💡 Vibe Coding 根本没那么神？做游戏引擎有多难？讨厌数学也能写程序？编程语言之间有什么不同？本文基于 WIRED Tech Support 热门视频精选编译，UC Berkeley 计算机科学教授 Sarah Chasins 用 30 分钟回答了这些问题——英文原版 111 万播放、中文版 23 万播放，评论区超 3,000 条，AI 编程话题引发了持续三个月的激烈争论。全文约 6,000 字，预计阅读 15 分钟。
你有多久没见过一个人，在谈论自己工作的时候，眼睛是发光的？
Sarah Chasins 就是那种人。她是 UC Berkeley 的计算机科学教授，年纪不大，但已经是终身教授了。在 WIRED 的 Tech Support 系列视频里，她回答了一堆网友的编程问题——从"第一段代码是怎么写出来的"到"AI 会不会取代程序员"。
两个语言版本的评论区，画风高度一致——全在夸教授。
中文区说"这才是真的有热情"、"教授好可爱"、"看完了一整集计算机概论"。英文区 6,244 赞的高赞评论说 WIRED 这个系列最大的魅力，就是找来真正热爱自己领域的专家——"一半的乐趣就在看他们聊自己在意的事，哪怕那个话题你根本不感兴趣。"还有人掷了一个 DnD 骰子："She rolled 20 in Charisma!"（魅力值掷出了满分）
她的一位 Berkeley 学生也现身了——"我正在上她的 CS164 课，她真的是很棒的教授！"——这条拿到了 1,335 个赞。
有人开了句程序员才懂的玩笑："她不是程序员——她太快乐了。" 底下的回复补了一刀："那是因为她还在教书，企业还没来得及碾碎她。"
但三个月后，评论区的画风变了。围绕 AI 编程的争论越来越激烈。有人说她的观点已经过时了，有人说恰恰相反。
今天这篇文章，不只是整理一个视频——而是记录一场正在发生的、整个行业都绑不开的辩论。
一、在讲 AI 之前，先聊几件有趣的事
视频有 30 多分钟，AI 编程只占了最后三分之一。前面那 20 分钟，教授用极高的热情讲了一堆编程世界里的冷知识和大问题。
老实说，我觉得这部分反而更好看。
第一个网站，现在还能打开
1990 年代初，Tim Berners-Lee 创建了人类历史上第一个网站。教授在视频里直接打开了它——info.cern.ch。
没错，它还活着。
她还用模拟器展示了这个网站在早期文本浏览器里的样子。内容一模一样，只是没有任何视觉渲染——纯文字、纯链接。三十多年了，底层逻辑一脉相承。
第一段代码，是"接电线"
现在写程序，打开编辑器就能写。但最早期的计算机——比如 ENIAC——编程方式是物理接线。你得把线插到正确的孔里，让电信号按你的意思走。
后来有了打孔卡片。再后来，一个叫 Grace Hopper 的女程序员在 1950 年代提出了"编译器"的概念。简单说就是：我写的话，你帮我翻译成机器听得懂的。
这是一个里程碑。从那以后，人类就不用再跟机器说机器的语言了——可以用更接近人话的方式写程序。
顺便——WIRED 特意选在 12 月 9 日发布这期视频。评论区有人发现了彩蛋：那天正好是 Grace Hopper 的生日。 这条评论拿到了 3,851 个赞。有人贴出了 Hopper 的名言："别太安全……船停在港里当然安全，但那不是我们造船的目的。"
第一个病毒，还挺萌的
1970 年代初，ARPANET（互联网的前身）上出现了一个叫 Creeper 的病毒。它干了什么呢？在你屏幕上显示一行字：
"我是 Creeper，有本事来抓我。"
为了清除它，有人又写了一个叫 Reaper 的程序去追杀 Creeper。人类历史上最早的一场数字攻防战，就像一个古早版的猫和老鼠。
二、选编程语言就像选安全等级
教授用了一个特别好懂的框架来解释不同编程语言的区别——你花钱买的，其实是"保护程度"。
C 语言：完全放任。你写什么它执行什么，也不提醒你可能出问题了。就像开一辆没有安全气囊、没有 ABS 的老爷车。速度很快，但撞了全靠命。
