那个抛出vibecoding的AI大神卡帕西又发话了，PR从Pull Request变成Prompt Request是认真的！
以前程序员在GitHub上拼死拼活提交PR，也就是Pull Request，那个绿色按钮按下去的时候心都在颤抖。
现在卡帕西开始认真开玩笑说应该把PR改成Prompt Request，意思是你别在那吭哧吭哧写代码了，你直接把脑子里的想法倒出来就行，剩下的让模型去干。
这个提议PR听起来像段子，但仔细一想后背发凉，因为这等于把整个软件开发流程的核心理念给掀翻了。以前大家觉得代码是老大，文档是伺候代码的小弟。现在突然变成想法是老大，代码只是跑腿的。这个反转就像你一直以为厨师最重要，结果某天发现厨房全自动了，点菜的人反而成了主角。这种身份颠倒让人既兴奋又慌得一匹。
这种变化背后的原因其实特别硬核。大语言模型现在强到什么程度呢，你给一个模糊的想法，它真能给你整出一堆看起来像模像样的代码。不需要你把每个变量名都想好，不需要你纠结用for循环还是while循环，你只要说“帮我抓取网页标题”，它就能给你吐出requests库加BeautifulSoup的组合。
这意味着人类的角色正在发生剧烈漂移，从原来那个满手泥巴的施工队队长，变成了翘着二郎腿的甲方爸爸。你只需要说“我要一栋楼”，剩下的砖头水泥钢筋全自动搞定。听起来爽到爆炸对吧，但问题也马上冒出来了，如果人人都只负责动嘴皮子，那这些想法会不会变成一坨巨大的垃圾。
想法文件要上天
所谓idea file，翻译过来就是“想法文件”，这个东西听起来平平无奇，但它的定位已经彻底变异了。以前你写README文件，那纯粹是为了伺候代码，给代码当保姆，解释这个函数干嘛的，那个变量什么意思。现在情况完全反过来，你写idea file是为了干掉代码，直接用想法取代那一堆花里胡哨的编程语句。这个转变就像以前菜单是给厨师看的，现在菜单直接变成菜本身。
你想想看，你打开一个仓库，里面没有.py文件没有.js文件，只有一个idea.md，写着“做一个能自动帮我整理桌面文件的工具”。然后AI看完这个文件，直接给你生成一个可运行的程序。这意味着信息的权力结构彻底翻盘，代码从核心变成了副产品。
这个变化对程序员的心理冲击巨大。以前大家比的是谁代码写得优雅，谁bug修得快，谁架构设计得牛逼。
现在突然变成比谁想法描述得清晰，谁prompt写得好，谁更会当甲方。这个转变就像高考突然不考数学物理了，改考写作文和做PPT。很多老程序员当场裂开，因为他们花十年练出来的手速和调试技巧突然贬值。
而另一边，那些以前被嘲笑“只会吹水不会写代码”的产品经理和策划们，突然发现自己的时代来了。他们以前被程序员怼“你行你上”，现在真的可以上了，因为只要想法足够清晰，AI就能帮你实现。这个世界突然变得魔幻又真实，想法文件正在从边缘角色冲向舞台中央。
PR变成Prompt Request是认真的
把PR改成Prompt Request这个提议，表面上看是个幽默梗，实际上它在砍开发流程的根。传统流程大家都很熟悉，你写一堆代码，提交一个PR，然后你的同事或者机器人开始review，找bug提意见，反复修改，最后合并。
这个过程痛苦又漫长，但它是软件质量的保证。
现在如果变成你只提交一个Prompt Request，也就是一段话描述你想干嘛，然后AI自动生成代码、自动测试、自动合并，那人类的参与就从“亲手盖房子”变成了“在图纸上画个圈”。这个转变听起来像科幻片，但一些前沿团队已经在偷偷试了，效果还特么挺炸裂。
