整理 | 華衛(wèi)

氛圍編碼（Vibe coding）是否會摧毀開源生態(tài)系統(tǒng)？近日，多位知名研究人員在一篇預印本論文中指出，從觀測到的趨勢及部分建模結果來看，情況可能確實如此。他們的警告主要集中在兩方面：用戶互動逐漸從開源項目中剝離，同時啟動一個新開源項目的難度大幅提升。

即便是熱門開源項目，隨著代碼下載和文檔查閱的需求被大語言模型聊天機器人的交互所替代，其官網(wǎng)的訪問量也出現(xiàn)下滑，項目商業(yè)規(guī)劃推廣、贊助募資和社區(qū)論壇運營的可能性也降低了。Stack Overflow 等社區(qū)論壇使用量的驟減也反映了這一點。

研究人員們最后的結論是：在氛圍編碼廣泛應用的情況下，要維持開源軟件目前的規(guī)模，就需要對維護者的報酬方式進行重大改革。

“AI 革命”or 人類智能的壓力測試

如果把“AI 輔助”軟件開發(fā)的這種效果理解為將實際的工程和開發(fā)工作委托給大語言模型的統(tǒng)計模型，那么問題就顯而易見了。氛圍編碼這一模式摒棄了開源社區(qū)中對類庫和工具的自然篩選機制，幾乎可以確定的是，大語言模型的統(tǒng)計模型在生成輸出內(nèi)容時，必然只會選用其訓練數(shù)據(jù)集中占比最高的技術依賴方案。并且，大語言模型既不會與庫或工具的開發(fā)者互動，也不會提交可用的錯誤報告，更不會意識到任何潛在問題，無論這些問題的文檔記錄多么完善。

自從微軟在 2021 年推出 GitHub Copilot 以來，這便是一個極具爭議的話題。2024 年有一些研究報告指出，使用 Copilot 和類似的聊天機器人進行氛圍編碼并沒有帶來任何實際好處，除非增加 41% 的 bug 也被視為成功的標準。到 2025 年，負面情緒愈發(fā)濃烈，大語言模型聊天機器人普遍被指責會降低使用者的認知能力，氛圍編碼會降低 19% 的開發(fā)效率，就連嘗試過這類工具的資深開發(fā)者，也在言辭犀利的評測中對其全盤否定。

即便是當下，軟件開發(fā)領域也已顯現(xiàn)出“AI 垃圾”帶來的諸多負面影響。cURL 項目的作者 Daniel Stenberg 多次抱怨，由于大語言模型引發(fā)的“AI 垃圾”，導致提交的錯誤報告質量日益下降。如今，該項目已決定從 2026 年 2 月 1 日起暫停其漏洞賞金計劃。也有網(wǎng)友指出，“AI 最不靠譜的地方在于那些簡單的重復性任務，因為它經(jīng)常會隨機出錯。對它的要求越多，它就越容易出錯，導致你需要逐行檢查整個程序，確保它執(zhí)行了要求的操作。使用大語言模型時最糟糕的做法是讓它‘把這段代碼清理干凈，但不要改變?nèi)魏喂δ芑蜻壿嫛^對會起到相反的效果?！?/p>

所有這些現(xiàn)象似乎都在強化這樣一種觀點：“AI 革命”或許更像是對人類智能的一次壓力測試，而非真正提升開發(fā)效率或代碼質量。

目前尚不清楚氛圍編碼的影響究竟有多大，但像 JavaScript、Python 和各類 Web 技術相關的軟件生態(tài)系統(tǒng)很可能首當其沖地受到其沖擊，因為它們的用戶群體似乎對這種開發(fā)模式的接受度更高，且相關技術在大語言模型的訓練數(shù)據(jù)集中占比也最大。

開源維護者們福利大降，

要沒錢賺了？

而且，在氛圍編碼的相關補償機制下，絕大多數(shù)開源項目都難以從中獲益。

該論文指出，氛圍編碼降低了軟件制作成本，但也改變了用戶與軟件生態(tài)系統(tǒng)的交互方式。在傳統(tǒng)的開源軟件商業(yè)模式下，開發(fā)者會選擇軟件包、閱讀文檔，并與維護者及其他用戶交流。而在氛圍編碼模式下，AI 智能體可以端到端地選擇、組合和修改軟件包，人類開發(fā)者可能并不清楚使用了哪些上游組件。

這種轉變將引發(fā)一個關于開源軟件可持續(xù)性的均衡問題：一旦開發(fā)者的加入和選擇機制調整后，氛圍編程帶來的生產(chǎn)力收益是否足以抵消開源軟件可占用需求的損失。

作為開發(fā)更多軟件的非競爭性生產(chǎn)要素，開源軟件產(chǎn)生的社會價值遠超其直接生產(chǎn)成本，眾多項目依賴于直接用戶的關注和參與來維持運營，如文檔訪問、錯誤報告、公開問答和聲譽（下載量、星標數(shù)、引用量）等，個體維護者和小型團隊也主要通過此并獲取私人回報（更高的關注度會帶來付費機會或其他形式的認可）。

然而，在長期均衡中，當 AI 介入取代了直接交互，那么這項使軟件更易使用的技術可能同時侵蝕著基于用戶參與度的資金供給與開發(fā)動力。“氛圍編程的更廣泛采用會減少新開源項目的進入和分享，降低開源軟件的可用性和質量，盡管生產(chǎn)力有所提高，但整體福利會下降?！?/p>

