职业氛围程序员的崛起：一个AI时代的新职业

摘要

Lazar Jovanovic是全球首位正式拥有「职业氛围程序员」头衔的全职从业者。他的工作是在Lovable（史上增长最快的创业公司之一）全天候使用AI工具构建面向客户的产品和内部工具——而他从零编程背景起步。在这场深度对话中，Lazar系统性分享了他作为顶级氛围程序员的独家方法论：将「清晰度」而非代码能力视为核心瓶颈，用「精灵与神灯」的类比解释Token上下文窗口管理，提出80%时间做规划、20%时间做执行的颠倒式工作流，以及并行启动多个项目的「探索-精炼-锁定」三阶段法。他还揭示了PRD文档驱动体系（masterplan.md、implementation plan、design guidelines、user journeys、tasks.md）、「四轮驱动」排障框架，以及如何通过rules.md实现动态上下文管理。对于未来，他预测PM是AI时代第一波赢家，设计师将成为下一波，而手写代码将像书法一样沦为稀有艺术。他的核心忠告是：在这个任何人用AI都能产出「够好」的世界，只有「有品味的好判断」才能让你脱颖而出。

正文

第一章 什么是职业氛围程序员？

「我从不看代码。我不关心语法。我只读智能体的输出，看它告诉我什么。」

Lazar Jovanovic是Lovable的第一位官方「氛围编程工程师」（Vibe Coding Engineer）。这份工作听起来像是一个科幻设定：一个人整天坐在电脑前，对着AI工具说话，告诉它要构建什么，然后产品就这样被交付到生产环境——无论是面向外部用户的公开产品（如Lovable的Shopify模板市场、官方周边商城），还是服务内部团队的工具（如功能采纳率追踪仪表盘）。

「这是世界上最棒的工作，」Lazar说，「我因为做自己本来就会做的事情而拿到薪水。」

他的工作范围跨越了公司几乎所有部门：增长、市场、销售、社区、企业。任何一个团队有了好主意但缺乏实现带宽，Lazar就是那个把想法变成现实的人。他已经在思考一个过去只有CTO才会面对的问题——自建还是采购（Build vs. Buy）：「如果设置一个企业级SaaS账号需要一到两个小时，我宁愿自己动手来建，这样更快。」

Lovable是史上增长最快的创业公司，每个部门都「需要一个Lazar——现在就要，或者昨天就要」——这也意味着，这种角色正在成为新一代科技公司的标配。

第二章 不会编程，反而是一种优势

「像我这样的人，不知道某些事情'不该是可能的'——所以我们干脆就把它做出来了。」

Lazar从未手写过一行代码。他的「编程背景」仅限于写过几次 console.log。但在他看来，这恰恰是他成为顶级氛围程序员的秘密武器。

「有技术背景的人会给'不可能'找理由——'这是React，这是不同的技术栈，它做不了这个'。而我们会直接走进Lovable，输入：'帮我基于这个应用做一个Chrome扩展。'然后它就做出来了。」

他举了一连串类似案例：有人在Lovable上构建了桌面应用，社区经理直接用提示词生成了一个视频（这甚至比该功能正式上线早了数月）。Lazar将这种心态称为「有意的、积极的妄想」（Positively Delusional）——「在使用AI工具时，你必须带着'一切皆有可能直到被证伪'的信念去工作。正是这种执着，让我在Lovable脱颖而出。」

但他同时强调，这种妄想需要与一种关键能力配对：自我觉察（Self-Awareness）。「我虽然妄想，但我非常清醒地知道：我需要变得更好，才能让那些'不可能'变成现实。编码本身不是我们要解决的问题——我们要解决的是清晰度。」

第三章 精灵与神灯：AI时代的核心瓶颈

「我问精灵的第一个愿望是'我想变得更高'。精灵把我变成了13英尺——我连车都坐不进了。因为我不够具体。」

Lazar用一个所有人都能听懂的比喻来阐释AI工具使用的根本原理：阿拉丁与神灯。

「你摩擦神灯，精灵出现了，说'我可以实现你三个愿望'——不是三千个，不是三百万个，只有三个。」这对应AI的Token上下文窗口（Context Memory Window）限制：每次请求，AI需要把有限的计算资源（Token）分配给「读取信息」「搜索网络」「思考推理」和「执行代码」等不同环节。如果你要求太多，它就只能用很少的资源来做真正重要的事。

