Vibe Coding 的两面性:当“看起来能跑”遇上真实系统的底层边界
借助大模型,任何人都能在几个小时内用自然语言“感觉编程”拼出一个可交互原型。但当“眼前看起来能跑”成为唯一的反馈信号时,凡是肉眼看不到的底层边界都在系统性退化。结合竞赛项目审计,聊聊这种开发范式的边界与陷阱。
前段时间,Andrej Karpathy 在推特上提出了一个很火的概念:Vibe Coding(氛围编程 / 感觉编程)。
他的描述非常生动:一个人坐在电脑前,基本不读生成的具体代码,完全依靠自然语言提示词驱动大模型;看着屏幕上的报错就把控制台日志复制粘贴回去,模型修好后就继续跑,直到整个应用在浏览器里“看起来跑顺了”。
对于很多以前从未写过代码的人,甚至对于需要快速搭原型的学生来说,这种范式有一种巨大的魔力。
你不需要先花三个月啃 C 语言指针、不用去理解浏览器事件循环机制,甚至不用搞懂异步 Promise 是怎么调度的;只要提示词输入得足够清晰,半天之内,一个带精美 Tailwind CSS 样式、有模态框、有图表图例的完整 Web 界面就能跑在本地 localhost 上。
这种“即时造物”的正反馈非常强烈,但也极其容易让人产生一种认知错觉:我好像已经完全掌握了构建软件的能力。
直到前段时间准备华北五省大学生计算机应用大赛,深度审计团队的参赛项目代码时,我才深刻体会到:当“眼前看起来能跑”成为系统唯一的正反馈时,软件工程正在看不见的地方付出巨大的代偿成本。
一、Vibe Coding 的死穴:眼睛看不到的地方必然变烂
软件工程界有一句老话:你测试什么,系统就优化什么;你不关注什么,系统就腐烂什么。
Vibe Coding 的底层交互机制决定了它的唯一验收标准就是“屏幕交互表象”:
- 按钮按下去有没有弹窗?
- 侧边栏能不能正常收缩?
- 列表里的假数据能不能滚得顺畅?
只要这三点满足了,开发者就会满意地输入下一条提示词。然而,在真实的生产环境和严肃的系统评测中,决定一个软件能不能活下去的,恰恰全都是肉眼第一眼看不见的东西。
在这次项目的深度代码走查中,我发现了好几个极具代表性的“Vibe 产物”:
1. 静态假象 vs 真实后端的断层
在很多基于 Vibe Coding 搭建的 AI 应用里,界面看起来非常前沿——有炫酷的“模型推理中”动效、有置信度百分比仪表盘。
但只要你按开 F12 检查 app.js 或网络面板,就会发现底层根本没有真正挂载任何实时的推理模型;它本质上是一个“精心写好的静态映射字典”(Mock Data)。
在快速原型验证(PoC)阶段,这么做无可厚非。但一旦进入严肃答辩,评委如果稍微懂点后端架构,一眼就能看出这是个没有真实生产力的“空壳玩具”。把假象误当成技术突破,是初学者最容易掉进去的陷阱。
2. 边界条件与异常处理的系统性蒸发
大模型在生成单次函数时,默认倾向于写出“最优路径”(Happy Path)——假设网络永远通畅、用户永远输入合规格式、服务端永远返回 200。
凡是涉及:
- 网络瞬断时的指数退避与重试机制;
- JSON 反序列化字段缺失时的防御性兜底;
- 并发请求下的竞态条件(Race Condition)与状态污染;
在不特意提示的情况下,模型几乎全都会选择性省略。因为在 Vibe 调试时,你只试了正常点击,所以它“看起来没有任何毛病”;可一旦放到弱网或者真实用户手里,崩溃就像多米诺骨牌一样连锁发生。
3. 内存与生命周期的隐性泄露
在手写纯前端页面时,模型经常会在组件内部随手挂载全局 addEventListener,或者在定时器中持有大对象闭包,却从来不写清理回收逻辑(Cleanup)。在浏览器里刷新两次页面看不出差别,但在长周期运行的客户端里,内存占用会一路悄悄爬升直到页面彻底卡死。
凡是肉眼看不见的地方,都在系统性地退化。 这不是大模型的错,而是因为开发者放弃了对代码细节的掌控与审视。
二、不要用“生成速度”代替“工程内功”
最近一年,很多计算机科班的学生也有某种程度的焦虑:大模型写网页、写小脚本这么快,我们天天坐在教室里推导时间复杂度、手写链表二叉树、死磕 CSAPP 的汇编与虚拟内存,是不是已经没有意义了?
这次的代码审计给我的答案恰恰相反:在 AI 时代,底层的系统内功不是贬值了,而是变成了稀缺的“把关者门槛”。
Anthropic 曾做过一个很有说服力的对照实验:给开发者两组任务,一组允许用 AI,一组全靠自己写。 实验发现,用 AI 的开发者在“写新代码”上确实更快;但在**“定位复杂 Bug”和“系统调试”(Debugging)**这项核心能力上,依赖 AI 的人表现明显落后于对照组。
因为调试这项能力,本质上要求你对计算机系统的运行规律有极其精确的物理直觉:
- 指针到底指向了哪块内存?
- 为什么栈帧被意外破坏了?
- 操作系统是在哪个调用处返回了错误码?
当一个开发者长期沉浸在“代码全盘交给 AI、报错就直接复制粘贴”的循环中时,你实际上是在让工具侵蚀掉你监督工具的能力。 一旦 AI 给出的建议陷入死循环(Doom Loop),缺乏底层直觉的人除了绝望地重开对话,没有任何破局手段。
三、我们该如何与 Vibe Coding 相处?
否定 Vibe Coding 的全部价值同样是愚蠢的。在某些场景下,它依然是极具威力的生产力杠杆:
- 把 Vibe Coding 限定在“一次性脚手架”与“外围探索”: 对于个人博客排版、小工具脚本、前端样式的快速试错、数据清洗的临时正则,放手让 AI 去写,省下宝贵时间;
- 在核心骨架与关键路径上,守住“逐行审阅与手动推导”的底线: 凡是涉及核心业务逻辑、复杂算法、安全权限、多端同步的关键代码,坚决执行“先读懂、能默写、有边界测试”的标准;
- 给自己的学习设置“无 AI 隔离区”: 做课内数据结构作业、刷算法竞赛题、推导高数与汇编逻辑时,关掉所有自动补全和对话窗口。把卡住的痛苦当做大脑建立神经突触的必要摩擦。
结尾:造枪的人,不能连枪管的膛线都看不懂
软件工程从来不只是“让界面动起来”那么简单。
从单行代码的编写,到跨模块的状态同步,再到底层硬件资源的协调,代码的本质是一套严密的物理与逻辑约束。
AI 可以帮我们把砖头码得飞快,但房子立在什么样的地基上、承重墙能不能抗住风暴,最终仍然取决于设计者心里对系统机理的敬畏。
可以借助工具的敏捷,但绝不要把工具当成自己的骨骼。能手撕出底层轮子、敢于一行行刨开汇编和内存去抓出潜伏幽灵的人,在任何工具繁盛的时代,都拥有不可被替代的立足之地。