你给一个prompt说“做一个计算器”，AI不仅给你生成了HTML、CSS和JavaScript，连按钮的圆角和阴影都给你调好了。
但是别高兴太早，代码这个行当从来不是“能跑就行”那么简单。有评论者一针见血地指出，魔鬼永远藏在细节里，而且这些细节不会因为你用了AI就自动消失。你写一个模糊的prompt，比如“做一个登录功能”，AI确实会给你生成用户名密码框、登录按钮、甚至还有记住密码的复选框。但这套东西有没有考虑SQL注入？有没有做密码加密？session管理安全吗？这些细节一个都没处理。于是你绕了一大圈，最后还是得回来debug，而且这次debug的是AI写的天书代码。那些变量命名可能叫a、b、tmp，函数嵌套深得像俄罗斯套娃。
所以PR不会消失，它只是换了一张脸比如Harness。未来的PR更像是一份“意图说明书”加“自动生成产物”加“验证报告”的组合包，人类从写代码变成写需求。
知识库变成外挂大脑
卡帕西提出个人LLM知识库这个东西听起来很高大上，其实说白了就是拿模型帮你管脑子。
以前你想搞懂一个领域，比如区块链或者量子物理，你得自己啃书、看论文、做笔记、画思维导图，整个过程累得像头驴。现在你只需要往模型里狂喂数据，论文、博客、视频字幕、甚至聊天记录全塞进去，然后让它帮你总结、归纳、找关联。它能在几秒钟内读完你一个月都看不完的资料，然后吐出一份结构清晰的脑图。这个能力太恐怖了，因为它直接触及了人类学习这件事的核心——理解。当你不再需要自己理解就能获得理解的结果时，你到底是在学习，还是在养一个会学习的电子宠物？
这个问题的答案让人后背发凉。因为一旦你习惯了把理解外包给模型，你的生物大脑就会开始偷懒。你不再记住知识本身，只记住怎么问问题，比如“帮我总结一下XXX的核心观点”。短期来看效率爆炸高，你一天能“学”完十个领域的入门知识。但长期来看，你的深度思考能力可能会像不用的肌肉一样萎缩。当然也有人反驳说人类一直在外包能力，从算盘到计算器，从地图导航到GPS，从字典到搜索引擎，每一次外包都释放了大脑去做更高层次的事情。这次只是轮到“理解”这个功能被外包而已。关键不在于要不要用，而在于你还剩多少“自己能独立思考”的硬实力。
如果你关掉模型就变成傻子，那你不是在使用工具，你是被工具附身了。
垃圾想法爆炸时代来了
当写代码变难、写想法变容易的时候，一个铁定的规律就会生效：数量疯狂膨胀，质量直线跳水。这个现象在互联网历史上反复上演，论坛时代门槛低，于是满屏都是“顶”“沙发”“好帖”；微博时代门槛更低，于是诞生了海量的营销号和段子手。现在轮到想法文件了，写一个prompt的成本几乎为零，你在地铁上晃两下手机就能写出十个想法。于是全世界的“半成品想法”开始像核爆后的蘑菇云一样涌进各个仓库和平台。这些想法看起来都很合理，比如“做一个比微信更好的聊天软件”，但仔细一想全是坑，没有商业模式分析、没有技术选型、没有安全设计、没有运维方案。它只是一个闪念，连想法都算不上。
这个垃圾泛滥的问题有多严重呢，有人把它类比成法律文书的变化。以前写一份合同需要律师花几天时间，现在用模板几分钟就能生成一份，结果是合同数量爆炸了，但漏洞也爆炸了。
想法文件也是一样，以前你提交一个PR需要写代码、跑测试、过review，这些成本本身就是过滤器，筛掉了90%的垃圾输入。现在过滤器被拆了，洪水直接冲进来。评审的压力从“review代码”转移到了“review想法”。问题是想法比代码难评审得多，代码是确定的，跑一下就知道对错。
