专访全球首位专业Vibe Coder：AI时代的全新职业正在崛起

嘉宾：Lazar Yavanovich ｜ Lovable首位官方Vibe Coding工程师｜领域：AI产品与未来趋势

背景与引子

2025年最热门的话题是什么？AI？不完全是。更准确地说，是一个刚刚诞生几个月却已经让无数科技从业者重新思考职业路径的全新角色——Vibe Coder。

就在一年前，如果你跟别人说“我是一位Vibe Coder”，大多数人可能一脸茫然。但今天，Vibe Coder已经成为AI时代最具想象空间的职业之一。这个概念由Andrej Karpathy在2025年初正式命名，但早在2024年7月，就已经有人在真正实践并靠它谋生。

就在最近，Spotify、Perplexity等数百家明星公司的招聘中，开始出现“Vibe Coder”的身影。这些公司不惜重金，寻找那些能够通过自然语言和AI工具快速构建产品的人才。

我最近采访到了Lazar Yavanovich——他是Lovable（全球增长最快的AI产品之一）的首位官方Vibe Coder工程师。更让人惊讶的是，他从未写过一行代码。

这不是一篇关于“学会编程就能保住饭碗”的文章。这是一篇关于新时代价值体系正在被重塑的故事。

一、嘉宾是谁

Lazar Yavanovich，36岁，森林工程师背景，做过蓝领工作，送过外卖，在初创公司做社区运营和增长营销。2024年初，他开始在公开场合分享自己如何用AI工具从零构建产品。2025年，他成为Lovable首位拥有正式Title的Vibe Coder——全职用AI构建内外部产品。

这不是一个天才的故事。这是一个普通人找到正确赛道的故事。

在他加入Lovable之前，公司增长负责人Elena Verna看到他在社交媒体上疯狂输出内容——分享他用AI工具构建的一切：成功案例、失败经验、工作流优化。这些内容不是精心策划的营销，而是真实的“边做边学”。Elena直接找到他说：“我们需要你。”

Lazar说：“这工作是我的梦想。我做的是我本来就会做的事，但现在是全职付费的。最好的工作。”

二、核心观点TOP10

不懂代码反而是巨大优势——你不知道什么“不可能”，所以你就真的做成了。
Coding已经是一个被解决的问题——真正的竞争不在于“能不能做”，而在于“做什么”和“做成什么样”。
80%时间花在计划和对话，20%花在执行——加速的关键不是更快地做，而是更清晰地想。
同时跑4-5个平行项目来获得清晰度——不是浪费，而是最高效的探索方式。
AI是放大器——如果你不知道自己做什么，你会以更快的速度产出垃圾。
不要看代码，看Agent的输出——代码是AI写的，输出才是你需要理解的。
好的判断力 > 快的产出——在AI时代，品味和决策质量才是稀缺资产。
工程师不会消失，但会两极分化——顶尖工程师维护基础设施，大众工程师被替代。
设计品味将成为最值钱的能力——技术壁垒消失后，审美壁垒才是真正的护城河。
你不需要被公司录用才能成为专业Vibe Coder——你可以先把自己当成自由职业Vibe Coder，接项目、做作品、建立声誉。

三、关键洞察

洞察1：非技术背景是AI时代的隐藏优势

大多数人认为，要做好AI产品构建，你需要懂代码、了解架构、理解系统设计。但Lazar的亲身经历颠覆了这个认知。

他说：“我从来没有写过一行代码。我唯一手动写过的东西就是几个console.log。但我觉得这反而是我的优势，因为技术人员会告诉我’这不可能’——React是不同技术栈，Chrome扩展做不了——而我根本不知道这些限制。所以我就直接去做了。”

他举了一个例子：有人问Lovable能不能做Chrome扩展，技术背景的人会说这很难。但他直接进去跟AI说“给我做一个Chrome扩展”，结果就做出来了。还有一位社区运营者，想要在Lovable里生成视频，那时候功能还没上线，她直接prompt自己的方式做出来了——后来这成了一个官方功能。

关键在于：你不需要知道什么是可能的，你需要相信一切皆有可能，直到被证明不可行。

洞察2：神灯法则——给AI的请求必须极度具体

Lazar使用“阿拉丁与神灯”的比喻来解释AI工具的工作方式：

“你擦拭神灯，精灵出来了。它说：‘我会满足你三个愿望——不是三千万个，就是三个。‘这就像AI的上下文窗口限制。当你请求太多东西时，AI需要分配tokens来读取、浏览、思考、执行。如果你不具体，它就会给你一个模糊的、可能完全不是你想要的答案。”

他举了一个经典的“许愿反噬”例子：

“我的第一个愿望是：‘让我更高。‘于是精灵把我变成了13英尺高。我现在连车都坐不进去，因为我不够具体。AI也是这样——你跟它说’你知道我的意思’，但它真的不知道。你需要给它具体的参照、具体的语境、具体的例子。”

