的安全？怎么在数据量增长十倍时不崩？怎么让代码可维护到下一个同事能接手？以及最核心的——你凭什么判断AI给你的答案是正确的？

暗门的存在，解释了为什么“降低门槛”和“消灭能力”是两个完全不同的命题。门槛降低，只是把入口打开；暗门后面，靠的是实打实的判断力和专业素养。AI可以帮你写代码，但“这行代码符合业务预期吗”“这个模块的坑在哪里”“这个方案是不是过度设计”这些问题，工具只能给你一个概率上的回答，最终仲裁者必须是你。

4.2 玩具原型和生产系统之间，隔着一条物理意义上的河

创客运动留下最深的一课，就是区分“玩具原型”和“生产系统”。我后来被问过无数次：为什么那个自动浇花器没有变成产品？原因很简单——我设计它的时候，脑子里根本没有“它要可靠运行一年”“它要在断电后恢复”“它要防水防潮防猫踢”这回事。它适合摆在我的桌子上，不适合出现在别人的家里。

氛围编程正在批量制造数字版本的玩具原型。一个让AI从零搭出来的应用，可能很适合demo，但和产品之间至少隔着这些东西：登录鉴权、权限粒度、数据校验、日志监控、异常兜底、性能优化、可测试性、可维护性、以及“需求变更时如何安全重构”。我把两者列在一起看会更直观：

大多数“氛围编程”的产出，目前落在表格左边。这不是说左边没有价值——原型本身很有价值，它在创客运动里也是绝大多数人的起步形态。但如果你判断价值的尺度是“它跑起来了”，那幻灭就只是时间问题，因为你迟早会遇到一个“跑起来”远远不够的场合。

4.3 工具越强，对使用者的判断力要求反而越苛刻

有一个反直觉的规律：工具越强，它的“幻觉”越难被发现，因此使用者的判断力就越重要。3D打印机坏了，大概率是物理意义上地歪、堵、断，肉眼可见；AI生成代码出问题，可能是逻辑完全错误但界面天衣无缝，可能是潜在安全漏洞在某个特定输入下触发，可能是在一千行代码里藏了一个和需求南辕北辙的“自作聪明”。

这会带来一个创客时代很少见的危险：恶意或错误的输出看起来太完美，以至于新手没有理由去怀疑。“Garbage in, garbage out”在AI时代升级成了“Vague in, dream out”——需求描述得越含糊，AI就越会凭概率生成一个“看起来非常合理的虚构实现”。那个Excel统计工具接上统一登录后崩溃的例子，就是这种问题的变体：AI不是不会写OAuth，而是它不知道这家公司的内部系统约定，它只是给出了一个“统计上最像正确答案”的东西。判断力不足的人，根本意识不到它错了。

所以我在这一节想表达的核心观点是：幻灭不是工具的失败，而是工具变强之后必然出现的人工滤波。创客运动的退潮，本质上就是市场在替所有人完成一个残酷的筛选——留下真的有判断力的人。氛围编程也会一样，只是滤波器来得更快。

5. 历史里的“新生”长什么样：不是卷土重来，而是进入毛细血管

5.1 创客运动的“新生”根本不是重新热闹，而是内化进日常生活

如果要等一场“创客运动2.0”，你大概会失望，因为它的所谓新生，根本不以运动的方式出现。今天回头看，创客运动的遗产早就拆散，长进了各种具体场景：

先说教育。当年“创客教育”这个词火得快凉得也快，但它后面实实在在留下的东西，是全国各地学校里配置了创客教室、3D打印机、开源硬件套件；“动手做”“做中学”成了一种被制度和课程接纳的教学方法。当年那些狂热口号没有做到的“人人皆创客”，反而在教育领域以另一种安静的方式落地了。

再说产业。3D打印没有成为家庭电器，却成了牙科、骨科、航空航天、手办行业的基础设施。开源硬件也早就不是爱好者的专利，大量商业产品的中枢芯片就来自于Arduino生态的拓展。我前阵子拆了个智能家居网关，里面的主控刚好是ESP32——它最初就是为极客社区设计的芯片，现在躺在千家万户的弱电箱里。这就是“新生”的典型形态：当初引发运动的东西，退出了聚光灯，但成了基础设施。

最后是人的层面。那批在创客运动里补完了基本功的人，今天分布在各行各业的研发岗、创业项目、技术管理岗位上。“会敲代码的机械工程师”“懂电路的产品经理”这类复合型人才在职场里越来越常见，他们在任何行业里都吃香，但不会再有人给他们发“创客”的名片。

5.2 氛围编程可能的新生路径：从“写代码”变成“表达意图”

把创客运动的沉淀规律投射到氛围编程上，我对它的未来有几点判断，不一定对，但都是建立在这个参照系上的。

判断一：**“AI编程”会融入职业基础技能，而不是成为职业替代品。**就像当年掌握Arduino的人不叫创客而叫嵌入式工程师一样，未来大量岗位可能不再写“AI辅助开发者”招聘要求，因为这是默认能力。真正稀缺的是那种“能高质量地向AI描述目标、能严格验证AI产出、能在关键处介入修改”的人，这是一种结合了产品思维、工程直觉和沟通能力的新复合技能。

判断二：**领域专家会成为重要的受益者，而不是被替代者。**律师、会计、医生、教师这些职业里，那些本来就深度理解自己业务的人，可以用AI把自己的专业判断代码化、工具化。创客运动里最成功的一批人，并不是最懂硬件的人，而是“懂一个具体行业，然后用硬件解决这个行业问题”的人。氛围编程的算法应该是一样的：对一个行业理解越深，AI赋予你的放大效应就越强。

