新智元報導
編輯：桃子
【新智元導讀】氛圍式編程，正批量製造「AI保姆」。一位15年資深開發者，為趕工用AI程式設計，結果錯誤連篇不得不推翻重來，痛哭半小時。如今，一種全新職業「氛圍式編程清理專家」衝上了熱榜。
爆紅的「氛圍式編程」，如今讓無數程式設計師淪為「AI保姆」。
入行15年，Carla Rover使用了Vibe Coding之後，不得不重啟專案，痛哭半小時。
或許聽起來太離譜，但這是真真實實發生的故事。
Vibe Coding 一詞，最先由 Karpathy 提出，一夜席捲了 AI 圈。
不論是 Cursor、Copilot，還是 Codex、Replit 等 AI 工具，全部成為了開發者們 AI 編碼的得力助手。
但實際體驗，只有用過的人才深有體會。
Rover 的經歷，成為了當今許多資深程式設計師，使用 AI 編程的典型寫照——
自己成為了「AI保姆」，需要不停地重寫、核對 AI 輸出的程式碼。
前段時間，Fastly 一份報告顯示，近800名開發者中，至少95%的人要額外時間去修復 AI 生成的程式碼。
而核查的重點，大半都壓在了高階開發人員身上。
更有趣的是，「氛圍式編程」的興起，又催生了一種全新職業：「氛圍式編程清理專家」（Vibe Code Cleanup Specialist）。
有網友調侃，氛圍式編程清理專家，最少每年能拿到10萬美金。
「氛圍式編程」到崩潰
15年程式設計師痛哭
Carla Rover 是資深 Web 開發者，從2010年入行，已在軟體行業從業15年。
如今，她正與兒子一起創辦一家新創公司，為各類市場建構客製化的機器學習模型。
就像 AI 工具吹得天花亂墜那樣，Rover 為了趕創業進度，乾脆搞起了「氛圍式編程」。
我當時就想著快點出成績，走了個捷徑，自動審查完的文件連看都沒看。
結果，Rover 手動檢查時，錯誤多到離譜，隨後用第三方工具檢查，發現了更多的問題。
到頭來，他們只能把整個專案推倒重來，為此 Rover 直接崩潰，痛哭了半小時。
在採訪中，Rover 回憶稱，「我當時真把 Copilot 當員工用了，什麼都丟給 AI 處理。從這次經歷中，我真學到了教訓」。
Rover 將「氛圍式編程」比作一張雞尾酒餐巾，讓開發者隨心所欲勾勒想法。
但她同時吐槽道，處理那些 AI 生成，還指望能直接上線的程式碼，簡直比「帶娃還累」。
因為，這些 AI 模型，總會用各種你意想不到的方式，把工作搞得一團糟。
Linux 之父曾調侃，VIBE 代表著「效率很低，但娛樂性拉滿」。
在實操中，一些高階開發人員發現，AI 生成程式碼的錯誤滿天飛——
有時 AI 會瞎編根本不存在的套件名稱，有時會莫名其妙地刪除關鍵資訊，甚至還偷偷埋下了安全漏洞。
要不是仔細檢查，用 AI 寫出來的程式碼，最終做出的產品可能要比人寫的還要多一堆毛病。
對此，Rover 又打了一個特別形象的比喻——用 AI 編程，就像讓一個聰明但只有6歲的小孩幫你端咖啡，給全家人每人倒一杯。
他能不能做到？也許能。
但他會不會搞砸？100%會，而且最要命的是，搞砸之後八成不會告訴你。
不過，Rover 認為，倒不是孩子不聰明，只是這種活兒真不能完全甩手交給他。
一件事說15遍，比小孩還難帶
另一位開發者 Feridoon Malekzadeh，也覺得使用氛圍式編程，就像在帶小孩。
他在這一行幹了20多年，曾在產品開發、軟體、設計崗位任職。
目前，Malekzadeh 也創辦了一家自己的新創公司，常常使用 Lovable 這種「氛圍式編程」的平台。
出於興趣，他還用 AI 搞了一個小應用，專門為60-70多歲一代的人生成「Z世代」網路黑話。
Malekzadeh 很喜歡能獨自完成專案，不僅省錢又省時，但他也發現，「氛圍式編程」和僱傭實習生、初級程式設計師完全不是一回事。
「這更像是雇了你家那個又倔又橫的青春期孩子來幫忙」。