Python：中等保护。它会帮你挡一些明显的错误，但不会管太多。开起来舒服，速度嘛……够用就行。
Rust：全力守护。它在你代码还没跑之前，就逼你把所有潜在的问题想清楚。很严格，学起来有门槛，但一旦编译通过，bug 少得惊人。
教授特别推荐 Rust。她说它融合了过去 20 年编程语言研究的最佳成果，性能跟 C 差不多，但安全性甩 C 几条街。StackOverflow 上连续好几年最受欢迎语言。
有人问：Python 是不是万能的？
她笑了一下：Python 是所有领域都排第二的语言。听着像贬义，其实是最高的赞美——什么都能干，而且写起来很开心。
三、做游戏引擎有多难？
视频里有人直接问了这个问题："从零开始构建自己的游戏引擎有多难？"
教授的回答：
"非常难。但也非常有趣。"
做游戏引擎的难，跟写普通程序完全是两回事。你面对的不只是"让东西跑起来"，而是怎么设计一套可重用的抽象层——让其他程序员也能在你的引擎上造东西。
如果你做的是 3D 游戏，那就更恐怖了——计算机图形学会扑面而来，背后是大量的数学。然后她轻描淡写地说了一句：computer graphics 需要"一些数学"。
这句话在英文评论区炸了。839 个赞的高赞评论说：
"Computer graphics requires 'some amount of math'... Boy if that isn't the understatement of the year."
（电脑图形学需要"一些数学"……这大概是今年最轻描淡写的一句话了。）
底下一位评论者写了一整篇回忆录——他高中的时候想从零做一个 3D 引擎。
第一步，他走在街上，看着两边人行道在远处汇聚成一个点，想到了火车隧道里的透视效果。于是他用了一个朴素的反比例算法模拟 3D 透视——结果勉强能跑，但看起来特别诡异。
第二步，他去 YouTube 上找大学公开课，学了针孔模型（就是小孔成像的原理），成功实现了更好的效果——但运算量太大，只跑到每秒 1 帧。加了遮挡剔除优化之后，勉强到 10 帧。
第三步，他继续看讲座，终于学到了矩阵运算，引擎才算"大致可用"——但浮点精度的问题还是让引擎很不稳定。
最好笑的是：他用 Python 写的。 尝试用多线程加速，完全没效果。多年后上了大学，才知道 Python 有个叫 GIL（全局解释器锁）的东西——压根不允许你真正地并行执行。
另一位说他学线性代数的时候心想"我这辈子不可能在现实世界里做矩阵加法"——现在 AI 时代来了，到处都是矩阵运算。😂
教授最后也加了一句很诚实的话：从零造引擎是一个绝佳的练习，但这绝对不是最快开发游戏的方式。 想做游戏，用现成引擎（Unreal、Unity、Godot）会轻松太多。但如果你就是想挑战自己、理解底层——那这条路非常值得走，只是做好吃苦的准备。
对做游戏或学过图形学的人来说，"一些数学"这三个字，大概能让你笑出腹肌。从线性代数到微积分、从光线追踪到物理模拟，游戏引擎是人类所有软件工程里最复杂的系统之一。教授一句轻描淡写，是因为要展开讲的话，30 分钟根本不够。
四、为什么计算机只认 0 和 1？
这个问题几乎每个非程序员都问过。答案比你想的简单。
纯粹是物理上更靠谱。
教授打了个比方：你家有个调光灯，调到某个位置——你能准确分辨出这是"3 档"还是"4 档"吗？很难。但如果我只问你：灯开了还是关了？你百分之百能答对。
计算机也一样。区分"有电"和"没电"两种状态，比区分十种不同的电流强度容易太多了。两种状态，就是 0 和 1。简单、可靠、不容易出错。
这个解释我觉得是整期视频的高光之一。把一个底层原理讲到外行人秒懂，这是功力。
英文评论区一位老开发者说：他的第一位编程教授当年用的是小号和长号的类比来解释二进制——"但我更喜欢灯泡这个版本"，拿到了 273 个赞。还有一位电气工程师补了更精确的技术解释：我们之所以用二进制，是因为晶体管工作在饱和区（开/关状态）时速度最快、功耗最低、规模化设计也最容易。跟教授的比喻从两个角度说同一件事——一个讲直觉，一个讲原理。