判断三：**工具的“二次专业化”会越来越明显。**创客时代有RepRap这种“造机器的机器”，氛围编程时代也会出现“造工具的AI工作流”。也就是说不止是让AI写应用，而是给AI搭一套适合你领域的提示词模板、上下文资料库、代码审查规则、验收清单。那些早期就开始整理“AI工程实践规范”的人，正在扮演当年开源社区里维护工具链的角色。这是最容易被人忽略、但长期价值最高的方向。

5.3 一个值得提早关注的信号：从“我能让它跑起来”到“我能让它停下来”

我想特别讲一个和创客运动对照出来的视角。在硬件圈，衡量一个工程师成熟度的标志之一，从来不是“你能不能让它动起来”，而是“你能不能让它安全地停下来”：急停按钮、过流保护、异常状态判定、故障后的可恢复性。创客新手和老工程师之间最明显的能力差，就在这一步。

氛围编程同样面临这个问题。让AI写一个“开始按钮”太容易了；真正考验功力的是“暂停按钮”和“回滚按钮”——需求错了怎么安全撤回？生成了一段有问题的代码怎么在不破坏其他功能的前提下修正？依赖库升级之后怎么验证没搞坏东西？这些恰恰是“氛围编程”这一整套工作流里最被忽略的部分。未来那批能沉淀下来的人，一定不是晒“我让AI写了个多复杂的应用”的人，而是能在自己的AI工作流里明确设计出检查点、回撤点和安全边界的人。

6. 给现在就在用AI写代码的人，几条基于创客十年经验的实操纪律

前面聊了那么多宏观观察，落到自己身上，其实就三条纪律。我踩过创客运动的坑，不想再踩一遍氛围编程的坑，这几年用AI写代码，逐渐给自己立下了一些规矩，今天一并分享出来。

6.1 把“验证”练成第一技能，而不是把“生成”当核心能力

氛围编程的诱惑在于“生成太快了”，快到让人误以为“生成”就是做软件的全部。但创客时代教会我的最重要的一件事是：**一个东西能不能用，不取决于它是怎么被做出来的，取决于你是否验证过它能用。**你用焊接和面包板做东西，要测试电路；你用AI写代码，要测试行为。验证手段因工具而变化，验证责任从不转移。

我的实操方案是：让AI为我写代码时，我坚持要求它同时给出“我该怎么验证这段代码是对的”的说明，包括应该写哪些测试、边界条件是什么、我在验收时要跑哪些手工步骤。如果是Web应用，我至少要亲手把登录、数据录入、异常场景各走一遍；如果是纯函数逻辑，我坚持让AI先生成测试用例，而不是先出实现。不要嫌麻烦，这个习惯帮我拦下了至少一半的“看起来跑通但实际是假跑通”的代码。

6.2 画一条你自己的“不懂就要停”的能力边界线

创客圈最惨痛的教训之一是：有些人在完全不懂电池保护板的情况下，去组锂电池包，最后把家烧了。这种教训不是“多查一下文档”就能预防的，它要求你对自己的知识边界有诚实认知。氛围编程的风险虽然没有物理爆炸那么戏剧化——说实话，它比物理爆炸更隐蔽。

所以我给自己定了三条“红线”，只要AI生成的东西触及其中任何一条，我就立刻停手，要么自己补课，要么找专业的人介入。这三条红线是：涉及别人数据的鉴权与授权；涉及钱的任何逻辑；以及“我完全看不懂它在干什么”的代码。前两条是风险红线，靠常识就能判断；第三条是认知红线，它逼着我在“用AI写代码”这条路上永远保留一个“我到底在干什么”的觉知。这不是高冷，是保命。

6.3 留一块不依赖AI的底盘，哪怕它只是一点点

我在创客时代最后悔的一件事，是没有认真把硬件的基础知识补扎实，导致很长一段时间里，我的所有项目都建立在“抄别人的示例代码”之上，一遇到文档没覆盖的细节就抓瞎。氛围编程时代，如果我连“基础的调试思路”“HTTP是什么”“数据库事务有什么用”这类底子都不留，那我的整个技术栈就完全是AI的影子，AI一抖，我就跟着抖。

所以我每周会留一点时间，脱离AI，手工写点非常小的东西：一段简单的脚本、一个纯前端页面、一道算法题。目的是保持一种“没有拐杖也能走路”的能力。更重要的是保持“敢对AI说不同意见”的判断力——如果你的全部判断力都来自一个可能出错的模型，那你连质疑它的资格都没有。这块底盘不用大，但它决定你的长期自主性。

我把这几条纪律用小表格总结一下，方便对照着执行：

7. 最后说点个人的体会

写到这里，回头看文章开头那个自动浇花器，我突然意识到一件事：当年我并没有因为它没有变成产品而觉得自己白折腾了。它让我学会了面包板怎么用、继电器怎么接、代码怎么和物理世界交互，这些知识在后来无数次工作中都派上了用场。氛围编程里那些“AI生成的玩具应用”，对新手来说其实扮演同样的角色——它们不是终点，是训练场，价值在于让你通过亲手验证、亲手试错，理解软件是怎么运转起来的。

我现在的态度是：仍然每天让AI帮我写大量代码，但我在把它交给别人之前，一定会认真读一遍它生成的东西。十年前我焊完那个浇花器，也是先从头通读了一遍代码，确认每个引脚都接对了，才敢把它插上电源。工具变了，这个动作没变。所以别怕幻灭，幻灭不是失败，它只是把那些只想追浪的人筛掉，把真正想造东西的人留下。十年前那批留下的人，今天手里已经有了很硬的东西；我希望十年后回头看，我们这一批在氛围编程时代里留下来的人，桌上摆的东西也一样结实。