AI工具作为辅助工具，但短期不应该代替人，程序应用一旦商业化，就要担责，严重的Bug还可能影响饭碗。这跟以前低代码开发很像，你肯定听过不少它的消息：不用写代码，像搭积木一样就能拼出一个应用，又快又省力，别说相关的业务人员了，估计谁听了都心动吧。可很多程序猿，真正在一线写代码的程序员们却不以为然，低代码工具写Demo还凑合，真要用于成熟产品，不知要埋多少雷。

回到Vibe Coding，有几件事目前AI的工具解决不了,尤其是工程化场景

产品质量怎么保障

AI Coding厂商把工具卖给你，给你用，但没说要为输出的代码质量负责。AI代码生成工具也不会是测试工作者，或者替代严谨的测试工作者。你无法保证AI生成的代码有功能缺陷，有安全漏洞。就像造房子，房子塌了，你能怪到铲子、电钻、吊车吗？

代码质量？责任主体？写代码、写测试用例让AI完成效率很高，可大多数不敢让AI改Bug吧？

• 性能隐患：AI 生成代码仅满足功能实现，缺乏性能优化考量，小数据集测试正常，真实流量下易出现响应缓慢、资源占用过高等问题

• 上下文腐烂：AI 上下文记忆有限，会话过长时，错误尝试、幻觉代码等会导致后续输出质量指数级下滑，形成 “幻觉与自我肯定循环”

• 边界处理缺失：AI 生成的代码常忽略空指针、异常捕获等边界条件，在复杂场景中易引发崩溃

• 敏感信息泄露：AI 可能复制训练数据中的错误模式，将 API 密钥等敏感凭证硬编码到代码中，导致密钥泄露风险增加

可维护性和安全性

时间久了容易形成技术债

1、AI生成的代码，可维护性一言难尽

比如代码缺乏注释和设计意图说明，风格混乱，后续维护者需花费大量时间逆向工程，甚至比从零重写耗时更多。因为AI能力很强，一下子能生成大量代码，如果是正确的还好，如果是那些漏洞百出的，尤其是刚入行不久的CRUD选手，代码Review的工作量不比写代码的轻松。

2、调试困难

AI 生成的 “能跑” 代码逻辑复杂，修复一个 Bug 可能引入新问题，形成恶性循环。尤其是同样的Bug，AI可能出现出现

3、架构混乱

为快速实现功能生成 “意大利面条式代码”，违背关注点分离等工程原则，难以重构、拆分和扩展。因为代码生成是客观，如果生成代码的数据不过关，生成的规则不符合要求，生成的产物跟设想往往出入很大。这也对Vibe Coding的代码生成流程、提示词要求不低。

多人各自使用 AI 生成代码，若无统一规则，会造成代码风格、接口、测试覆盖的碎片化，增加集成成本。

目前能保证同样的提示词生成一样质量的代码，这个还涉及加盐、加权等操作，控制权重。至少目前AI生成流程还不能保证100%的标准化生产。

4、容易形成路径依赖

可以说AI工具永久了，实战能力可能比CRUD、API工程师还不如。如果那天领导派你去客户现场，不能直连外网，不能带自己电脑就惨了

• 技能退化：过度依赖 AI 生成代码，开发者对底层原理和代码逻辑的理解逐渐不足，独立解决复杂问题的能力削弱

• 形成依赖习惯：习惯 AI 自动补全和生成，面对无 AI 辅助的场景时，开发效率和代码质量大幅下降

效率幻觉，快乐一时爽

短期很开心，1个顶10个，长期呢。还是要建立严格的审查机制、规范开发流程、限制使用场景，防止滥用。对于成熟产品、中台项目，尤其是维护性项目，用AI可能效率提升远远小于成本。

1）短期提速，长期低效

• 大型项目，尤其是成熟维护性项目，更关注稳定性，少犯错就是最好的

• 对于那些可靠性要求很高的项目，比如某宝、某微信前段时间的故障，停一下损失不少。有时候删库删表还算比较轻，停机停服尤其是公共服务，中台里的API影响可大了。

• AI 在样板代码、简单 CRUD 场景确实省时，但在真实生产系统中，代码编写仅占开发流程的小部分，更多时间花在理解需求、设计架构、协调团队等工作上，AI 生成代码的不可控性反而加重测试与管理负担。

2）维护成本激增

前期快速开发积累的技术债，会导致后期维护成本呈指数级上升，甚至超过重新开发的成本。

未来Vibe Coding影响

未来Vibe Coding怎么进化，影响哪些人的饭碗？不要沉迷工具，会上瘾。工具谁都可以用，为什么选你呢？

Vibe Coding（氛围编程）确实正在重塑IT行业，目前来看，它主要替代的是‌基础编程岗位‌和‌重复性技术工作‌，比如初级程序员、测试工程师、CRUD工程师、API工程师、初级设计师等，因为这些岗位的工作内容更容易被AI自动化。

它也带来了新的机会，比如催生了“Vibe Coding擦屁股工程师”这类新岗位，专门处理AI生成代码中的问题。而那些高阶开发者、架构师等需要深度思考和创造力的角色，反而更吃香了‌。