然后故事进入第二层：「我许下第一个愿望——我想变得更高。精灵让我长到了13英尺，我再也坐不进车里，进不了家门。因为我没有说清楚我到底要多高。」这就是人类层面的限制：AI不理解「你懂的」是什么意思。一个36岁的人积累了30多年的人生经验，可以瞬间领会对方的暗示，但AI没有这种能力。

「所以你需要说得具体，需要提供参考素材，需要给出正确的上下文。Token窗口的上限我无法控制，但后者——我是100%可控的。而这正是我今天所有时间都在优化的东西：好判断力、清晰度、品质、品味。」

第四章 并行构建：从不清晰到清晰的加速器

「我从不只构建一个项目。我开六个Lovable标签页，来回切换。」

如果有人觉得自己只有模糊想法、不知道从哪开始，Lazar的建议是：别想太多，直接并行搞。

他提出的「三阶段并行构建法」是这样的：

第一轮：大脑倾泻（Brain Dump）。 不要试图整理思路，直接开一个新项目，打开语音输入，把脑子里所有想法一股脑说出来，发送。别等它跑完。

第二轮：更清晰的版本。 边等第一轮输出边开第二个新项目。现在你通过第一轮对自己的想法有了更清晰的认识，知道需要哪些功能、哪些页面。去Mobbin或Dribbble上找个好设计做参考截图，附在提示词里。

第三轮：用代码来沟通。 英语是新的「第一编程语言」不假——但如果你想要像素级精确的结果，给AI代码片段，比任何语言都管用。 去21st.dev或DotBuild上找接近你想要效果的模板，直接下载代码包，附给AI。AI最擅长解读代码。

三轮下来，你手上已经有三到五个不同方向的原型，不仅可以横向比较选出最优解，而且从起点上就避免了后续无尽的修修补补。「人们说：'这不会浪费更多Token吗？'短期看起来是，但如果你真想完成这个项目，你实际上省下了上百个Token和数天的时间——因为你从一开始就站在了更清晰、更精炼的起点上。」

第五章 PRD驱动：像对待人类一样对待AI

「我把Lovable当成一个人类工程师来对待——我要做的，就是为它提供持续不断的上下文。」

当几个并行原型中跑出了无可争议的「优胜者」之后，Lazar并不会立刻开始猛攻。相反，他进入一个让大多数人惊讶的阶段——花一整天时间，不是构建，而是做文档。

这套文档体系由至少四个核心PRD（Project Requirements Document，项目需求文档）组成：

1. Masterplan.md（总体规划）： 万米高空的概览。「这是我为什么做这个，为谁做，我希望他们感受到什么。」它像是一个指南针，定义项目存在的根本理由。

2. Implementation Plan（实施方案）： 不是任务清单，而是执行顺序的逻辑推演。「如果我们要构建这个，我认为应该先做后端和数据库表，然后是认证，再接入API……最后才是前端。」这相当于一位技术联合创始人听完你的想法后，给出的高层级实施路径。

3. Design Guidelines（设计指南）： 因为AI在情感层面还不够聪明，Lazar需要用文档明确定义「这个应用应该看起来和感受起来是什么样子」。他甚至会在里面嵌入一些CSS片段——「在设计这件事上AI有时候过于有创造力了，所以我会做更多技术层面的引导。」

4. User Journeys（用户旅程）： 用户如何注册、第一步做什么、第二步做什么、第三步做什么……描述整体导航和功能交互的高层级路径。

当这四个PRD建成之后，Lazar会反复阅读、打磨它们。这才是他「80%规划时间」真正的投入所在。「当你把这些设定好，你就已经设定了航向。后续的一切都将取决于这个阶段的质量。」

最后，他将所有这些PRD「喂」进AI，让它生成了一个最终的Tasks.md（任务清单）。Tasks.md是可执行的具体任务和子任务清单——其余四个文档相当于为Tasks.md服务的原材料库。

第六章 动态上下文：如何同时管理五个项目不失控

「我的提示词最终只剩下四个字：'继续下一个任务。'」

面对「你既然强调上下文如此重要，为什么还要同时切换五个项目」的质疑，Lazar给出了他最核心的效率秘密。

他的解决方案分为三层：

第一层：Rules.md / Agents.md。 在Lovable的项目设置中，你可以定义「项目知识」（Project Knowledge）——这相当于告诉AI：「每次开始工作前，请先阅读所有PRD。阅读tasks.md，确定下一个待执行的任务，然后执行该任务及其子任务。完成后告诉我你做了什么，以及我应该如何测试。」这让你不必在每一次提示中都重复这些指令。