五、Debug 为什么比写代码难？
如果你问一个程序员最痛苦的事是什么，排名第一的大概不是加班，而是 debug——找 bug、修 bug。
教授的解释精辟到我想抄在墙上：
写代码的时候，你脑子里有一个模型——"我让程序做 A，它就会做 A"。你的想法和代码的行为是同步的。
debug 的时候，说明这两件事对不上了。你以为程序在做 A，但它其实在做 B。你不知道裂缝在哪里——是你想错了，还是你写错了，还是你没考虑到某种边界情况？你得像侦探一样一点点排查。
debug 别人的代码呢？ 更惨。你连那个"脑子里的模型"都没有。你得从零开始——先读懂他写的逻辑，建立自己的理解，然后才能开始排查。相当于别人给你一张已经画了一半的地图，你不知道画的对不对，但得在上面继续走。
这也是为什么"自己写的代码自己最好修"——因为你脑子里的那套模型还在，是热的。
六、那些"你以为不重要"的小知识
程序员需要记语法吗？
不需要。
很多非程序员有个误解，觉得写程序就像学外语——得背一堆语法规则和关键词，记不住就写不出来。
教授说差别很大：学外语你得背单词，因为你没法在聊天的时候掏出字典查。但写程序的时候，电脑就在你面前——编辑器有自动补全，文档随时能查。记不住，就查。非常正常。
英文评论区有一条 340 赞的长评说得更直白："这个视频里随口带过的那句话，其实是编程最核心的知识——不管你用什么语言，编程的本质就是把任务分解成越来越小的步骤，小到每一步都能用代码写出来。" 这个人写了 30 多种编程语言，他说不管语言怎么变，这个"拆解"的过程永远一样。
语法是工具。拆解问题的能力，才是真正的门槛。
程序员一天都在干嘛？
写代码的时间比你想的少得多。
教授说，程序员的日常大量时间花在——跟同事讨论怎么整合代码、处理团队协作中的冲突、跟产品经理和客户开会确认需求、写文档、做代码评审。
真正坐下来安安静静写代码的时间，是"挤"出来的。但那也是最开心的时间。
英文评论区有程序员一秒破功："说实话，一天里大量时间其实花在讨论变量和函数到底叫什么名字上。" 底下回复了一句经典代码注释：//TODO: Clean this up later ——上次提交时间：4 年前。
数学真的重要吗？
教授说编程不一定需要很多数学。但英文评论区有人说了一句我觉得特别好的话：
"大多数人并不真的讨厌数学。他们讨厌的是学数学时的那种语境和体验。"
底下的回复更扎心："数学很好玩。'觉得自己蠢'才难受。"
很多人放弃数学，是在某个地方被卡住了、没人帮、然后就认定自己学不会。跟数学本身无关，跟学的方式有关。
七、好了，终于到 AI 了
视频的后半段是争议最大的部分。教授对 AI 编程的态度，可以概括为：有用，但你得非常小心。
ChatGPT 本质上在玩"填空游戏"
教授解释大语言模型：你喂给它天量的文本，训练它干一件事——预测下一个词。
给它"今天天气"，它猜"真好"。给它一段代码的前几行，它猜后面应该怎么写。经过海量数据的训练之后，它变得非常擅长生成"看起来合理"的内容。
注意——"看起来合理"。
英文评论区有一条 704 赞的评论精准模仿了 ChatGPT 的风格。教授在视频里举了个例子"the dog has four legs"（这只狗有四条腿），评论区立刻接上：
"ChatGPT: 哇多么有洞察力的观察！你真的太擅长数数了！没错这只狗确实有四条腿，太棒了！👏 你方向完全正确！（插入4页关于各种边缘情况的冗长讨论）"
但这种"永远在夸你、永远在说你对"的回应方式，恰恰是 LLM 最容易让人放松警惕的地方。
那个 20% 的悖论
教授引用了一组研究数据：
使用 AI 工具处理新任务的程序员，感觉自己效率提高了 20%。
但实际完成时间慢了 20%。
