目前的 Vibe Coding 是不是只在前端或者常见的 curd 后台强，专业的底层编程咋样？

[libasten]

因为前端代码和各种后台框架代码在网上资源最丰富，所以我有这样的疑问。
目前大多数程序员写的代码，基本上都可以说有前人写过成百上千遍了，整体功能可能不一样，解耦后的小模块肯定都是有现成实现的，就是之前要自己去搜索，然后贴过去再 debug ，现在 ai 完成了搜索粘贴和优化，当然，ai 也在逻辑推理方面做了很多工作。
但是有些行业比较冷门的，或者网上交流的代码比较少的，ai 是不是也相对欠缺？
比如目前世界上头部的软硬件公司，尤其是偏硬件的那些，很多技术都还在保密的，他们那些单位的程序员的具体工作，比如某芯片硬件的驱动啥的，还是自己用脑子去想吧？
不过，应该人脑拆分成很小的逻辑模块后，部分模块 ai 还是可以胜任的？

[wnpllrzodiac]

没的抄作业，肯定不行。ai 还不会自己写项目，自己学习。毕竟有的环境太难搭建了。ai 现在只是堆算力处理文本。还不能全部接管真实世界，跑真实业务训练自己

[jackOff]

帮我们硬件组发现几个 bug 了，当然也可能是我们硬件组代码能力太差了

[handsome198311]

与硬件结合的编程工作，AI 一样强。买了两片开发板一个是 STM32H750VBT6 ，用 copilot 在 demo 上改一下，做了 TTL ，RS232 ，RS485, CAN-FD 收发器。另一个 ESP32P4 ，用 AI 写 WS2812 灯带测试程序，串口收发+网络转发。都没有问题，对于资深的工程师来说，AI 提效巨大，对于新手，也可以快速开发出产品。

[94]

你换一个语料少的开发语言就能发现现在的 LLM 模型输出的内容，还不一定有古早的 IntelliCode 好用。

之前有过类似的讨论： /t/1179214

[Aolose]

冷门的就 磕磕绊绊 甚至自己瞎编 api
如果有 API 文档 你可以喂 AI 然后 AI 去找怎么实现你需求

[furlxy]

只要有文档，强的一笔
没有文档，也可以逆向信号进行分析

[jmliang]

世界上头部的软硬件公司，这个肯定强。弱的是国内那些小厂的定制芯片 定制指令

[andyskaura]

冷门的那是相当欠缺，前几天我老板让我试试 ai 写 delphi ，gpt5.5 超高一顿梭哈下来，项目都跑不通。

[minami]

最后一句是对的，需要人工介入，语料不够

[R1chter]

写个驱动全靠手工打磨，只能写个垃圾框架出来，硬件 spec 给转成 md 也看不懂，SDK 和 HAL 都定义好了也是一堆问题，纯软流程勉勉强强，但涉及硬件限制或者硬件交互的直接抓瞎，只能一边提示一边改

[SeanTheSheep]

现在我们公司嵌入式的驱动程序、FPGA Verilog 已经全部是 codex GPT5.5 完成了。 搭配 Trellis 框架把项目的硬件电路文档描述清楚形成斜杠命令，配合读取串口调试信息以及 Jlink cli 能够做到 codex GPT 5.5 驱动闭环开发。
因为硬件方案大部分已经形成固定方案和平台，正确的 datasheet markdown 化， 并且把嘉立创 EDA 、Allegro 、Capture 等 pcb 信息整合固化为文档。最后统一在框架内通过 GPT5.5 tool call 读取 文档，写出来的驱动又快又稳。AI 做完的驱动模块会在测试流中直接接入 信号发生器、逻辑分析仪、示波器等读取 实时测试数据，清洗格式后再由 GPT 读取验证测试回路。 这些全流程我不敢说在 500 强或者大公司 比起传统流程强多少，但是在普通的腰部中小公司，实测打败了大多数 嵌入式传统开发、FPGA 开发、前后端上位机开发等等。

因为小公司业务也少，没有什么层级和办公室政治，在确定不裁员不招新的情况下，直接转换为了 全员 DDD 模式， 两三个开发负责一个完整项目，所有文档和配置项目内共享，比以前开发快了至少 5 倍。

