氛围与闸门:一场关于 vibe coding 的交锋,和它背后整个行业的转向
「硬币的正反面,没有对错。」
—— Larry,2026 年 11 月 20 日 14:16
2026 年 11 月 20 日,下午两点。我在四台电脑之间来回跑,微信弹出一条消息。
Larry 说:「我把 8 台电脑都组网连起来了,在一台电脑上控制看进度 干活儿。」
然后我们吵了一个小时零十九分钟。吵的不是工具,不是模型,不是谁便宜——虽然也顺带吵了 DeepSeek 和 OpenAI 的价差。我们吵的是:当你已经看不懂自己交付的那几十万行代码时,你还算不算它的作者?
这篇文章保留那场交锋的全部原文,然后把它拆开,摆到 2025–2026 年整个行业最硬的证据面前——前沿实验室自己公布的数字、几份互相矛盾的实证研究、以及一堆没人愿意在发布会上念出来的统计。最后,我想试着回答一个比「要不要 vibe coding」更麻烦的问题:责任,能不能外包给一个不会承担后果的东西。
一、交锋原文(2026-11-20 14:00 — 14:19)
以下为完整对话,未删改内容,仅去掉截图与外链。为保护隐私,Larry 的头像不做呈现;批注为本文作者事后所加。
14:00
LARRY我把 8 台电脑都组网连起来了
LARRY在一台电脑上控制看进度 干活儿
我我感觉 AI 设计的 AI 怎么总是模版化的啊。我昨天也给公司弄了个内部平台的。跟你这个长得好像。
LARRYAI 本来就是这样的啊
我我也一直想干这个事儿。
我现在 4,5 台电脑了。跑过来跑过去很烦人。
LARRY不是有个文章在说 有个外包程序员接了一个 100 多万的游戏项目
LARRY然后交给 AI 全靠氛围编程么
LARRY最后交付的时候 投入实测 到处都是问题
LARRY然后项目交不了,反而还把甲方商业机密泄露了
LARRY双重赔款,最后他无奈的说 项目代码他自己都看不懂 也从来没看过
我你看这风格跟你发的是不是很像,还有官网
我你不特别提示,他就给你出这种
LARRY提示了啊,赛博朋克风
我不知道他用的啥模型。如果真如他说的,那 claude 哪里敢让 AI 自动进化去写代码啊
我他那写出来的代码量,如果让人去一行行审计,就完蛋了。
LARRY所以这就是开盲盒啊
我所以我觉得可能问题真不能怪 AI。还是平时的他的一些习惯导致的。
LARRY就像我上次 一个小功能的涉及支付交易 结果一不留神 亏了 1000 多
LARRY做 demo AI 无敌
LARRY做生产投入的 必须人工审查 光测试 可能隐藏致命漏洞
我可以换个说法,如果是人工,致命漏洞就不存在么?
LARRY如果是一个大型交易站 全指望 AI 那就是听天由命,万一那个地方出错了 就掉的大
LARRY人工 出错可追责
我概率上来说,人埋下的致命漏洞多,还是 AI 呢。对于我来说,我觉得 AI 埋下的漏洞远远小于我。
LARRYAI 呢?像豆包一样 来一句 对不起我错了
LARRY哈哈哈,你还能干啥 把机器锤了么
我这是责任的问题。哪怕 claude 自动进化,肯定还是有一个负责人。出问题还是得找他
我因此那个人他会尽可能收敛风险。
我你写的 9000 行代码,那天说的,我不相信你逐行去对了一遍。
我更别说你现在一个大几十万行上百万行代码的项目,你真的每行都去审计了么
我不仅是每行要审计,还得看上下文有没有漏洞。
LARRY我是没有逐行去对,但我逐个函数检测过,至少 AI 是在我的架构框架下去做的,而不是 许愿式的方式交给他 我只等结果
LARRY这就是我为啥没有 完全交给智能体去做的根本原因
我现在谁的 vibe coding 是不做对抗性测试的呢
我怎么可能像 claude 说的一样,自动进化,十几天二十天 AI 自己去玩呢
我不都是人在旁边一行一行聊天聊出来的么
我先从别人嘴里的需求,让 AI 把需求的细节一点点挖出来。挖出来再去跟需求方一点点确认。确认完了设计架构/表,设计完了,还得换一个 AI 去评审这个架构/表的合理性,冗余性,鲁棒性。完了再一个个函数去写。写完一个个接口做单元测试,测试也是 AI,甚至换一个 AI 去单元测试每一个函数,类,调用链路。完了让 AI 部署。部署完了,模拟 apifox,或者 postman 用 curl 请求拼凑参数,去做边缘性的集合测试。
我我天天这么干的。这个过程 claude 或许实现了。
我但咱们还达不到他们那么严格的沙箱环境
LARRY不啊,我只是丢张截图
LARRY我啥都没说
LARRY硬币的正反面 没有对错
我这张截图他是可以识别出来你和我的。
我我已经开始读取咱俩对话,写成一篇博客了
我哈哈哈。这又是非常非常好的素材。
LARRY你可以同样截图给 AI,啥都不说,看 AI 怎么看待
我已经在写了啊
这场对话里,最先被误解的词是「氛围编程」。Larry 用它来描述那个外包程序员的做法——许愿、等结果、不看代码。而我在 14:10 那句反问,其实是在说:现在没有人是纯氛围的。所有人都在某个环节上做了对抗性测试,区别只是做在哪一层。
于是争论从「要不要 vibe coding」滑向了更准确的地方:你把人放在流水线的哪一段。
二、把这场争吵拆开:四个真问题
1. 误差分布之争:AI 埋的洞,比人埋的多吗?