第二层：被动管理模式。 一旦前期文档和规则设定完毕，Lazar的角色从「主动提示者」转变为「被动审查者」。「我坐下来，读智能体的输出——我不再提示了。我只是切换窗口，看看它做得对不对。如果需要调整，我会更新一下文档，让它去读，然后继续。」

第三层：同一时刻只给一个任务。 回到精灵的三个愿望——永远不要在一个提示中要求太多。一个一个来。「继续下一个任务」——这条命令本身不需要上下文，因为上下文已经全部由文档承载。

这整套系统让Lazar可以同时维持五六个项目在线——AI在后台工作时，他在另一个窗口审查另一个项目的输出。这种工作方式现在仍然需要手动完成，但Lazar非常清醒地知道：「三个月后你再来找我，AI自己就会做这些事了。所以我从不把注意力花在优化这些流程上——我100%投资在判断力、品味、设计感、好文案和好字体的培养上。因为未来，工具会越来越不需要我帮它扩展上下文。」

一个鲜为人知的事实：字体在AI输出中占据Lazar心目中60%以上的审美权重。「用AI做开发的人从来没人讨论字体。但它几乎决定了一个产品看起来是'还行'还是'惊艳'。」

第七章 四轮驱动：职业级的排障框架

「等到问题修好了，我会进入聊天模式问AI：'帮我学会下次怎么只用一次就能搞定。'」

无论计划多缜密，bug总会出现。Lazar总结了一套「4×4排障法」（Four-by-Four Debugging），灵感来自汽车四轮驱动——让你从泥坑里脱困。每个方法只试一次：

第一步：相信工具的自我修复能力。 当Lovable检测到自己犯了错误，会在橙色标签的消息旁显示一个「尝试修复」按钮。大多数小问题，点一下就解决了。

第二步：引入感知层（Awareness Layer）。 如果问题仍在但工具自己没有察觉（通常因为第三方集成的问题），打开浏览器的开发者控制台（Console），运行出错的函数，检查日志。或者更直接地：「我认为你没有看到这个问题。让我们一起来找——请在相关文件中写入console.log，记录每一步，然后我们看看输出。」你把控制台的输出复制粘贴进对话——99%的情况下，这就够了。

第三步：引入外部顾问。 Lazar的首选是OpenAI的Codex（OpenAI Codex CLI）。他把代码导出到GitHub，用Codex读取并做诊断——注意，他不用Codex来改代码，只用它来定位问题。另一种做法是使用Repomix将整个代码库压缩成单一文件，上传到Claude或ChatGPT，像请一位外部顾问一样描述问题。

第四步：回退，承认是你自己的错。 「无论你的自尊心多强——是你的错。你有一句糟糕的提示词，你预设了错误的请求方式，你不愿意承认或者忘记了。回退三个步骤，去喝杯咖啡，重新想想你的提示词。同样的请求再做一次——很多时候问题就这么消失了，它只是一个极小的语法错误。」

最后一步才是关键： 问题解决后，Lazar立刻进入聊天模式，问AI：「为了解决这个问题，我试了四件不同的事。帮我学会如何更好地向你提问，让我下次一次搞定。」99%的情况下他得到的回答足够好，以至于同样的问题不会再犯第二次——而且他会把这次学到的教训直接写入Rules.md，「让你自己下次自动学会，而不是指望我记住了。」

第八章 Agent输出：不看代码看思维

「AI的能力上限不是模型智能——而是模型在行动之前所看到的东西。」

Lazar最特异的工作习惯是：他从来看代码，只看Agent的纯文本输出。

「Agent让我学会了如何使用它。代码的对错，AI比我做得好得多。我信任它写出的语法。」但他关注的Agent输出远不止「我做完了这个那个」——他读的是AI在每次操作中展现的思维逻辑。通过持续阅读这些输出，他不断加深对「这个工具能做什么、不能做什么」的理解，从而校准自己的判断力。

他引述了一句他记不清出处的格言：「AI的能力上限不是模型智能——而是模型在行动之前所看到的东西。」（The ceiling on AI isn't the model intelligence, it's what the model sees before it acts.）