很多老哥会说全部依赖 AI 会出大问题之类，哈哈哈，你以为我们这种草台班子纯古法编程把天捅漏了的时候少吗？ 还 TDD 、还什么代码审计，你和上古 VB6 、C99 、800 年前离职同事写的古法 C++ 和 俺寻思之力迭代的 QT 你古法写吧，一写一个不吱声。

[Galio12138]

@furlxy 大模型掌握一门编程语言不是需要大量的训练语料吗？大模型可以做到训练集中没有代码，仅凭编程语言的文档生成可用的代码？

[qwx]

在你能给 AI 完善的文档的前提下，用自己对程序的思考做事情的话，还是很稳的，脚手架搭好剩下的都交给 AI ，至少写出的代码质量比我要高

[javazero]

我在做大模型训练框架相关的工作，定位问题，算法实现。claude code 基本都能 cover 住

[javazero]

@javazero 性能优化，算子优化也能做的七七八八。当然要做最机制的性能优化，比如搞一个 megamoe 。我认为今天还没有能做到

[xzysaber]

应该还是很厉害，也找出了很多严重的漏洞。

[dantangfan]

如果你说底层的什么 linux 、嵌入式，我觉得是没问题的，八九成能解决吧

[nevin47]

我之前帖子里提了我们在内核和芯片领域的例子，可以参考 https://www.v2ex.com/t/1218995#reply37

[GeruzoniAnsasu]

- ai 的能力已证实绝非简单模仿，是真正的逻辑能力+推理。因此就算是没接触过的领域，它一样有能力理解代码逻辑并分析错误
- opus4.7 帮我写过一个 golang-rust FFI 桥，用 protobuf 做接口定义，CGO 链接 rust 的静态库
- 刚刚随便拍脑袋的实验： https://gemini.google.com/share/5075c231ef0d

[anytk]

内核模块开发，强的不能再强了

[purringpal]

@SeanTheSheep 你说的这些嵌入式实现，毫不诧异，甚至觉得效率还没有达到当前最优。但‘在确定不裁员不招新的情况下’我倒是有点兴趣，在私企没有什么是绝对的，变化才是常态，所以我从来不笑别人在 AI 上‘落后’，无非是早替代和晚替代的区别、运气差运气好的区别，而往往越‘自信’的人回旋镖来的越快。

[Siriusie]

@SeanTheSheep 想请教一下逻分用的哪个型号

[SeanTheSheep]

@purringpal #21 的确是这样，这个世界没有银弹，vibe coding 有自身的局限性，也带了新的问题。所谓“提前”也好，“落后” 也罢，最佳实践的传播从 1-100 也前后不会超过 3-6 个月的时间。

我个人认为，在架构基础发生巨大变化之前，从计算和数学本质上看，Transformer+MoE 架构的大模型，就是一个极其巨大的、用于预测下一个 Token 的条件概率函数。P(token_{n+1} | token_1, ..., token_n)
这就意味着大模型本身无法主动给出真实环境下的需求，也无法对生成结果负责，人在当前 vibe 环路的最开始和最后都无法被完全替换。这和运气好坏无关，而是其数学本质导致的。当然，如果具身智能、世界模型在这一轮 ai 泡沫破裂前就能成熟，那这一套工作方式也肯定是要被淘汰替换的，我们可以进一步去学习拥抱新的技术。

回旋镖不是个坏事，回旋镖意味着产生反馈的结果是真实的，那就意味着有改进和优化的可能。技术革新总会击碎一些固有认知，也会形成新的，我只是单纯的因自己可以参与这一切而感到兴奋。

我想，这个世界本身就是不断熵增的，无序的，没有什么逻辑可言。无论大小企业还是公务员国企，没有银弹工作，相对稳定本身也需要支付巨大的代价。如果我们公司彻底拉闸，我就去搞中转站，学个电工，学个木工，防水工等等。观察社会的有效需求并给出高质量的成果交付，我“自信”于不会让全家饿死，哈哈哈。

学习怎么装修，最近我在装修租的房子过程中，惊讶于当前工人知识水平之匮乏，对标准之厌恶，所以自己自学改了水电，厕所防水，地板铺设也是完全可以自己做的。而现在 AI 对于建筑室内设计也是渗透极深，我觉得自己干个从设计到施工到交付的装修师傅 也挺好😊

[SeanTheSheep]

@Siriusie #22 惭愧，没用啥贵的，白嫖的我师傅的 LA5016