为什么？因为 AI 工具在处理重复性任务时确实快，但面对全新的问题时，你花在"审核 AI 输出"和"修正 AI 错误"上的时间，反而超过了自己从头写的时间。
你觉得自己在飞，其实你在绕弯。
英文评论区 322 赞的高赞评论很直接："终于看到一个编程领域的人没有对 LLM 工具满口溢美之词了，而且能讲清楚你为什么也不应该。" 这位评论者还跟反驳者打了一轮——他的核心观点是：LLM 永远不可能"足够可靠"地产出精确的、有逻辑的文本。因为它们本质上是统计模型，擅长的是模拟人类语言的概率分布，而不是模拟语言背后的人类思维。
Vibe Coding：用感觉写代码
Vibe coding 是这两年的热词——大致意思是，你不需要真正懂代码，只要用自然语言描述你想要的东西，让 AI 帮你写就好。听起来很美好。
教授不推荐。她给出了一套她认为正确的 AI 辅助编程方式：
- 分解问题：把任务拆成约 5 行代码的小块
- 写伪代码：用自然语言描述逻辑，不纠结语法
- 喂给 AI：让它把伪代码变成真代码
- 验证：必须有具体计划来验证 AI 生成的代码
第四步是关键中的关键。她的原话是：
"如果你没有验证代码的计划，就不要用 AI 工具。"
这话放在 2026 年的今天，依然扎心。
英文评论区有人分享了自己的亲身经历："我唯一一次用 AI '辅助'写 HTML 代码，结果逐行检查了它给我的每一行——还不如自己写。" 更搞笑的是，视频中间竟然插了一条 vibe coding 的广告——"在教授说 vibe coding 不靠谱的视频里给你投 vibe coding 的广告，这也太疯狂了吧。"
八、但三个月过去了，她说的还对吗？
视频发布于 2026 年 1 月。到了 3、4 月份，评论区围绕"教授的观点是不是过时了"吵成了一锅粥。
说"过时了"的人
最直白的一条来自 3 月：
"2026/3/17，估计今天她应该已经需要改口了。"
有人指出 Claude 4.6 发布后，AI 编程能力有了质的飞跃——小项目从头到尾交给 AI 确实能交货了。有人分享了自己用 vibe coding 完全从零做出机器人控制程序并成功交付的经历。
还有人把视线拉远：十年前围棋 AI 只是打发时间的小游戏，三年前聊天 AI 笨得要死。Vibe coding 才出来一年——"再过两三年你觉得它会成长到什么阶段？"
说"没过时"的人
人数更多，论据也更扎实。
4 月 2 日的一条长评写道：以目前 AI 底层运作逻辑的局限，这一代 AI 会出现一些"看起来很合理但极难发现的错误"——而这种错误在某些时刻，会是灾难。
一位工程师分享了他的实战翻车经历：让 AI 用 C 语言写一个 HTTP server 来收发图片，AI 建议他用 OpenCV 把 jpg 转成 raw RGB 作为 response body 回传。他告诉 AI 三次"不能这样做"，AI 才终于给出了正常的方案——简简单单的 fread 读取原始字节。
这就是教授说的——AI 理论讲得很溜，一碰实际开发就莫名其妙。
最犀利的一条评论说 vibe coding 最大的问题是"让普通人产生幻觉"。觉得自己会写程序了，殊不知写出来的是一坨屎。就像用 SUNO 生成了一首歌就说自己是音乐人，用 AI 画了一张图就说自己是设计师。
最诚实的声音
两个阵营之间，有一类评论最接近真实——
"当商品卖，当然不推荐。但如果只是自己用的小程式，受众很小而且完全定制，用 AI 是很不错的方式。而且省钱。"
一位资深工程师说得更精辟：
"她的观点很多没错。我自己现在接了很多小活直接让 AI 生成，改改参数就好。但以上是建立在我原本就工作多年、即使没有 AI 也能独立开发的前提下。"
这句话才是所有讨论的最大公约数。
九、评论区里最狠的几句话
翻了两个语种、超过 3,000 条评论，有些声音值得单独拎出来。
一条来自一位 Amazon 五年经验的软件工程师：
