现在都这么编程了吗？我有些out了。

“Matlab，Python，C/C＋＋，C#，markdown，LaTeX，都可以。写啥代码就在vscode里面安装对应的插件。

之前要在几个软件之间切来切去，现在全部塞到vscode里面。然后vscode配好claude code，写啥都靠提示词，编程全靠自然语言[呲牙]

我也是您说的那种反复问，正向问，反向问。很多时候只是有一点思路，过来AI讨论来着。

我用的是deepseek的API，用的强度算是比较大的吧，过去一个月花掉了200块。不过工作效率提升确实很大，有啥思路和ai讲清楚它能很快编写代码验证，之前可能几个星期的任务现在几天就能搞定。”

看到读者给我发来的信息，我就知道我可能落伍了，我估计和我年龄差不多的同龄人都落伍了。现在我还能借助AI来搭程序框架，核心的内容还是自己写。那么大家年轻人怎么编程的呢？我请教了豆包，让它帮我梳理一下。

一、先拆解这位读者的工作流

工具底座：VS Code 大一统Matlab、Python、C/C++、C#、Markdown、LaTeX，全部在 VSCode 完成，靠插件切换环境，不再来回开多个 IDE。

AI 接入方式：VSCode 内接入 Claude Code + DeepSeek API，直接在编辑器内对话。

工作模式：

1. 脑子里只有模糊思路，没有完整算法、没有成熟代码；
2. 用自然语言把需求、约束条件、边界条件口述给大模型；
3. 正向提问、反向诘问、反复迭代，和 AI 一起推演方案；
4. AI 直接输出可运行代码，快速搭建、仿真、验证想法；
5. 原来几周的原型验证，缩短到几天。

成本：月消耗 API 费用 200 元，换取巨大提速。

和是当前编程模式的核心区别是本人只用AI 搭框架，核心算法、关键逻辑自己手搓。

新一代玩法：把方案推演 + 原型代码实现外包给 AI，人负责：提约束、审查逻辑、验证结果、修正错误。

二、现在市面上三类典型 “AI 编程模式”

模式 1：本人模式（稳健派，很多资深工程师、科研人员在用）

流程：人梳理清楚理论、核心算法思路 → 让 AI 生成基础框架、文件结构、IO 接口、绘图、封装函数；核心数学逻辑、均衡算法、信号处理核心模块，自己逐行审核、重写、调试。

优势：可控、不容易出现隐蔽 bug，适合通信、DSP、算法仿真这类容错低的领域；短板：原型迭代速度上限受个人编码速度限制。

模式 2：留言读者代表的主流新锐模式（工程原型 / 仿真首选）

流程：人输出需求规格、参数约束、输入输出要求（不需要细化到每一步代码）；

AI 完整输出实现代码；人做三件事：

1. 判断算法思路是否合理；
2. 运行测试，找出 AI 逻辑漏洞；
3. 不断追加提示词，迭代修正，直到仿真结果符合预期。

定位：人是架构师 + 测试者，AI 是高级编码工人。适合：快速验证想法、搭建仿真链路、编写重复性代码、实现成熟理论公式。风险：AI 经常出现隐性逻辑错误、边界条件遗漏，如果不加验证直接使用很容易踩坑。

模式 3：极致懒人模式（不推荐严谨科研 / 工程）

直接丢需求，AI 写完简单跑跑，不深究内部实现。短期快，但遇到复杂算法、多轮迭代仿真时，bug 堆积，后期极难维护。这也是现在本科阶段学生使用的主流模式，要逐渐突破才行。

三、当下真正的变化不是 “AI 写代码”，而是思维模式转变

过去传统编程思维：先把完整逻辑在脑中推演完毕 → 动手逐行编码 → 调试

现在很多人的思维：先模糊想法 → 交给 AI 快速产出原型 → 通过运行结果反向完善思路 → 反复对话收敛方案等于把代码当成了 “思想推演的试验载体”，不再要求自己动笔前把一切想透彻。

这也是为什么他会频繁正向、反向反复追问 AI：很多问题他自己暂时想不通，利用 AI 快速生成代码，用仿真结果辅助自己思考。

四、结合做通信算法、MATLAB 仿真的场景，客观说利弊

好处你能直接借鉴：

1. VSCode 统一管理多种语言脚本、论文 LaTeX、笔记 markdown，减少软件切换损耗；
2. API 接入本地编辑器，不用来回复 制粘贴代码，效率更高；
3. 复杂循环、绘图、数据存储、信道生成、交织、编译码这类标准化模块，可以交给 AI 批量生成。

需要警惕的短板（恰恰是你 “核心自己写” 这套模式的优势）在通信、信号处理领域大量存在：采样时钟偏差、定点溢出、滤波器均衡、同步这类细微陷阱。大模型很容易写出 “语法能运行，但物理含义错误” 的代码。很多新人开始意识不到：代码跑起来 ≠ 算法 正确，用多了自然会发。

五、给你一个折中融合方案（兼顾速度与可靠性）

不用完全转向 “全部交给 AI 写”，可以吸收对方流程里高效的部分：

1. 继续保持：核心算法、数学推演部分自己把控；
2. 向外放权：标准化模块、数据读写、可视化绘图、脚本封装、文件批量处理全部交给 AI；
3. 工具升级：VSCode 统一环境，接入本地 API，实现在编辑器内直接对话，省去复 制粘贴；
4. 工作流程微调：模糊想法先用 AI 快速搭建最简原型做预验证，避免自己埋头写很久才发现方案行不通。

不是大家编程能力变强了，而是编程的分工变了：以前：人 = 设计师 + 编码员 + 测试员现在很多人：人 = 设计师 + 测试员，AI 全职承担编码员。能否用好这套模式的分水岭，不在于能不能让 AI 写出代码，而在于你有没有能力辨别 AI 代码里藏着的逻辑错误。

以上就是豆包给我的回复，我仔细的看了两遍，中间也顺带改了些内容。大家从文字中感受到经验和思路的重要性了吗？旅游期间大脑放空不想代码，但是还会想这些问题，也许到家就该试试agent了。