在AI时代，最核心的新技能不是Prompt Engineering，而是“清晰提问的能力”。 你必须比以往任何时候都更清楚地知道自己想要什么，并能够把这个需求准确传递给AI。

洞察3：平行构建——用数量换质量

大多数人的工作流程是：想清楚 → 开始做 → 遇到问题 → 继续做 → 完成。

Lazar的做法完全不同。他的方法论叫做“平行构建四步法”：

第一步：头脑风暴 打开一个Lovable项目，用自带的语音功能，把脑子里所有关于项目的想法全部说出来。不需要组织，不需要思考，就是倾倒。Lazar说：“不要等它说完，关掉，再开一个新的窗口继续说。”

第二步：找到线索 在刚才的倾倒中找到那个感觉“对”的方向。开始第二个项目，这次更具体一些——你知道想要哪些功能、哪些页面。也许可以找到一些参考设计（Maven、Dribbble上的截图）。

第三步：给AI喂代码 英文是AI的第一编程语言，但代码是AI最精准理解的语言。去CodePen、GitHub找类似的代码片段，直接贴给AI。Lazar说：“想要像素级完美的结果？给AI代码，它会比理解你的英语更好。”

第四步：做出选择 现在你有了3-4个不同方向的项目。你可以看到哪个设计最对味、哪个交互最流畅、哪个最接近你的想象。选择那个最接近的，然后开始深入。

这个方法的核心洞察是：清晰度是通过行动获得的，不是通过思考获得的。 当你只是坐在那里想“到底要做什么”，你的大脑不会给你答案。但当你让AI做出4个版本让你比较，答案自然浮现。

而且这其实更省钱。Lazar说：“如果你从一开始就很清晰，你不需要花几百美元和几天时间反复调整。一个好的开始，比无数次的修修补补要便宜得多。”

四、精彩金句

“Coding正在变得像书法。十年后，人们会说’你手写了代码？太神奇了！‘它会变得极其罕见，成为一种艺术。”

“AI是一个放大器。如果你不知道自己在做什么，你只会更快地产出垃圾。”

“我们过去优化的技能是’更快的产出’。未来我们要优化的技能是’更好的判断力’。”

“在AI时代，PM会是第一批赢家，因为PM最擅长的是’清晰度’。设计师会是第二批赢家，因为设计本质是关于情感，而AI还没有学会做情感决策。”

“你不需要等公司来录用你。你可以直接把自己当成一个自由职业Vibe Coder，先做起来。“

五、实战案例

从消费者到建造者：Lazar的第一款产品

2024年初，Lazar在Lovable还在非常早期的时候就开始用它构建产品。当时他有一个需求——他需要做一个企业级的内部工具原型。按照传统流程，他需要找工程师、排期、等待。但那时候Lovable和AI的能力还不够强，他找到了一个有技术背景的团队合作。

他用4个小时在Lovable里搭建出了一个原型。然后工程师团队在6-7个月后把这个原型复刻到了生产环境。

Lazar说：“如果我要用传统方式把这个想法说清楚，至少要一两周。但我用4个小时就做出来了。那个原型帮助我说服了整个团队。”

更重要的是：那是2024年1月的Lovable。今天是2026年1月。Lovable已经天壤之别——那时候能做的功能，现在只是基础。

用作品集拿到工作机会

Lazar分享了一个非常聪明的策略：有几位候选人不是投简历，而是直接给Lovable团队做了一个Lovable App，展示他们对这份工作的理解。

他们不是在说“我会做什么”，而是直接展示“我能做什么”。

Lazar说：“如果你给我发DM，给我一个链接。不要发长文字。给我一个.lovely.app结尾的链接，告诉我你想怎么合作、你能做什么。我永远会打开一个用Lovable做的App。”

六、行动建议

建议1：立刻开始构建，不要追求完美起步

为什么要做： 清晰度不是想出来的，是做出来的。你需要用AI做出实物，才能知道自己真正想要什么。

如何开始： 打开Lovable、Cursor或任何你有权限的AI构建工具。不要等待。随便想一个点子，开始prompt。如果提示卡住了，直接跟AI说“帮我写一个更好的提示”。大多数工具都支持语音输入，直接说出来。

能得到什么结果： 你会发现自己比想象中更清楚想要什么，也会发现一些之前没意识到的问题。关键是你会获得一个真实的、可感受的东西，而不是空想。

建议2：用“4个平行项目法”替代“一次想清楚”

为什么要做： 大多数人浪费大量时间在第一个方向上深挖，最后发现方向错了。从一开始并行尝试可以大幅降低机会成本。

如何开始： 同时打开4个项目。第一天，每个都做一个基础版本。让AI自由发挥，看看每个能做成什么样。第二天，选出最接近你想要的那个，继续深入。放弃其他三个。

能得到什么结果： 你会更快找到正确方向，比单线程尝试节省至少50%的时间和成本。而且你会学到AI在不同方向上的表现差异，这本身就是一个学习过程。

建议3：为你的AI合作伙伴建立“记忆系统”