"我更愿意读实习生的代码。AI 的代码看起来是对的，逻辑好像也说得通，但细看会发现有很多问题躲在细节里面。实习生的代码如果是他们自己写的，至少可以看得出来他们想干嘛。最可怕的是——实习生用 AI 写的代码。"
91 个赞的中文评论，掷地有声：
"永远要记得人类的大脑也是仰赖不断训练才能成长。当你放弃思考，把最重要、最有趣的工作丢给 AI，你最后就只能完全依赖 AI。永远不要放弃思考。"
英文评论区一位写了50多年代码的老程序员：
"我从 1973 年开始写程序，写几十种语言，现在每天还在写 C++。看完这个视频只想说一件事——我真想重新回学校去上她的课。"
还有一位从业30年的工程师，说了一句我觉得够当座右铭的话：
"大概是我第一次看编程Q&A，从头到尾没有一个答案让我想反驳的。她把那些出了名难讲的概念解释得如此清晰——这件事本身就非常了不起。"
英文评论区还有个彩蛋——有人把 WIRED 视频描述里藏的一串二进制码翻译成了 ASCII 文本。翻译结果是："haha nerd"。
十、编译器的幕后——代码怎么变成 0 和 1 的
整期视频最硬核的部分：教授解释了计算机到底怎么"理解"你写的代码。
她用 (1 + 2) + 4 这个超简单的例子，拆解了编译器的四个阶段：
第一步，词法分析——把代码拆成一个个"词元"。( 是左括号，1 是数字，+ 是运算符。就像把一句话拆成一个个单词。
第二步，语法分析——根据规则把词元组装成一棵"语法树"。哪个先算、哪个后算，都在这棵树上。
第三步，代码生成——把语法树翻译成汇编语言。汇编是离机器语言最近的人类可读语言，一条指令对应 CPU 的一个基本动作。
第四步，变成 0 和 1——汇编最终编码成二进制，也就是 CPU 真正执行的指令。
她甚至在 x86-64 模拟器上现场演示了汇编代码的执行过程——把数字放进寄存器、做加法、存结果。台下如果有学生，这堂课一定值回整个学期的学费。
这也是为什么那句话一直成立："编程语言是怎么被创造出来的？"答案是——写一个翻译器。把新语言翻译成已有的语言，层层翻译，最终变成机器能懂的 0 和 1。像搭积木一样，一层叠一层。
写在最后
看完整期视频和 3,000 多条评论，最有价值的不是某个具体知识点，而是一种态度。
Sarah Chasins 对编程的热爱，不是表演出来的。有人形容得很好——"她说到激动处脸会微微泛红，手指尖在空中抖动"。有人说她让自己重新想起当年为什么爱上编程。一个能让自己的热情穿过屏幕的人，在任何领域都是稀有物种。
说实话，我自己就是被这种热情点燃的人之一。
我是游戏开发者，不是程序员。但最近我开始借助 AI 写 C++ 代码，做一些角色和世界的交互功能。当你描述完一个想法，AI 吐出一段代码，你点了编译，然后画面上的角色真的按照你的想法动起来了——那一刻的惊喜感，很难用语言形容。
从那以后我对编程产生了浓厚的兴趣。身边好几个跟我一样不会写代码、但现在开始借助 AI 去实现想法的朋友都这么讲：纯粹的快乐，感觉一天的时间都不够用。
所以当评论区吵成一锅粥——AI 编程到底靠不靠谱、vibe coding 是不是在骗人——我反而觉得，有一件事被忽略了：不管 AI 编程的能力最终到什么水平，它让人在面对陌生领域时，更容易迈出第一步。 这本身就是一件好事。
关于 AI 编程，我的判断是：她的底层逻辑没有过时。"你必须能验证 AI 给你的东西"——这条原则在 Claude 4.6 出来之后依然成立，在 Claude 10.0 出来之后大概也还会成立。但她对 AI 编程能力的估计确实偏保守了。三个月前说 vibe coding 不靠谱，现在至少得加个限定词——大项目不靠谱，小项目越来越能打了。
不过，评论区里最让我服气的一条评论，是那位在职工程师说的：
"能用 AI，是因为我原本就能不用 AI。"
工具会变，这条不会。
📎 视频来源：WIRED Tech Support 英文原版 · GQ Taiwan 中文版 — Sarah Chasins 教授