我说「AI 埋下的漏洞远远小于我」。这句话在 2026 年,一半被证实,一半被证伪,而且证伪的那一半更值钱。
被证实的部分:AI 在浅层正确性上已经超过大多数人。Anthropic 公布的内部数据显示,截至 2026 年 5 月,合并进其代码库的代码里超过 80% 由 Claude 撰写——而在 2025 年 2 月 Claude Code 研究预览版发布前,这个数字是个位数。[1] 语法层面的错误基本被消灭了:Veracode 的纵向测试里,主流模型的语法正确率早已越过 95%。[2]
被证伪的部分:安全性没跟上,而且两年没动。同一份测试里,安全通过率长期黏在 55% 左右——也就是说,在没有任何安全提示的情况下,将近一半的生成结果里带着已知类型的安全缺陷。到 2026 年 10 月,这个数字才第一次有意义地挪动:整体通过率到 62%,最强的 Claude Opus 5.5 和 GPT-6-Sol 并列 73%,但 Java 仍然卡在 31%。[3]
一道剪刀差:「能跑」与「能信」之间的距离,正在变宽。语法通过率从 2023 年的约 50% 爬到 95% 以上;安全通过率在同一段时间里几乎是一条水平线。模型越来越擅长写出看起来像成品的东西——这恰好是审查最难的一类错误。
更狠的一刀来自卡内基梅隆的 SusVibes 基准:AI 生成方案里约 61% 功能正确,但只有约 10.5% 通过安全审查。[4] 换成工程语言:每 100 段「能跑」的代码里,大约 10 段经得起安全看。
而 Apiiro 在企业仓库里看到的不是比例,是斜率:AI 辅助开发者的提交频率是同侪的 3–4 倍,六个月内月度安全发现从约 1000 涨到超过 10000;其中权限提升路径增加 322%、架构设计缺陷增加 153%。[5] 这两个类目有个共同点——静态扫描器报不出来。它们要人读完授权模型、租户隔离边界、服务间信任假设,才能得出结论。
所以 Larry 那句「光测试,可能隐藏致命漏洞」是对的,而且比他自己以为的更对:能被自动测试抓住的那一类,AI 已经不太犯了;AI 犯的是测试抓不住的那一类。
2. 责任归属之争:「对不起我错了」为什么不算数
这是整场对话的枢轴。Larry 说「人工 出错可追责」,然后补了一记直拳:「AI 呢?像豆包一样 来一句 对不起我错了——哈哈哈,你还能干啥 把机器锤了么。」
我当时的回应是「这是责任的问题,肯定还是有一个负责人」。这句话说得太快了,它把问题从一个伦理问题降级成了一个组织问题。实际上 Larry 触到的是更硬的东西:责任不是一种信息,是一种可以被索取的资源。
汉斯·约纳斯在《责任原理》里给责任设了前提:责任需要一个能承受后果的主体——它得有连续性(明天还在)、有可损失之物(财产、自由、名誉)、有未来(可以被惩罚或被原谅)。AI 三样都没有。它不会因为搞垮一个支付系统而失眠,不会因为赔款而破产,也不会因为被追责而在下一次更谨慎。
于是责任必然回流到人身上,而且是向少数人集中,不是向多数人分散。Anthropic 在描述自己的工程流程时用的词很能说明问题:人类提供目标,但不再需要提供方法;差距在于「选择目标的判断力」。[1] 判断力留在人这里,责任的锚点也就留在人这里。
这也解释了一个反直觉的现象:AI 越自主,签字的人越少,单点风险越集中。一个 20 人的团队用 AI 顶掉 15 个人的活,剩下 5 个人里,只有 1 个人真的看得懂系统。系统出问题时,追责链条会精准地落到那 1 个人头上——不是因为他不小心,而是因为结构上只剩他可以被追。
3. 验证可行性之争:90 万行,谁审?