为什么要做： AI工具的上下文窗口是有限的。如果你无限制地prompt下去，它会忘记早期的目标和设计决策。你的工作变成了维护AI的“记忆”。

如何开始： 创建一套文档体系。Lazar推荐至少包括：

Master Plan.md —— 10,000英尺视角：我们在做什么、为什么、目标用户是谁
Implementation Plan.md —— 实施顺序：先做什么后做什么，为什么这个顺序
Design Guidelines.md —— 设计规范：参考样式、配色、字体偏好、组件风格
User Journey.md —— 用户路径：从注册到核心功能，用户怎么走、每个节点期望什么
Tasks.md —— 任务清单：拆解成具体可执行的任务和子任务

把这些文件上传到项目中，然后在Project Settings里设置Agent规则：让它每次开始工作前先阅读所有文档。

能得到什么结果： 你的AI不再是一个“即用即忘”的工具，而是一个有记忆的合作伙伴。你可以在多个项目之间切换而不丢失上下文。你的项目可以规模化，而不会随着代码库变大而失控。

建议4：掌握4x4调试法——当你卡住时

为什么要做： 问题永远会出现。你需要一套系统性的方法来诊断和解决，而不是反复尝试或者陷入恐慌。

如何开始： 按顺序尝试以下四步，每步只试一次：

第一步：让AI自我修复 大多数AI构建工具（Cursor、Lovable等）都有”Try Again”按钮。AI会承认自己的错误并尝试修复。对于小型问题，这通常就够了。

第二步：添加调试日志 打开浏览器的Console，找到问题发生的位置。跟AI说：“我不认为你能看到这个错误。我们一起找出来。请在相关文件中写console.log，这样我们可以看到每一步发生了什么。”重新运行，复制console输出粘贴给AI。99%的情况下它能找到问题并修复。

第三步：引入外部诊断 如果上述方法失败，将代码导出到GitHub，然后在Codex（新工具）或Claude中分析。用外部的AI来诊断，用内部（Lovable）的AI来修复。两套系统配合使用。

第四步：回退并重新提问 有时候问题只是随机出现的语法错误或者是上下文窗口卡住导致的。回退几个版本，喝杯咖啡，用更清晰的提示重新开始。当问题解决后，问AI：“下次我应该怎么提问，才能一次就解决？”把答案写入Rules.md。

能得到什么结果： 你不再害怕遇到问题。你有一个可重复的系统来处理任何卡点，效率提升10倍以上。

建议5：刻意培养“曝光时间”——建立设计品味

为什么要做： 在AI工具普及的世界里，“能做”已经不是壁垒。“做得好”才是。技术可以复制，品味无法复制。

如何开始： 每天花30分钟研究优秀设计。关注顶级设计师的社交媒体（比如Lovable的设计师Felix），订阅设计 newsletters（Maven是个好平台），学习设计术语——Glassmorphism、Bento Layout、Bow House……

Lazar自己建了一个Lovable App叫some UI style.lovely.app，展示18种不同设计风格的prompt方式，供任何人学习参考。

能得到什么结果： 你的AI产出会从“能用”提升到“惊艳”。你的客户或团队会注意到差异。更重要的是，你开始能够区分“好设计”和“平庸设计”，这个能力在任何领域都是巨大的竞争优势。

七、我的总结

这场对话最让我震撼的，不是那些具体的工具技巧，而是一个更深层的信号：价值正在迁移。

过去几十年，我们衡量一个技术人价值的标准是“能做出来”。会用React、会写SQL、会部署服务器——这些都是稀缺技能。但当AI让任何人3分钟就能搭出一个可用的产品时，“做出来”的门槛消失了。

新的稀缺技能是：知道做什么，并且知道什么是好的。

Lazar说：“我们都会成为产品经理、设计师和工程师的混合体。但好的产品经理被付高薪，不是因为他们能写PRD——是因为他们有判断力。AI可以写任何东西，但AI不知道什么是有价值的。”

Coding正在变得像书法。它不会消失，但会成为一种少数人的艺术。而那个时代的超级明星，是那些能够清晰表达想法、对美有敏锐嗅觉、能把人类需求转化为AI可执行指令的人。

你不需要会写代码。你需要学会提问。你不需要成为工程师。你需要成为好品味的裁判。你不需要等到被录用。你可以从今天开始，用AI构建任何东西。

这个时代最让人兴奋的不是“AI变得更强了”，而是“更多的人可以成为建造者”。而那些愿意拥抱这种变化、持续学习、在实践中建立判断力的人，正在获得前所未有的机会。

📺 播客信息

发布时间：2026-02-08
时长：1小时42分钟31秒
播放量：62330 次观看
原版视频：『YouTube』