想法是模糊的，你说“做一个好用的工具”，什么叫好用？谁来定义？这些歧义能把人逼疯。
最终的解决方案可能很荒诞，就是用AI去审核AI，用模型去筛选prompt，让算法来决定哪些想法值得继续活下去。这听起来像个黑色幽默，但很可能是唯一能规模化运作的路。
细节不会因为你不写代码就消失
在一片“想法万岁”的狂欢气氛中，总有人站出来泼冷水，而且这盆水冷得特别有道理。他们冷静地指出一个事实：代码里的那些破事儿，不会因为你不亲手写代码就自动消失。很多人误以为AI是魔法棒，挥一下所有复杂问题就烟消云散了。实际情况是复杂性只是换了个马甲，从“实现复杂度”变成了“描述复杂度”。你不写代码了，不代表问题变简单了，而是你把所有脏活累活推给了系统。但系统不是神仙，它只能根据你给的描述去猜你的意图。
如果你的描述里有漏洞，它就会生成有漏洞的代码。而且这些漏洞往往比你自己写的代码更难发现，因为AI生成的代码看起来太整洁了，整洁到让人放松警惕。
这个问题的本质是，工程里的魔鬼从来不只在代码层面。性能问题、边界条件、异常处理、并发冲突、内存泄漏，这些东西不会因为你是用AI生成的就不存在了。你写一个prompt说“做一个文件上传功能”，AI确实能给你整出一套漂亮的拖拽上传界面和进度条。但你有没有想过文件大小限制？并发上传怎么处理？断点续传要不要做？服务器挂了怎么办？这些细节一个都没出现在prompt里，于是AI就按最简单的方案来了，结果上线第一天就被大文件搞崩了。所以你绕了一大圈，最后还是得回来补细节，只不过这次你补的不是代码，而是prompt里的描述。未来的核心能力根本不是写代码，也不是写prompt，而是“精准表达问题”。
谁能把问题描述得跟法律条文一样严谨、无歧义、覆盖所有边界，谁才能真正用好AI。这听起来比写代码还难，因为写代码好歹有编译器帮你报错，写prompt错了连报错都没有，只有运行时崩溃。
人类从搬砖工变成包工头
整场讨论最终指向一个根本性的角色重塑：人类正在从“亲手干活的人”变成“张嘴下指令的人”。这个变化在历史上不是没有先例。农业革命让人类从狩猎采集变成了种地放羊，工业革命让人类从手工纺织变成了操作机器，信息革命让人类从跑腿送信变成了敲键盘发邮件。每一次变革都让一部分体力或脑力劳动被外包，人类则往更上层的抽象阶梯爬了一级。
这次LLM革命爬的这一级格外高，因为它外包的不是简单的计算或记忆，而是“从想法到实现”这个完整的转换过程。以前这个转换需要人亲手写代码、调bug、做测试，现在模型帮你全包了。你只需要站在高处指指点点，说“我要这个功能”“那个按钮改红色”“性能再优化一下”。
但这个变化带来的第二个后果比第一个要沉重得多。效率提升当然爽，你一个人能干以前一个团队的活。但责任也跟着翻倍上涨，因为你定义了问题，所以结果的好坏全由你背锅。以前代码出bug你可以说“哎呀某个边界条件没考虑到”，现在你说这话没人信，因为边界条件是你描述问题时就应该想到的。实现是自动的，所以错误只能是设计层面的错误。
这就像你从工地搬砖的变成了建筑设计师。你不再满手老茧地砌墙了，但如果你的图纸画错了导致整栋楼塌了，锅还是你的，而且更大。很多人只看到了第一点的轻松和爽快，完全没有意识到第二点的压力有多大。
这就是为什么有的程序员欢呼“解放了”，而有的程序员沉默着说“这特么比写代码还累”。因为以前你只需要对一行行具体的代码负责，现在你需要对整个抽象的意图负责。抽象比具体难一万倍。
总结
核心变化就是一句话：从写代码转向写想法，人类角色从执行转为定义，但细节复杂性并未消失，只是转移并放大了表达能力的重要性。