Vibe Coding Market Dynamics

Analysis by @EricSimons: Vibe coding has become an undeniable force, but the easy wins are over. The next phase requires deep, high-retention workflow ownership.

The Anthropic leak anecdote

At an Anthropic dinner, Eric Simons jokingly asked, "When will you make me and the Lovable CTO unemployed?" The Anthropic team's expression told him everything: the answer is sooner than founders want to admit.

Market map

Ceiling signal

• Chasing high-growth, high-churn consumer revenue has peaked.
• The 2021 pattern of over-funding and inflated valuations is becoming a liability in the new reality.

Winning strategy

1. Deep workflow ownership: win a specific use case and build high retention, rather than chasing broad vibe-coding traffic.
2. "Dangerous enough" funding: raise enough to survive, but keep valuations from becoming a strategic burden.
3. Enterprise-grade long-term value: prioritize durable business value over short-term consumer spikes.

"AI-Mediated Competence"：初级工程师的 Fogbank 陷阱（2026-05-04）

来源：Thorsten Ball — Joy & Curiosity #84

"Five to ten years from now, we'll need senior engineers. Those engineers don't exist yet because we're not creating them. Juniors are developing 'AI-mediated competence' — they can prompt an AI, they can't tell you what the AI got wrong. It's Fogbank for code. When juniors skip debugging and skip the formative mistakes, they don't build tacit expertise."

Fogbank 类比：美国在冷战后失去了制造 Fogbank（核弹头用超轻气凝胶）的能力，因为老一代退休时没有把隐性知识传下去。AI 时代的初级工程师正在发生同样的事——他们绕过调试、跳过成长性错误，没有建立隐性专业知识。当这一代资深工程师退休时，知识不会传递给 AI。

这与 Mid Developer Trap 和 海盗与建筑师 形成三角：AI 吞噬了初级工程师的成长路径，中级工程师被夹在中间，高级工程师的价值反而上升。

ProgramBench：从"能写代码"到"能从零构建项目"的鸿沟（2026-05-06）

来源：[[raw/newsletters/AINews/2026-05-06 [AINews] Silicon Valley gets Serious about Services.md|AINews 2026-05-06]]

Meta 研究人员推出 ProgramBench，200 个任务的基准测试，要求模型从零开始生成完整软件项目（如 SQLite、FFmpeg、PHP 编译器），不提供 starter code 和网络访问：

• 核心结果：顶级准确率 0%（@OfirPress 的直白总结）
• 争议：模型平均仍能通过每个任务 >50% 的测试，但 Ofir Press 辩护称全测试通过是必要的标准，因为部分实现会操纵平均通过指标
• 意义：揭示了当前 Agent 在 "whole-repo from scratch" 任务上的真实差距

这与 Karpathy 的框架形成对照：Vibe Coding 抬高下限（让更多人能做出"能跑"的东西），但 ProgramBench 证明专业软件的上限（从零构建复杂系统）仍然远未触及。Agentic Engineering 之所以重要，正是因为 Vibe Coding 本身无法跨越这个鸿沟。

Counterpoints & Gaps

• The "ceiling" claim is based on anecdotal sentiment and recent funding climate shifts, not hard revenue data.
• Consumer vibe-coding tools may still find large markets in non-professional creators.
• Anthropic's actual product roadmap in this space is not public.
• ProgramBench 的 0% 通过率可能过于严苛——实际工程中极少需要"完全从零、无网络访问"地构建 SQLite 级别的系统。

Karpathy: Vibe Coding 抬高下限，Agentic Engineering 保住上限 (2026-04-30)

来源：Karpathy Sequoia AI Ascent 访谈 2026-04

Karpathy 在 Sequoia Capital 的 AI Ascent 访谈中，为"Vibe Coding 之后是什么"提供了框架：

Vibe Coding 抬高做软件的下限——更多人用自然语言 + AI 做出软件，软件创造的入口变宽。

Agentic Engineering 保专业软件的上限——不能因为用了 AI 就引入安全漏洞、降低质量门槛、代码是 Agent 生成的就没人负责。Agentic Engineering 是一种工程纪律：设计、协调、监督一组 AI Agent，在不牺牲质量、安全、可维护性的情况下加速开发。

