你是什么時候染上 Vibe Coding 的？

我 Vibe Coding 做項目上癮，連游戲都不想打了。

以前的周末，我總會打開某個城建經營類游戲，比方說前段時間入手的紀元系列，沉迷于蓋房造樓鋪生產線。而現在，無論周末還是周中，我都會坐在電腦前，打開一個 OpenCode 窗口，開始“搞事情”——讓它幫我寫代碼、分析數據、 brainstorm 小說創意，甚至跟我爭論某個觀點。一坐就是一天，讓我想起了當年玩文明時候的“再來一回合”。

每當我覺得我已經神經衰弱到不能再這樣下去的時候，打開 Steam 的游戲列表打算放松，看了半天之后就放棄了——X 的，這些游戲都不如 Vibe Coding 好玩。

我所有入坑 Vibe Coding 的朋友也都出現了類似的癥狀：沒完沒了地盯著那個終端文本窗口，別的啥都不想干了。

怎么就成癮了呢？我的理解：這件事的核心，不在于 AI 有多強，而在于一個更底層的東西：人最喜歡的，從來不是完全的確定，更不是完全隨機，而是一定比例的“半隨機”——就是你知道大概方向，卻無法預測精確結果。你隱約在預測接下來會發生什么，但結果總比你猜的多個意外。

而這個“意外”，不多不少，剛好夠你“哇”一下。

快樂來自哪？

多巴胺不是快樂分子。

你吃到一盤意外好吃的菜，你覺得快樂，以為是多巴胺在獎勵你。但其實多巴胺真正做的是：在你吃到菜之前，預測這盤菜有多好吃；然后在你實際吃到之后，計算“現實與預期”的那個差值。

神經科學家把這個差值叫做獎賞預測誤差。如果實際比預期好，誤差為正，多巴胺猛烈釋放，你會感到興奮、驚喜、再來一口；如果實際比預期差，誤差為負，多巴胺受抑制，你會感到失望、無聊、放下筷子。如果實際等于預期，誤差為零，多巴胺根本不變——不快樂，也沒痛苦，你就是覺得，嗯，就那樣。

所以，食物的幸福感最大化，在于第一口剛剛入口的那一瞬間。那是預期和實際相差最大的一刻。

這個理論最初由沃爾弗拉姆·舒爾茨在九十年代通過猴子實驗發現。他的實驗很簡單：猴子一看到燈亮，就知道下一秒會有果汁滴到嘴里。一開始，燈亮時猴子的多巴胺神經元沒反應；果汁滴下時，猛烈放電，它很驚喜。后來，燈亮和果汁之間的關聯變得完全可預測，猴子看到燈會興奮，喝到果汁時毫無意外，反而沒有反應了。再后來，舒爾茨亮燈但不給果汁，多巴胺神經元放電減少，猴子大失所望。

只有當舒爾茨偶爾給一個“意外果汁”——比如沒亮燈直接給——猴子的多巴胺才會炸。

你看，這就是問題的核心：完全確定，無聊；完全隨機，放棄；只有半隨機，上頭。

賭博之所以會成癮，是同樣的機制。最讓人成癮的賭博都是那些引入了一些（或真或假的）技術因素的玩法：你不是肯定會贏，而是給你營造出“我差點能贏”的幻覺；當你在這種機制里真的贏了，你會獲得前所未有的多巴胺刺激。于是人就這么上癮了。游戲設計師早就知道這個道理。最讓玩家上癮的機制，都是這種“意料之外，情理之中”。

當我 Vibe Coding 或用 AI 輔助寫作時，跟這些游戲機制類似，但它更厲害——因為它不是設計好的劇本，而是一個會回應你的半自主的協作者。

說俗了，像老虎機；雅一點，像爵士樂

讓我來試著描述一下，我用 AI 做項目時，大腦里發生了什么。

比如我讓它幫我做一個新小說的設定。我大致有一個對這部作品世界觀的想法，但是沒有細節，很多部分沒有完全思考清楚。于是我將我的最初步的大綱告訴了 AI，讓 AI 幫我細化。

然后它開始輸出。一行，兩行，三行。我盯著屏幕，像聽一首還沒寫完的曲子。一般情況下它能夠順著我的想法往下發展，其中包含了我預期之中的一些要素。我點點頭心想這個很對，就應該如此。也有很多時候它沒有完全理解我的想法，整個設定走向了一個奇怪的方向，或者出現了 AI 常有的那種糊味，我就會罵他，說你這做的是什么玩意，我不是這個意思。但是最讓我興奮的，是那些“超出預期”的時刻——那種我完全沒有想到的，但是非常合理的設定邏輯，將某幾個合理的、同構的，但是極其遙遠的要素聯系在一起，讓我有了對這件事全新的理解。那一刻，我大腦里的多巴胺就像舒爾茨的猴子嘗到意外雙倍果汁一樣，炸了。

