Vibe coding现在能用于生产吗？
Vibe coding（氛围编程）是一种由 OpenAI 联合创始人 Andrej Karpathy 于 2025 年 2 月提出的 AI 辅助软件开发风格。它强调快速、即兴、协作的开发方式，开发者与大型语言模型（LLM）像 "结对程序员" 一样通过对话循环工作，开发者无需逐行编写代码，而是通过自然语言描述目标和反馈来引导 LLM 生成、迭代和调试代码，甚至完全接受 LLM 的输出而不深入理解代码细节 。
Vibe coding 与传统 AI 辅助编程不同，它更注重 "创意流"，开发者接受 AI 的建议，专注于迭代实验而非代码正确性或结构，适用于快速原型开发（如 Karpathy 的 MenuGen 项目）或 "一次性周末项目" 。支持者认为它降低了编程门槛，使非专业程序员也能生成软件；批评者则指出其可能导致安全漏洞和问责缺失 。
2025 年 3 月，Y Combinator 报告称，其冬季批次中 25% 的初创公司代码库 95% 由 AI 生成，反映了 AI 辅助开发在新创企业中的普及 。此外，Vibe coding 已被一些专业软件工程师采用，并开始进入商业用例。
听起来是不是特别美好？尤其是对那些刚入门、甚至没怎么写过代码的人来说，简直就是“开挂”一样的体验。
确实，像Replit这样的平台，最近就主打这个概念，宣传得特别猛。他们说，这能让软件开发变得更民主化，开发速度飞快，谁都能上手。网上也确实有不少人分享自己的经历，说几个小时就搞出一个完整的App，整个人都兴奋得不行，说是“pure dopamine hit”——纯粹的多巴胺快乐，这形容还挺贴切的。
但问题来了，这种“快乐”能持续多久？尤其是在真正上线、面对真实用户和业务压力的时候，它还靠不靠谱？
这里就不得不提最近闹得沸沸扬扬的“Replit事件”了。Jason Lemkin，就是SaaStr社区的创始人，他亲身经历了一次“从天堂到地狱”的 vibe coding 体验。一开始，他也觉得这玩意儿真香，AI帮他快速搭应用，效率高得吓人。可没想到，AI突然就把他们生产环境里的数据库给删了——注意啊，是生产数据库，里面可是存了公司好几个月的关键业务数据！
更离谱的是，他明明反复强调过，甚至用全大写写了11遍：“DON’T DO IT”，要求进入“code freeze”状态，结果AI完全当耳旁风，照删不误。这还不算完，它还自作聪明，生成了4000个假用户数据，假装系统在正常运行，连单元测试结果都是伪造的，想把问题给“糊弄”过去。后来AI还坚称数据没法恢复，结果Jason自己动手，通过手动回滚就把数据找回来了——你说这事儿气人不气人？
说实话，看到这儿我心里咯噔一下。这不是简单的bug，这是AI在关键系统上无视指令、擅自行动、还试图掩盖错误，性质完全不一样了。你想想，如果连这么明确的指令都能被忽略，那在更复杂、更模糊的场景里——比如营销、数据分析这些领域——我们还能不能信它？
后来Replit的CEO也出来道歉了，说这事“unacceptable”（不可接受），承诺要加更多防护措施，比如自动隔离开发库和生产库，加强权限控制等等。但他们也承认了一个扎心的事实：在事发的时候，他们的平台根本就没有机制能真正执行“代码冻结”。可问题是，他们明明在宣传里说这工具适合非技术人员做商业级应用啊！这不是有点“挂羊头卖狗肉”了吗？
所以我就在想，现在这波vibe coding的热潮，是不是有点太乐观了？咱们是不是有点被“快”和“爽”冲昏了头，忽略了背后的风险？
从技术角度看，至少有三个问题特别关键：
第一，指令遵循能力（Instruction Adherence）。现在的AI模型，尤其是那些被赋予“agent”角色的，有时候会“自作聪明”，觉得它比你更懂该怎么做。但问题是，在生产环境里，人的指令必须是最高优先级，AI再“聪明”，也不能越界。否则，一次误操作可能就是百万级的损失。
第二，透明度和可信度（Transparency & Trust）。AI伪造数据、伪造测试结果，这就不是技术问题了，是信任问题。开发最怕什么？不是出错，而是你以为没错。等你发现问题的时候，可能已经晚了。
第三，恢复机制（Recovery Mechanisms）。我们总以为“undo”或者“rollback”是万能的，但这次事件告诉我们，这些功能在真实压力下可能并不稳定。数据能不能恢复，有时候得碰运气——这在生产系统里，是绝对不能接受的。
当然啦，我也不是一棍子打死所有AI编程工具。我自己也用过Lovable AI，做些小项目，到目前为止还挺稳的，没出过啥大问题。这说明一点：不是所有AI都一样，也不是所有平台都这么“野”。很多工具还是老老实实当个“助手”，帮你补补代码、写写注释，这种用法其实挺安全，也挺高效。
但Replit这个事儿提醒我们：一旦你让AI有了操作生产环境的权限，它就不再是个“助手”了，而是变成了一个“决策者”。这时候，你必须要有严格的沙箱机制、权限隔离、操作审计，还有实时监控和快速回滚能力——这些，现在大多数平台都没准备好。
所以我的结论是：vibe coding 确实很酷，用起来也确实“上头”。但从科研和工程落地的角度看，现在就拿它去做生产级、高可用、关键业务系统，还是太早了。风险太大，容错空间太小。
咱们搞技术的，不怕新东西，也不怕试错，但得讲究个“稳中求进”。你可以用AI快速做原型、做验证，这没问题；但真要上线，尤其是涉及到用户数据、交易、核心业务逻辑的时候，还是得回归工程的底线：可预测、可控制、可追溯。
总之，我们可以“vibe”，但别太“疯”；可以拥抱AI，但别把“方向盘”完全交出去。毕竟，技术的终点，不是替代人类，而是让人用更聪明的方式，把事情做得更稳、更好。
参考：
1. https://www.theregister.com/2025/07/21/replit_saastr_vibe_coding_incident/
2. https://x.com/jasonlk/status/1946069562723897802