编程的历史，本质上是一部人类不断把机器语言翻译成人类语言的历史。回看这条脉络，一条主线清晰可见：开发者离硬件越来越远，离"意图"越来越近。
一切始于汇编时代。 那时的程序员用助记符与机器一一对应地交谈，每一条指令都贴着硅片的温度。寄存器要手工分配，内存要手工管理，连一次函数调用都意味着对栈帧的精心编排。程序跑得飞快，但写程序的人必须像机器一样思考——这是最纯粹也最沉重的"贴近金属"。
高级语言的出现是一次伟大的解放。从 Fortran 到 C，程序员不再描述"机器该怎么做"，而是开始描述"问题是什么"。你写下 a = b + c，至于操作数从哪来、结果存到哪去，交给编译器操心。声明式的表达把开发者从机器细节中赎了出来，软件由此获得了跨越平台移植的可能，行业也第一次迎来了生产力的爆发。
随后，编程开始向更多人敞开大门，图形化编程是其中浓墨重彩的一笔。以 Visual Basic 为代表的工具把界面开发变成了拖拽控件的游戏：画一个按钮，双击它，在事件处理函数里填上逻辑，运行即所见。这种"所见即所得"的模式让无数非科班出身的人写出了人生第一个程序，也让"快速应用开发"成为那个年代的流行语。
与此同时，工具本身也在膨胀。Visual Studio、Eclipse 这类重量级 IDE 把编辑、编译、调试、重构、版本管理全部集成进一个庞大的工作台。它们功能强大到几乎无所不包，代价是启动时的漫长等待和日益臃肿的内存占用——对许多开发者而言，打开 IDE 本身就像启动一架航天飞机。
反弹随之而来。以 Sublime Text、VS Code 为代表的轻量级编辑器凭借秒级启动、插件化扩展和跨平台体验迅速崛起。它们把"够用"做到了极致：核心足够轻，能力交给社区以插件形式生长。开发者重新获得了"快"的体感，也第一次在统一的环境里自由组合出自己趁手的武器库。
而今天，我们正站在又一次范式转移的现场。 2025 年 2 月，OpenAI 联合创始人 Andrej Karpathy 提出了"vibe coding"（氛围编程）：开发者不再逐行写代码，而是用自然语言向 AI 描述意图，由模型生成、调试并迭代代码，人则退居为需求的定义者与结果的验收者，甚至主动放弃对每一行代码的掌控，凭"感觉"快速试错。与之形成镜像的是** spec coding（规约编程）**——它要求先与 AI 共同制定结构化的规格文档，明确架构、接口与验收标准，再让 AI 严格按规格施工，把 AI 编程从"玄学"拉回"工程学"。前者适合快速验证想法，后者守住工程质量的下限，业界逐渐形成的共识是"用 vibe 探索，用 spec 建造"。
但范式演进并未止步于此。2026 年 2 月，Karpathy 亲自宣布 vibe coding 过时，把接力棒交给了 Agentic Engineering智能体工程 ：开发者 99% 的时间不再直接写代码，而是编排智能体、做监督，"engineering"一词强调这仍是一门需要专业技艺的事。这个范式有硬数据支撑：Cognition 披露 Devin 在其自身代码库的提交占比已从 13% 提升到 89%；梅赛德斯-奔驰用它把一个预计 8 个月的 COBOL 现代化项目压缩到 8 天；开源侧，OpenHands 在 SWE-bench Verified 上配合 Claude Sonnet 4.5 达到 72% 的问题解决率。
与它几乎同时出现、但切入角度不同的是谷歌云 AI 总监 Addy Osmani 于 2026 年 6 月提出的 Loop Engineering循环工程：开发者不再逐条下指令，而是设计一个"目标—迭代规则—终止条件"的自动化循环，让智能体自主完成"编码→测试→评估→修正"的闭环，Claude Code 的 /goal 命令底层正是"主模型执行、评估模型验证"的双模型架构。如果说 spec coding 是给 AI 一张图纸，loop engineering 就是给 AI 一条产线。
更激进的形态已经在产品里露头。字节跳动 Trae 的 SOLO 模式让 AI 主导从需求到部署的全流程，人类只扮演产品经理的角色；北大肖睿团队 2026 年 2 月的报告则把这条线的终点命名为ID Coding（意图编程）：人类仅通过语言、草图传递意图，AI 完成从需求到部署的全流程，代码完全隐形。支撑这条线的底层能力也在就位：谷歌 2025 年底提出、2026 年 4 月发布 v0.9 的A2UI 协议让智能体只输出结构化 JSON 描述界面、由客户端用预定义组件原生渲染——AI 不再写前端代码，"说一个按钮"就得到一个按钮，且从根源上杜绝了生成代码的安全风险。与之配套的是上下文工程取代提示词工程成为核心技能：把 LLM 当 CPU、上下文窗口当内存来设计信息供给系统，Anthropic 对约 40 万次 Claude Code 会话的分析显示，专家级用户每个提示能驱动智能体执行 12 个操作、产出 3200 个词，而新手只有 5 个操作、600 个词。
值得注意的是，几乎每一轮范式跃进都伴随着反向运动：Martin Fowler 2026 年 2 月警告用 AI 替换资深开发者会导致团队"技能退化"、组织失去架构判断力——Anthropic 的对照试验也显示，重度依赖 AI 的开发者在代码理解测试中比手动编码组低 17 个百分点；Netflix 工程主管 Jake Nations 提出"无限软件危机"，指出 AI 生成的代码库本质上是生成它的那场对话的镜像，在机器速度生成代码的时代，人类在关键节点的判断力才是核心优势；国内社区甚至出现了"古法编程"的戏称——判断标准只有一条：你能不能不依赖 AI 解释自己项目的每一行代码。
把这些串起来看，变迁的主线其实从汇编时代就没变过：每一层抽象都把上一层的机械部分交给机器，让人类心智驻留在更高层。汇编把纸带打孔变成助记符，编译器把助记符变成高级语言，IDE 把命令行变成集成工作台，AI 把语法变成自然语言，而 spec coding 之后的这一轮，是把"施工"本身交给了智能体—— 人负责的部分，从怎么写上移到写什么、怎样算对。反向运动的存在恰恰说明，这层边界最终会稳定在"人类守住架构判断与安全底线、机器承包战术执行"的位置上，而不是无限上移。编程没有消失，它只是越来越像"定义问题"本身。