这回到了他反复强调的核心：暴露时间（Exposure Time）。对人类的暴露时间让你积累品味和判断力；对AI的暴露时间——你向它展示了什么代码、什么参考、什么上下文——直接决定了它的产出质量。

Lazar甚至分享了一个自己因为「妄想过度」而失败的案例：当OpenAI首次在ChatGPT中本地集成了图像生成功能时，他想当然地认为可以通过API在Lovable中构建一个图像生成器——结果用了一整周试图「暴力破解」，却不知道OpenAI根本就没有发布对应API。一周后API上线，30秒就搞定了。「你需要通过和Agent的对话层来学习什么是真正可能的——因为Agent会告诉你：'这个目前做不了，原因是一二三。'」

第九章 角色的未来：PM赢了，设计师是下一个

「如果非要打赌——PM是今天AI时代最大的赢家，下一个是设计师。」

Lenny提出了一个被整个科技行业反复争论的问题：当AI能写代码时，PM（产品经理，Product Manager）、设计师和工程师——哪个角色的背景最值钱？

Lazar的判断非常明确：

第一波赢家——PM。 原因很简单：PM的工作核心是「理清要构建什么」。而正如Lazar整套方法论所揭示的，当前AI工具最大的瓶颈不是实现能力，而是清晰度。PM天生就是为「清晰度」而生的角色。「我们不因写出好PRD而获得回报——我们因好判断力而获得回报。让AI去做写作部分，你要做的是知道什么有用、什么有品味、什么才能真正推动增长。」

第二波赢家——设计师。 「我们正在训练AI变得更有条理、更善于做技术决策。但我认为短期内我们训练不了AI做更好的情感决策。而设计，本质上是关于情感的。」Lazar提到了一个令他震撼的发现：他试图把Lovable内部设计师的一个看似「简单渐变」的背景复制到自己的项目中，打开Figma后才发现——那不是一个三层渐变，而是由50种不同颜色、不同透明度层级叠加而成的设计。「这就是世界级和'够好'之间的差距。在一个人人都能产出'够好'的AI时代，这个差距被急剧拉大了。」

工程师呢？ 「工程师永远不会消失。我们需要精英工程师——比以往更需要。」Lazar的理由有三：第一，维护和扩展代码库需要完全不同于「构建」的技能组合。第二，当所有人都在构建，基础设施的承受力会被推到极限——Cloudflare一宕机，半个互联网就瘫痪了，而修复这些的是精英工程师。第三，「谁去建造那个需要支撑数十亿新构建者的底层世界？」但与此同时，他也坦率地说：「如果我有一个18岁的弟弟问我该选什么专业，我会告诉他去当水管工，别去拿CS学位——美国新一代百万富翁其实是电工和管道工。」

他提出了一个令听众深思的比喻：「编程将变成书法。」 亲手写代码将成为一种稀有的、近乎艺术的行为——「人们会说：'天哪，你居然亲手写了那段代码？太惊人了。'它会被完全商品化。」

第十章 超越「够好」：在一个AI均质化的世界里脱颖而出

「以前，'够好'已经很难做到了。今天，绝对每个人都能用AI做出'够好'。所以'够好'和'世界级'之间的鸿沟，突然变得巨大。」

Lazar画了一条光谱：糟糕→有待改进→平庸→够好→世界级。在过去，光是产出「够好」就已经足够令人尊重。但在AI使「够好」变成零门槛的今天，唯一的出路是追求世界级和魔力。

他给出了三个可以在今天开始实践的路径：

第一，刻意投资品味。 关注一流设计师（如Lovable的设计负责人Felix）。订阅他们的Newsletter。学习设计风格——他不知道什么是包豪斯（Bauhaus）或玻璃拟态（Glassmorphism）之前，甚至为此专门构建了一个学习应用（UIstyles.lovable.app，包含18种设计风格和对应的复现提示词）。

第二，警惕「平均化陷阱」。 AI是巨大的放大器——无论你擅长还是不擅长。如果你不知道自己在做什么，你只是把一个糟糕的想法更快地变成了现实。「好的文案写作能力正在变成一项超级技能。如果你把十段文案放在人们面前，他们三秒钟就能分辨出哪段是AI写的。人们已经厌倦了一切虚假的东西。」