我抛出的问题很刻薄:你写的那 9000 行,我不信你逐行对过;更别说几十万上百万行的项目。Larry 的回答是这场对话里技术含量最高的一句:
「我是没有逐行去对,但我逐个函数检测过,至少 AI 是在我的架构框架下去做的,而不是许愿式的方式交给他,我只等结果。」
这句话把「审代码」换成了「审约束」。区别在于:审代码的复杂度随代码量线性增长,你永远追不上生成速度;审约束的复杂度随架构的抽象层级增长,而抽象层级是有限的。这是一种降维——不检查每一片瓦,检查承重墙。
行业在 2025–2026 年做的,几乎全是这件事的规模化版本。
4. 方法论之争:开盲盒 vs 工序
我列了九道工序:需求挖掘 → 与需求方确认 → 设计架构与表 → 换一个 AI 评审架构的合理性/冗余性/鲁棒性 → 逐函数实现 → 逐接口单元测试(再换一个 AI 做)→ 部署 → 用 curl 拼参数做边缘集合测试。
注意其中出现三次「换一个 AI」。这不是炫技,是防止同一个模型给自己判卷。2026 年 11 月的新工具里,这条原则已经写进产品:NDepend.AI 的做法是静态分析选活、让 agent 改代码、然后重新构建、测试、再分析,agent 不允许批准自己的工作。[6]
Larry 说的「开盲盒」,指的正是反过来:没有工序,只有输入和输出。盲盒之所以危险,不是因为盒子里的东西一定差,而是因为你失去了对分布的知情权——你不知道它是 90 分还是 20 分,也不知道下一次是哪个。
三、一年半的词源学:从 vibe 到 harness 到 loop
「vibe coding」这个词只活了一年半,但它已经换了三次骨架。这条演化线值得单独走一遍,因为它解释了为什么我和 Larry 的争吵在今天看来像是两代人——其实只差 18 个月。
| 时间 | 关键词 | 主张 |
|---|---|---|
| 2025.02 | vibe coding | Karpathy:完全交给感觉,拥抱指数增长,忘掉代码存在。定位是「周末玩具」。 |
| 2025 年中 | spec-driven | AWS Kiro:先写 requirements / design / tasks,人审 spec 才准动代码。EARS 语法把需求写成可测断言。 |
| 2025.10 | vibe engineering | Simon Willison:用 agent 大幅加速,但不放弃工程纪律。对「vibe coding 到生产」的明确警告。 |
| 2026.02 | agentic engineering | Karpathy 自己划线:vibe coding 抬地板,agentic engineering 抬天花板。agent「易错且随机,但极强」。 |
| 2026.04 | harness engineering | Martin Fowler 团队命名:给 agent 运行套脚手架。前馈(AGENTS.md、spec、架构约束)+ 反馈(linter、类型、测试、评审 agent)。 |
| 2026 年中 | loop engineering | Addy Osmani 命名:harness 管一次运行,loop 管「发现任务→派活→验证→留痕→决定下一步」的循环。人类拥有循环,AI 在循环里跑。 |
这条线里最容易被忽略的一步,是 2026 年 2 月 Karpathy 自己的转向。他一边承认 vibe coding「抬高了地板」——让几乎任何人都能造软件;一边划出专业界线:真正难的是在不牺牲质量底线的前提下协调一群易错但强大的 agent。[7]
换句话说,概念的发明者本人在一年内就放弃了这个词的原始含义。而我和 Larry 在微信里争的,正是那个已经过期的版本。
一个旁证:Linus 也 vibe 了
2026 年 1 月有报道称,Linus Torvalds 用 Google Antigravity 给他的业余项目(随机数字音效发生器)写了一个可视化工具,并在 README 里坦白:因为 Python 水平有限,「这个可视化工具基本上是 vibe-coding 出来的」。[8]
这条消息的价值不在「大神也用 AI」,而在他给自己划的边界:一个可视化工具,边界清晰、失败无成本、可肉眼验收。这恰好是 vibe coding 唯一安全的生态位——不是「简单」,是「错了也没关系,而且我一眼能看出来」。
四、前沿实验室到底怎么干
把发布会上说的话和工程博客里写的话分开看,会看到两套完全不同的叙事。发布会讲速度,工程博客讲闸门。
