GitHub Copilot上線4年，全球4300萬(wàn)開(kāi)發(fā)者用過(guò)AI寫(xiě)代碼。但一個(gè)扎心數(shù)據(jù)：使用AI輔助的代碼庫(kù)，技術(shù)債務(wù)增長(zhǎng)率比傳統(tǒng)項(xiàng)目高23%——這是GitClear 2024年追蹤1.5億行代碼后的發(fā)現(xiàn)。

「vibe coding」這個(gè)詞最近火了。Prompt、生成、補(bǔ)丁、部署，四步走完一個(gè)功能上線，爽感堪比快餐。

但快餐吃多了，腸胃會(huì)造反。

從"能跑"到"能活"，中間隔著一條峽谷

原作者打了個(gè)比方：讓東西動(dòng)起來(lái)是一回事，理解它為什么能動(dòng)、在哪會(huì)斷、怎么擴(kuò)容，完全是另一回事。

這個(gè)差距在什么時(shí)候暴露？

客戶開(kāi)始用了。團(tuán)隊(duì)接手了。安全審計(jì)來(lái)了。宕機(jī)成本從"重啟就行"變成"每分鐘燒掉一輛特斯拉"。

這時(shí)候，"差不多得了"的原型思維就成了負(fù)債。

2023年Stack Overflow調(diào)研顯示，82%的開(kāi)發(fā)者每周用AI工具，但僅35%認(rèn)為產(chǎn)出代碼"無(wú)需大幅重構(gòu)即可入庫(kù)"。剩下47%的人，在代碼評(píng)審時(shí)默默嘆氣。

AI不是原罪，"只快不好"才是

原作者態(tài)度很明確：不反對(duì)AI輔助開(kāi)發(fā)，認(rèn)為這是現(xiàn)代軟件最大的范式轉(zhuǎn)移之一。

但需要誠(chéng)實(shí)面對(duì)一件事——快速輸出不等于生產(chǎn)就緒。

真正的優(yōu)勢(shì)不是"用AI"，而是"把AI生成的動(dòng)能轉(zhuǎn)化為干凈架構(gòu)、安全系統(tǒng)、可維護(hù)代碼、真實(shí)商業(yè)價(jià)值"。

這是demo和產(chǎn)品的分水嶺。

一個(gè)具體場(chǎng)景：某金融科技團(tuán)隊(duì)用AI生成支付模塊，3天完成原本2周的開(kāi)發(fā)。上線后第17天，邊緣 case 觸發(fā)競(jìng)態(tài)條件，資金重復(fù)扣款?；貪L、審計(jì)、客戶安撫，最終成本是"省下來(lái)"時(shí)間的11倍。

現(xiàn)在的問(wèn)題是：更快了，但更好嗎？

原作者拋出一個(gè)選擇題：vibe coding 是在讓開(kāi)發(fā)者變強(qiáng)，還是只是更快地產(chǎn)出未來(lái)的技術(shù)債務(wù)？

兩種聲音都很響亮。

支持方認(rèn)為，AI把開(kāi)發(fā)者從 boilerplate（樣板代碼）中解放出來(lái)，專注架構(gòu)設(shè)計(jì)。反對(duì)者指出，新手直接復(fù)制AI輸出，跳過(guò)了"踩坑-理解-修正"的學(xué)習(xí)閉環(huán)，長(zhǎng)期能力反而退化。

2024年微軟研究院一篇論文追蹤了兩組開(kāi)發(fā)者：一組用AI輔助，一組手寫(xiě)。6個(gè)月后，AI組完成任務(wù)速度快40%，但在"修改他人代碼"和"調(diào)試復(fù)雜bug"兩項(xiàng)上，耗時(shí)比手寫(xiě)組多25%。

速度換深度，這筆賬怎么算？

原作者給出的方向是：生產(chǎn)級(jí)的AI落地，需要把生成式輸出納入工程化流程——代碼審查、測(cè)試覆蓋、文檔同步、架構(gòu)評(píng)審，一個(gè)不能少。

AI是杠桿，但支點(diǎn)還得是人。

「你現(xiàn)在的項(xiàng)目里，AI寫(xiě)的代碼占比多少？最后進(jìn)主分支前，改了幾輪？」