让 AI 写底层代码,已经从玩具变工具,不是＂程序员要失业＂,是＂普通人也能借上力＂

最近两条消息凑到一起，挺说明问题：

一条是 Claude Code 推出了 mods——简单理解，就是让你把经常用的那套"怎么让 AI 帮你干活"的方式，保存下来、可以复用、也能分享给别人。

另一条更有意思：有工程师用 Claude Code，自动搭出了一个叫 VibeQwen 的推理引擎，跑起来比主流的 vLLM 还快——单流解码快了 90%，首 token 延迟从 28 毫秒降到 12 毫秒。

这篇文章不聊"程序员会不会被取代"（那是制造焦虑，没意义），我想聊的是另一件事：当 AI 能写底层代码，像我们这样的普通人、小开发者，能借上什么力。

先说清楚：mods 解决了什么

过去用 AI 写代码，有个很烦的点：你每次都得重新把"背景、规矩、偏好"说一遍。

比如你团队有一套代码规范，你每次让 AI 改东西，都得先唠叨一遍"用咱们的命名风格""别动这个文件""报错先打日志"。说一次忘一次，换个人用就更乱。

mods 干的事，就是把这些"怎么协作"的经验固化下来：保存成一个模块，下次直接调用，别人也能拿来用。本质上是把"老师傅带新人的那套默契"，变成了可以复制的文件。

这对小团队太有用了。人少、活多，最怕的就是"某个人脑子里的经验带不走"。mods 这种思路，等于让经验能沉淀、能交接。

再说说：AI 写底层代码意味着啥

VibeQwen 那个例子，才是真正让我眼前一亮的。

推理引擎是什么？你可以把它想成"AI 跑起来时脚下的发动机"——它决定了模型回答你问题时，有多快出第一个字、一口气能撑多少并发。这东西历来是硬核工程师的领地，调优空间细到毫秒。

现在的情况是：工程师没从头手写，而是让 AI 根据目标自己把引擎造出来，造完一测，比人手调的主流方案还快。

这说明一件事：AI 辅助编程的边界，从"写业务功能"扩到了"写底层基础设施"。

过去你要做一个 AI 产品，底层那块要么自己啃、要么用现成框架将就。现在，你可以让 AI 帮你把"发动机"按你的需求定制出来。门槛，实实在在降了一截。

这和普通人有啥关系

你可能会说：我又不写推理引擎，关我什么事？

关系在于：你不需要是底层专家，也能把想法落地了。

举几个接地气的例子：

- 你想给自己的小店做个"自动回消息"的机器人，过去得懂服务器、懂接口；现在可以让 AI 帮你把框架搭出来，你只管说清楚"要回什么"。

- 你有个重复操作的活儿，比如每天把表格整理一遍，过去要么学脚本要么忍着；现在可以让 AI 写个小工具替你跑。

- 你做产品卡在某个技术问题，过去要花一周啃文档；现在可以让 AI 先给个能跑的版本，你再改。

为什么我不想说"程序员要失业"

每次 AI 写代码有突破，总有人喊"程序员完了"。

我不这么看，理由很朴素：

第一，会提需求的人更值钱了。 AI 能写，但写什么、写成啥标准、怎么算好，得有人定。能把问题说清楚的人，比以前更稀缺。

第二，判断和兜底永远需要人。 AI 写的代码跑起来快，不代表它"对"。业务对不对、边界处不处理、安不安全，这些还是得人把关。

第三，工具越强，杠杆越大。 对咱们小开发者，这明明是好事——一个人能撬动的活儿变多了，启动成本变低了。我自己的 AI 产品，本质上就是站在这些工具肩膀上的。

所以别被"失业论"带偏。更实在的视角是：AI 把"写代码"这件事的入门门槛削平了一截，真正拉开差距的，变成"你想解决什么问题、你能不能把它说清楚"。

如果你也想试，先迈一小步

别一上来就想"让 AI 帮我写个操作系统"，那容易劝退。

我建议从最小的一步开始：

1. 有个具体的小活儿（整理表格、批量改名、写个自动回复），直接让 AI 帮你写第一段能跑的代码；
2. 跑不通就把报错贴给它，让它改，来回几轮你就懂了个大概；
3. 等它写完了，你读一遍、改改，慢慢就从"全靠它"变成"和它搭伙"。 这个过程，比看一百篇"AI 解放生产力"的文章都管用。

说实话，我自己的产品能跑起来，很大程度上就是因为这些工具——它们让我这种不算底层专家的人，也能把想法变成能用的东西。

AI 写底层代码这事儿，我一点都不慌。反而觉得：工具越强，敢动手的人越多，好玩的东西就越多。