Anthropic:把「人不再提供方法」写成制度
Anthropic 的《When AI builds itself》是目前最坦诚的一份内部披露:
2026 年 5 月,合并代码中 80%+ 由 Claude 撰写;Claude Code 之前是个位数。
2026 年 Q2,典型工程师每天合并的代码量是 2024 年的 8 倍。官方自己加了个注脚:行数是糟糕的度量,8× 几乎肯定高估了真实生产力增益。
在开放式工程任务上,Claude 的成功率六个月内从约 26% 升到 76%(由 Claude 做裁判的会话成功率)。
2026 年 4 月,Claude 提交了 800 多个修复,把某一类 API 错误降低了一千倍;负责的工程师估计人类要花四年。
2026 年 3 月对 130 名研究人员的调查,中位数自评产出约为无 AI 时的 4 倍。官方同样注明「真实提升应低于此」。
而 Anthropic 对外的 Claude Code 贡献度指标里还有一组数字:工程师人均每日合并 PR 增长 67%,跨团队 70–90% 的代码有 Claude 参与。[9]
值得注意的是这份披露的语气:它把「人只提供目标」当成事实陈述,把「选择目标的判断力」当成尚未解决的缺口。这不是营销,是给自己划红线。
AWS / Kiro:把 spec 变成闸门
Kiro 的产品形态几乎是对 Larry 那句「在我的架构框架下去做」的产品化:requirements.md(用 EARS 语法写「当 X 发生,系统应在 500ms 内 POST 到 Y」这类可测断言)、design.md、tasks.md,人审 spec 通过之前 agent 一行代码都不许写。外加 property-based testing(属性测试,类似模糊测试:不测具体例子,测对所有输入都应成立的性质)。[10]
EARS 这个细节值得停一下。它原本是劳斯莱斯的 Alistair Mavin 团队为航空安全关键系统发明的需求写法。把它搬进 AI 编程,作用不是「让需求更规范」,而是让需求可以被机器判定——一旦需求是可测断言,验收就从「我觉得行」变成了「它是否满足 P」。
GitHub:把 spec 变成流水线命令
GitHub Spec Kit 在 2026 年 8 月 21 日发布 1.0,star 数超过 13.2 万,30 多个 agent 集成。它的流程被拆成一串斜杠命令:/speckit.constitution 定项目原则 → /speckit.specify 写需求 → /speckit.clarify 逼出歧义 → /speckit.plan 出方案 → /speckit.tasks 拆任务 → /speckit.implement 逐条执行。[11]
这套东西的哲学含义比工程含义大:它把「澄清歧义」单独做成了一个必须执行的步骤。大多数失败项目不是写错了,是要错了。人类在这件事上一直很糟糕,现在我们至少可以要求 AI 把「你没说清楚的地方」列出来,逼我们在写代码前承认它。
其他几家,一句话一家
Google:2025 年 11 月推出 Antigravity,把 agent 放进编辑器与浏览器两侧;Gemini CLI 走开源路线。内部 AI 生成代码比例的公开口径长期停在「四分之一以上」(2024 年 Q3 的说法),之后很少再更新——这本身是个信号。
OpenAI:Codex 走「云端异步 + PR 化」路线,把 agent 的产出压进既有 review 流程,而不是另开一个聊天窗口。
Meta:扎克伯格 2025 年 1 月公开说 AI 将承担「中级工程师」的工作,此后一年多的组织调整基本按这个判断执行。
Shopify:Tobi Lütke 2025 年 4 月的内部备忘录把「会用 AI」定为 baseline expectation,要求团队在要人之前先证明 AI 干不了。
Salesforce:Benioff 在 2025 年公开表示当年不再新增工程师编制。
阿里:Qwen Code 1.0 把 Qoder 的 harness 并进开源 agent;DreamX 的 LongHorizon-Harness 把长任务改成「管理—执行—审计」三段,把状态挪到上下文之外,同一底座模型在 WeaveBench 上从 51.8% 提到 80.7%。[11]
YC:2025 年冬季批次里,约 25% 的创业公司代码库有 95% 是 AI 生成的。[8]