盡管論文中提出，當開源項目的代碼被大語言模型使用時，OpenAI 或谷歌可以向這些項目給予少量資金補貼，但這一設想與 Spotify 的商業(yè)模式有著令人無奈的相似性，因為 Spotify 上約 80% 的創(chuàng)作者作品播放量極低，基本上無法獲得任何收益。

該論文總結稱，氛圍編程代表了軟件生產(chǎn)和消費方式的根本性轉變，其帶來的生產(chǎn)力提升是真實且顯著的，但它對支撐現(xiàn)代軟件基礎設施的開源生態(tài)系統(tǒng)構成的威脅也同樣存在。解決方案并非減緩 AI 的采用速度，而是重新設計商業(yè)模式和制度，將價值回饋給開源軟件維護者。

開發(fā)者們吵翻了：

商業(yè)軟件的末日來得更早

與此同時，社區(qū)里倒也有一些關于氛圍編碼的正面反饋。

“AI 幫我完成了我的第一個開源項目?！庇虚_發(fā)者表示，“我當程序員超過 30 年了，掌握著好幾種流行的和已經(jīng)過時的編程語言，但從頭開發(fā)一個完整的應用，我一直覺得不值當，而且我擅長的領域也幫不上忙?，F(xiàn)在，我真的能做出一個從頭到尾完整的應用程序，包括測試等全套環(huán)節(jié)。我清楚一個應用該是什么樣、該如何運行，也懂設計，現(xiàn)在我是老板、需求方，AI 只是按我的要求做事。”

他還指出，在本職開發(fā)工作中，AI 幫其處理 bug 報告的速度比自己做快太多了?！拔視o它一些提示，比如‘問題可能在這個處理程序或者這個 js 文件里，這是截圖，你可以用 Chrome MCP 登錄看看，然后執(zhí)行 a、b 和 c’。到目前為止，我已經(jīng)用這種方法解決了大約 30 個別人報告的 bug?！?/p>

另一位開發(fā)者則表示，“我在編寫代碼時會使用 AI 來篩選可用信息，省去在 Stack Overflow 和其他網(wǎng)站上，翻閱幾十上百條相關提問來尋找合適解決方案的麻煩。所以這類平臺的使用量可能下降了，但其中很大一部分原因是因為大家借助了 AI 篩選海量數(shù)據(jù)、從而快速找到有用答案。我親身體會到，AI 在這方面確實幫了我不少?！钡仓赋?，“如果我讓 AI 為我編寫代碼，這些代碼事后都需要我進行修改適配，而且我不會允許它隨意使用任何代碼。我們作為使用者，必須對自己部署的產(chǎn)品負責。如果開發(fā)者完全依賴 AI，我們就面臨著系統(tǒng)崩潰的風險，而用戶只會對著角落里那個滑稽的小白框追問故障原因，卻早已忘了如何運用調試這門手藝?！?/p>

對此，有網(wǎng)友提出，問題根本不在于 AI 是否有用或能否幫助人們，而在于它是否會危及開源軟件的發(fā)展?！伴_源軟件更難被廣泛接受，一部分用戶不再參與 bug 排查，即使發(fā)現(xiàn)了 bug 并反饋，也往往是無關緊要的信息。而且大語言模型可能更傾向于復制一個開源項目并稍作修改，而非通過正規(guī)方式引入使用。諸如此類的問題還有很多，如今開源領域的有效信息與無效信息失衡問題，比以往任何時候都更加嚴重了?！?/p>

但有網(wǎng)友認為，氛圍編碼完全不會危及開源軟件，商業(yè)軟件的末日會比開源軟件來得更早?！艾F(xiàn)有開源項目都有專業(yè)開發(fā)者維護，而擁有 LLM 的專業(yè)開發(fā)者效率更高，編寫的代碼質量也遠勝于非程序員使用 LLM 所能寫出的代碼。開源軟件的發(fā)展速度將遠超以往，并最終走向成熟，甚至在功能、穩(wěn)定性等方面超越商業(yè)軟件，而不會像商業(yè)軟件那樣充斥著大量的冗余和劣質代碼。”

“開源軟件只會越來越多，因為會有更多的人創(chuàng)建工具，而且由于編寫這些工具并沒有花費數(shù)百小時，他們會更樂于分享。”“更新和創(chuàng)建開源代碼會越來越容易。如果我是一家營利性軟件公司，才會感到擔憂。”有其他網(wǎng)友紛紛認同道。

隨之有人提出，“水平堪憂的開發(fā)者要比合格的程序員多得多，他們會給開源項目的'守門人'增加額外負擔，還需要直接禁止那些水平差到只會給開源軟件項目提交 AI 劣質代碼的人，一次違規(guī)，直接出局。”

https://arxiv.org/abs/2601.15494

https://hackaday.com/2026/02/02/how-vibe-coding-is-killing-open-source/

聲明：本文為 AI 前線整理，不代表平臺觀點，未經(jīng)許可禁止轉載。

會議推薦

InfoQ 2026 全年會議規(guī)劃已上線！從 AI Infra 到 Agentic AI，從 AI 工程化到產(chǎn)業(yè)落地，從技術前沿到行業(yè)應用，全面覆蓋 AI 與軟件開發(fā)核心賽道！集結全球技術先鋒，拆解真實生產(chǎn)案例、深挖技術與產(chǎn)業(yè)落地痛點，探索前沿領域、聚焦產(chǎn)業(yè)賦能，獲取實戰(zhàn)落地方案與前瞻產(chǎn)業(yè)洞察，高效實現(xiàn)技術價值轉化。把握行業(yè)變革關鍵節(jié)點，搶占 2026 智能升級發(fā)展先機！

今日薦文

你也「在看」嗎？