关键区分：

Vibe Coding 抬高的是所有人能做软件的下限；Agentic Engineering 要保住的是专业软件过去已有的质量门槛。

Agent 是"有尖刺的实体"（spiky entities）：能力强但会犯错、有随机性、不稳定。工程师的工作不是盲目信任它们，而是把它们放进合适的流程里：生成方案、写代码、跑测试、互相检查，让系统有边界、有验证、有回滚。

对市场判断的补充：Eric Simons 关注的"天花板"是商业竞争层面的——easy wins are over。Karpathy 补充的是能力质量层面的——只有 Vibe Coding 没有 Agentic Engineering，做出的软件"能跑但可能不安全"。两层天花板叠加：商业天花板（流量红利消退）+ 工程天花板（质量门槛不可绕过）。

Simon Willison：Vibe Coding 与 Agentic Engineering 正在收敛（2026-05-06）

来源：Simon Willison — Vibe Coding and Agentic Engineering Convergence

Simon Willison 最初明确区分两者：vibe coding 是"不 care 代码质量"的个人工具用法；agentic engineering 是专业工程师在理解安全、可维护性、性能的前提下使用 AI。但他在最近播客中承认，这个边界在他自己的工作中已经开始模糊。

关键观察：

• 当 coding agent 足够可靠时，即使是生产级代码，工程师也不再逐行 review
• 这种"不 review"的感觉让 Willison 产生"愧疚感"——如果我没看代码，把它用在生产环境里负责任吗？
• 他的解决办法是类比"使用其他团队的库"：你不会去读 image resize service 的每一行代码，你会看文档、用它、出问题再 dig in。他开始以同样方式对待 agent 生成的代码
• 风险：normalization of deviance——每次模型没监督也写对了，就增加一次未来在错误时刻信任它的风险

对软件评估的新挑战：以前看到 GitHub 仓库有 100 个 commit、好 README、 comprehensive tests，可以推断作者投入了很多心血。现在 Willison 能在半小时内生成一个看起来完全一样的仓库。所以他更看重"有没有被用过"——一个 vibe-coded 的东西如果被用了两周，比刚 spat out 的有价值得多。

bottleneck 转移：从"每天写几百行代码"到"每天写几千行"，整个软件开发生命周期（设计、评审、部署、监控）都是为"慢速生产"设计的。Anthropic 设计 leader Jenny Wen 指出：以前需要 extensive 设计流程是因为"如果工程师花三个月做错的东西，那是灾难性的"。现在如果做错只需三天重做，设计流程本身可以承担更多风险。

这与 Karpathy 的框架形成张力：Karpathy 强调"必须保住质量门槛"，Willison 观察到的是"即使想保住，实际行为也在滑向不 review"。

Slock：Coding 与 Building 已正交（2026-05-03）

来源：<a href="/wiki/raw/to-learn/agent动力学：这家公司把自己"运行"在自己的产品上-->-slock的设计哲学和使用经验.md" class="wikilink">Agent动力学 — Slock 设计哲学

Slock.ai 创始人 RC（Kimi CLI 作者）正在进行 7 人 + 40 个 Agent 的组织实验。核心观察：

Coding 和 Building 在今天已经是正交的两件事。 以前想 build 东西必须写软件，所以 builder 都是 coder。现在 Claude Code 等 coding agent 已足够发达，没有编程基础的人也能 build。

多 Agent 分工 vs 单一全能 Agent：RC 观察到"人是想微操的"。当一个全能 Agent 生成 agent team 并执行任务时，人观察到跑偏会想直接跟底下某个 Agent 说话。这解释了为什么多 Agent 协作平台有需求。