我去年研究 AI 繪圖的時候也是如此：輸入一段提示詞，按下按鈕讓它生成圖片的過程，與拉下老虎機的拉桿讓它吐出數字的過程是完全同構的：你很期待，但是隨機性決定了它不會完全符合預期。AI 很少會讓人完全滿意，它往往會給出一個“還可以但是不夠好”的答案。這種情況會幾乎強迫著讓你不停地想要下一次：不是因為有什么任務非完成不可，而是你想看看下一次，它還能不能再來一個讓人意外的好東西。

這種感覺，我后來想明白了，很像爵士樂。

你聽一段爵士即興演奏。樂手站在臺上，你不知道他下一個音符會彈什么——他自己也不知道。但你隱約知道他不會離開這個和聲框架。在這個框架之內，他有無限種可能。他彈出一個你沒想到的音，但沒有跑調，反而把整段旋律推到了一個新的情緒高點。你會不自覺地在心里喊一聲，對，就是這個。

用 AI 做項目，文本也好，代碼也罷，你就是那個樂手，同時也是那個聽眾，還是那個指揮。你發出指令，是給定一個主題；AI 開始生成，是在即興演奏；你看到結果后決定下一步往哪里走，是在給下一個和聲。你不是在消費一段已經寫好的旋律，你是在參與一段正在生成的、永遠不會重復的、充滿意外的創作過程。

這就是為什么它比打游戲更讓人上癮。游戲再開放，它的意外也是設計好的——開發者預設了你會在這里遇到這個怪、在那里觸發那個劇情。而 AI 生成的意外，是真正意義上的意外。不是程序員的陰謀，而是語言模型在概率空間里的一次隨機漫步撞上了你的需求。

這種意外，有一種原始的真實感。

創造才是人類最有趣的事

琢磨到這里，我忽然理解了另一件事：為什么很多人在刷短視頻打游戲追劇之后，會覺得空虛。

那些東西也能激活多巴胺。一個搞笑視頻戳中你的笑點，一段劇情反轉讓你措手不及——這些都會產生預測誤差，讓你爽。但問題在于，你是被動的。你是那個坐在臺下聽爵士的觀眾，而不是臺上的樂手。你的多巴胺釋放了，但你的自我效能感沒有增加。你爽完了關掉屏幕，什么都沒有留下，就像吃了一大包薯片，熱量進去了，營養無幾。

人類這個物種，有一個很奇怪的特性：我們喜歡留下痕跡。遠古人在洞穴墻壁上畫野牛，不是為了給誰看，就是想畫；中世紀的工匠在教堂石柱上雕一個別人根本看不到的紋樣，不是因為有報酬，就是想雕。為了這個“我就是想做”，人類還發明出來了一整個產業：模型。現代人在 GitHub 上寫開源代碼、在知乎上寫回答、在小紅書上發筆記，很多人的動機根本不是錢，是那種“我在這里，我做了這個”的感覺。

AI 沒有把這個感覺搶走，它反而把它放大了。以前你有一個想法，要從零開始實現，門檻很高。現在你有了一個智能助理，你只需要把模糊的意向給它，它幫你搭骨架，你來做選擇和修正。創造的效率提升了，創造的樂趣也提升了——因為你在更多的時間里，處在那種半隨機的、預測誤差高企的心流狀態里，而不是在搬磚。

所以，我不是不愛玩游戲了，我是找到了一個比游戲更好玩的東西。游戲是別人設計好的預測誤差機器，而用 AI 做項目，是我自己在搭建一臺預測誤差機器，然后跟它一起玩。這臺機器沒有預裝劇本，每一次都是即興演出，沒有重播，沒有攻略，沒有通關的那一天。

創造，才是作為人類最有趣的事情。

用 AI 做項目，大概就是這樣一種感覺。你發出了指令，但你不知道它會怎么回應。你在這個“不知道”里，找到了那種最原始的，屬于獵人和探索者的，面對不確定世界的警覺與興奮。然后你意識到，這種興奮不是 AI 給你的，是它幫你喚醒的。它一直在你腦子里，只是之前沒有合適的觸發器。

現在觸發器就在你手邊。剩下的，就是你自己決定要不要坐下來，開始那場永遠不會結束的即興演奏。

Guokr

暑假來啦，你家娃還在抱著手機平板不撒手？

最近后臺好多媽媽私信問我：“之前果殼推薦的那臺3D打印機，還有沒有活動？想趁著暑假末班車給孩子安排上！”

來了來了！X-MAKER JOY AI+ 兒童3D打印機，本周四晚7點，我們直播間見！

先劇透一下：為什么這臺機器值得蹲？

如果你還不了解它——簡單說，它不是一臺普通的3D打印機，而是一臺能把孩子想象力變成實物的“AI造物機”。

作者：鄧思淵

編輯：臥蟲

封面圖及插圖來源：Giphy

點個“小愛心”吧