第三，追求「人间真实」。 在一个虚假图片、虚假帖子、虚假视频泛滥的时代，真正稀缺的是人与人之间的真实连接。Lazar预测，「情感智能」（Emotional Intelligence）、喜剧创作（「AI永远写不出一段好笑话——永远」）、以及任何涉及人类深层互动的技能，都会成为未来最抗AI的能力。「中间层翻译者会死；但顶级的作家会被AI放大——从一年一本书变成一年七本。平庸的作家要小心了。」

第十一章 如何成为职业氛围程序员

「你不需要一家公司来雇佣你——你可以先雇佣自己，成为一个职业氛围程序员。」

Lazar自己的职业生涯「比任何路线都更曲折」：他是林业工程师出身，做过蓝色工装工作，在Subway打过工，当过餐厅服务员。他在创业公司工作七八年，从社区管理、社交媒体做起——什么都干，就是不写代码。

当Lenny问「是什么让你的角色从'一个会写提示的人'变成了'一个正式的职业'」，Lazar的回答非常简单：在公开场合构建（Building in Public）。

「我只和Elena（Lovable增长负责人）聊过一次——我问她'为什么是我？外面有那么多优秀的氛围程序员'。归根结底，是因为我一直在公开构建、公开分享。我做了一个YouTube频道，分享所有的失败、所有的知识、所有我构建的项目。我把'秘密'毫无保留地送出去——因为根本没有秘密。如果你手里攥着一个好概念不肯放，你才是那个吃亏的人。」

他给出的具体路径建议：

• 把LinkedIn当作主战场。 Lazar的所有输出都以长篇深度内容为特色，LinkedIn的格式天然适合。X（Twitter）要求极度精炼，他不是那一型。
• 参加黑客松。 找到本地的开发者社区，认识其他构建者。
• 用Lovable产品来求职，而不是投简历。 「有好几个入职者不是靠发简历进来的，而是做了一个Lovable应用来展示他们为什么适合这个岗位。作为Lovable员工，我们一定会打开每一个带lovable.app域名的链接。」
• 关注招聘信息——越来越多的公司正在将'Lovable技能'写进职位描述。 甚至有S&P 500公司在做同样的事。Lazar还透露，有一家他将成为Lovable旗舰案例的公司，已经在他们之前就招聘了专职氛围程序员——三位全职氛围程序员正在将旧代码库全部迁移到Lovable上。

他最核心的忠告：「先做那份你想被雇佣去做的工作。我已经在专业地做这件事了。我加入Lovable只是换了一辆车——但我早就在同一条路上开着。」

结语：从恐惧到兴奋，只需要一次尝试

「别听播客了。你已经听得够多了。去动手。」

Lazar用一种近乎传教士般的热情结束这场对话。他把Lovable（乃至于所有AI编程工具）的意义提升到了一个更高的层面：「互联网让我们消费，Lovable让我们创造。创造是人性深处的东西。我六岁得到第一台电脑，一生都相信自己会成为一个软件工程师或创造者——但这个梦想在30多年间几乎被我放弃了。现在，在36岁，我感觉自己又回到了六岁——我每天都在做梦。」

对于那些感到恐惧、倦怠、迷茫的人，他的建议直截了当：「恐惧只在你什么都不做的时候才有意义。去构建点什么——任何东西。那个跨出去的'飞跃'，已经不像以前那么巨大了。它就等于你走进一个工具，说出你脑子里的想法，然后交付。恐惧到兴奋的转换，在第一次尝试时就会发生。」

在告别前的最后一句，他给出了真正值得记住的话：「技术栈已经不重要了。它从来都不重要，但现在更加不重要。最终用户要的只是一个极致的体验。我们活在一个任何人都能产出'够好'的世界——所以你最好开始学习如何产出'魔法'，否则你就会淹没在几百万人的海洋里。」

Lazar Jovanovic 是 Lovable 的第一位官方氛围编程工程师。你可以在 LinkedIn 上找到他（他非常乐意回复消息）；可以搜索他在 ChatGPT GPT Store 上开发的「Lovable PRD Generator」来一键生成项目需求文档；也可以访问 UIstyles.lovable.app 学习 18 种设计风格及其提示词。如果你想加入这个重新定义软件开发的团队，Lovable 正在大规模招聘——查看 lovable.dev 的开放职位。