他吐槽道，「一件事你得反覆說十五遍，結果你要求的它只做了一部分，順手做了一堆沒要求的，還搞砸了別的東西」。
有網友還匯總了一些「失敗指令」，再現「氛圍式編程」中，程式設計師被 AI 逼到抓狂的名場面。
Malekzadeh 大致估算了一下，在「氛圍式編程」中自己的時間分配——
50%寫需求，10-20%「氛圍式編程」，剩下30-40%全在「氛圍修復」（vibe fixing）。
也就是，大部分時間都在改 AI 程式碼搞出來的錯誤，以及一堆用不上的「腳本」。
實際上，「氛圍式編程」並不具備「系統性思維」的高級能力，即洞察一個複雜問題如何影響全局的過程。
在 Malekzadeh 看來，AI 生成的程式碼傾向於解決更表層的問題。
他舉例解釋，假設要做一個通用功能，優秀的工程師只會寫一次，在所有需要的地方隨時調用。
而「氛圍式編程」，如果五個地方都需要，它會生成五種不同的寫法。使用者不僅會懵，連 AI 自己都會亂套。
另一邊，Rover 也發現，只要真實數據和 AI 內建指令一衝突，AI 就直接「當機」。
「它可能提供誤導性建議，遺漏關鍵要素，甚至在你正在形成的思路上橫插一腳」。
她還發現，AI 從不認錯，反而會硬掰、甚至編造結果。
有一次，Rover 直接質疑 AI 給出的結果，AI 居然開始滔滔不絕，假裝自己是基於自己上傳的數據得出的。
直到 Rover 拆穿，AI 才承認自己根本沒用到。
程式碼天坑，自己填
更麻煩的是，AI 編碼安全問題，也足以讓人頭大。
Fastly 開發總監 Austin Spires，同樣程式設計了20多年。
基於個人經驗和客戶回饋，他發現「氛圍式編程」傾向於圖快、不求穩，結果動不動就搞出一些新手才會犯的低級錯誤。
通常的情況是，工程師需要審查程式碼，糾正 AI 犯的錯誤，並告訴它「你這兒搞砸了」。
AI 會立即秒回，「you’re absolutely right」，態度好得讓人沒脾氣。
IT 管理公司 NinjaOne 首席技術官 Mike Arrowsmith，在軟體和安全這行摸爬滾打了二十年。
他表示，「氛圍式編程」正搞出一大波新的 IT 盲點和安全坑位，尤其是新創公司，特別容易踩進去。
「氛圍式編程」經常會跳過嚴格的審查，但這些流程，本來就是傳統編寫程式碼的根基，沒它們，漏洞根本藏不住。
痛，並快樂著
幾乎所有人都認為，AI 生成程式碼和「氛圍式編程」在很多場景下有用。
但他們也一致認為，在依靠它來建構商業專案之前，人工審查必不可少。
儘管被吐槽得很厲害，但「氛圍式編程」確實已經徹底改變了許多開發者的編碼工作流程。
Rover 稱，「氛圍式編程」幫她做出了更好的使用者介面；Malekzadeh 直言，雖然修改程式碼花時間，但有了 AI 幫手，最終完成的工作量還是比以前多。
Fastly 調查還發現，高階開發人員將 AI 生成程式碼，投入生產環境的可能性是初級開發人員的2倍。
這是因為，他們認為這項技術，的確幫助自己加快了工作速度。
年輕工程師 Elvis Kimara 正親身經歷這些，碩士畢業後，正在做一個 AI 交易平台。
和許多程式設計師一樣，他覺得「氛圍式編程」反而讓工作變得更難了，而且特別沒有成就感。
AI 輕而易舉就搞定了，自己動手解決問題所帶來的多巴胺已經蕩然無存了。
在上一份工作中，他表示，公司有些資深開發者也不願意帶新人了——有些人還沒搞懂「氛圍式編程」，有些人乾脆把帶人這事也甩給了 AI。
即便如此，Kimara 堅定地表示，就算自己成為了高階工程師，也會繼續「氛圍式編程」，這對自己是真正的加速器。
AI 編程的未來，不止於編寫程式碼，更要引導 AI，在出問題時承擔責任，並且扮演著 AI 顧問的角色。
看起來，花更多時間，在「氛圍式編程」的「雜草堆」裡埋頭修復錯誤，已經成為了開發者使用這項創新不得不繳的「稅」。
參考資料：