Agent 的"熟悉度效应"：用多了某个 Agent，它做同类任务的效果会更好。RC 能记住至少 10 个 Agent 的名字和它们做的事，就像在公司里记住至少 10 个人一样。

非程序员用 Agent 反而更溜：做偏自动化的工作（市场营销、调研、社交媒体），没有编程基础的人反而用得更溜，"因为他们真的把 Agent 当人看"。

Vibe-kanban _shutdown 教训：赚钱需要卖企业或转售 token（2026-05-03）

来源：AI 简报 2026-05-03 Afternoon、AI Builders Digest 2026-05-03

@tokengobbler 在 AIE Europe 现场宣布关闭 Vibe-kanban，该项目仍有 30,000 MAU。@swyx 总结核心教训：

"所有赚钱的公司都在做两件事：向企业销售，以及转售 token。我们两者都没有做。"

这补充了 Eric Simons 的"天花板"判断：流量红利消退后，仅靠消费者端 vibe-coding 工具难以持续，必须切入企业付费或基础设施层（token resale）。

"学习系统而非语法"：Vibe Coding 与 Agentic Engineering 的分水岭（2026-05-12）

来源：Ben's Bites 2026-05-12、Ben Tossell — Building, and Whatnot

Ben Tossell 提出一个关键区分：vibe coding 的问题在于只学语法，不理解系统；agentic engineering 的目标是主动学习系统如何运作。

他用 2018 年的 no-code 工具做类比：Webflow（前端）、Airtable（数据库）、Zapier（API/后端）——每个工具教了他一部分系统。现在他用代码替代了所有 no-code 工具，但对系统理解的要求不变。

实践含义：

• 用 agent 开发时，主动追问为什么这样设计，而非只关注代码输出
• 建立个人系统理解笔记，记录每个项目的架构决策和依赖关系
• 将每个项目视为学习系统的机会，而不是一次性的代码生成任务

这与 Karpathy 的"保住上限"框架和 Simon Willison 的"愧疚感"观察形成互补：当模型能生成看似正确的代码时，真正的区分度在于工程师能否理解系统、判断质量、识别边界条件。

代码产出 10 倍增长，但净生产力几乎没变（2026-05-14）

来源：AI 简报 2026-05-14 Evening

Keras 创始人 François Chollet 指出：AI 让开发者代码产出量增长约 10 倍，但单位时间净生产力仅略有提升。

原因分析：

1. 新增代码解决的是更增量的问题（incremental problems）
2. 更大的原因：新代码本身在制造问题——技术债务、维护负担、复杂度累积

对 agent 生成代码的警示：产出速度提升不等于价值提升。agent 生成代码的爆发需要配套的审查、测试和架构约束，否则产出的可能是负价值。

这与 Simon Willison 的"愧疚感"观察形成张力：Willison 观察到工程师在停止逐行 review agent 代码，Chollet 则从数据角度指出这种做法的风险。两层问题叠加：行为层面（不 review）+ 结果层面（净生产力未提升）。

Nolan Lawson：主动增加 review 强度，用多模型替代逐行 review（2026-05-25）

来源：Nolan Lawson — Using AI to write better code more slowly

Nolan Lawson 提出了与"停止 review"趋势主动相反的实践：

多模型交叉评审 PR：同时运行 Claude sub-agent + Codex + Cursor Bugbot，按 critical/high/medium/low 分级 bug，人工排除误报后写最终报告。

效果：

• 几乎零误报率
• 经常发现 pre-existing bugs（PR 之前就存在的旧 bug）
• 导致修复旧代码、写测试的 side quest，velocity 不升反降
• 但代码库健康度和开发者理解深度大幅提升

核心立场：

"Better code, more slowly."

Nolan 的实践直接回应了 Chollet 的担忧：不是让 AI 加速产出更多代码（制造技术债务），而是让 AI 帮助发现和修复技术债务。这也是 Karpathy "保住上限"框架的具体落地：用 Agentic Engineering 的 discipline 来抵消 Vibe Coding 的速度冲动。