把这些放在一起,会看到一个共同的形状:没有一家前沿团队在用「纯氛围」的方式做生产系统。他们做的是同一件事的不同实现——把人的判断力压缩成 spec、约束、闸门、审计记录,然后让 agent 在闸门之间高速跑。
这正好回到 Larry 那句话:AI 要在架构框架里干活,而不是许愿。
五、三张不撒谎的表
厂商的数字都是真的,只是选择性呈现。下面三组数据来自相对中立的研究方,它们拼出的图景更接近日常。
表一:METR 的 19%
2025 年 7 月,METR 做了一次随机对照试验:让有经验的开源开发者用当时(2025 年初)的 AI 工具完成真实任务。结果是他们慢了 19%,而他们自己感觉快了 20%。[12]
39 个百分点的感知偏差。这不是「AI 没用」,而是人对自己的速度判断在 AI 介入后会系统性地失准。原因不难猜:生成是瞬时的、可见的、有成就感的;验证是缓慢的、隐形的、消耗耐心的。人只感知前者。
表二:DORA 的验证税与不稳定税
Google 的 DORA 团队在 2026 年 1 月的《AI 辅助软件开发的 ROI》报告里给了一组冷冰冰的关联系数:AI 采纳率提高 25%,交付吞吐下降 1.5%,交付稳定性下降 7.2%。[13]
报告自己解释了机制,并且起了两个很好用的名字:
验证税(verification tax):代码产量暴增,人必须花额外时间审查,才能确认它可信、没有幻觉、符合架构标准。
不稳定税(instability tax):批量变大,review 变慢,变更失败率上升。模型里把变更失败率从 5% 调到 6%,停机成本就足以吃掉大半收益。
DORA 还给了个 J 曲线:先掉下去,再爬上来。以及一个容易被忽略的细节——39% 的开发者对 AI 输出的信任只有「一点」或「完全没有」,而明确的使用政策能让采纳率提高 451%。[13] 治理不是刹车,是油门踏板的前置条件。
表三:Stack Overflow 的信任曲线
2026 年的调查(3 万余份回答,169 个国家)显示:80% 的受访者每天至少用一小时 AI;87% 表示「有某种程度的信任」——但其中 48% 只在能轻易验证输出时才信任;愿意在重要决策上信任 AI 的只有 6.6%。[14]
2025 年那版更不留情:84% 使用率,只有 3% 「高度信任」,46% 主动不信任;最大的抱怨来自 66% 的人——「几乎对,但就是不对」;45% 说调试 AI 代码比自己写更花时间。[15]
为什么「几乎对」是最贵的错误?
明显错的代码很便宜:编译不过、第一个测试就红、你三秒就扔掉。完全对的代码免费。「几乎对」贵,是因为它通过了所有廉价筛子——能编译、能跑、happy path 通、读起来像个靠谱同事写的——然后死在边界条件、并发、某个参数语义的细微差别上。更要命的是,找 bug 时你手里没有地图:写代码的人脑子里那张图不存在,你得先逆向重建「他为什么这么写」。
再加一组:安全面的斜率
GitGuardian:2025 年公开仓库新增硬编码密钥 2865 万个,同比 +34%;AI 辅助提交的泄露率约为人类基线两倍,与 AI 服务相关的暴露一年内 +81%;2022 年泄露的凭据到 2026 年 1 月仍有 64% 有效。[4]
佐治亚理工的 Vibe Security Radar:可直接归因于 AI 生成代码的 CVE,2026 年 1 月 6 个、2 月 15 个、3 月 35 个。[16]
Escape.tech 分析 1400 个 vibe-coded 应用,发现 2038 个高危漏洞、400 多个泄露密钥、175 处个人数据暴露。[16]
「拼写劫持」(slopsquatting):约 20% 的 AI 代码引用了注册表里不存在的包,其中 43% 的名字在不同提示下稳定复现——攻击者可以提前抢注,等你下一次 install。[16]
这些数字合起来说明一件事:AI 没有发明新的漏洞类型,它把旧漏洞的产量放大到了人工审查追不上的规模。
六、哲思:五个不太好回答的问题
(一)认识论:理解去哪儿了?
写代码这件事,历史上一直把三样东西捆在一起:作者、理解者、责任人。你写的,你懂,你负责。这三者之所以能捆在一起,不是因为道德要求,而是因为技术上无法分离——你不可能写出自己不懂的代码,因为不懂就写不出来。
AI 第一次把这三者拆开了。现在可以是:AI 是作者,你懂 60%,你负 100% 的责任。
这不是一个新问题,但它第一次成为常态。以前它只出现在大型遗留系统里——你接手一个十年前的模块,作者早离职了,你只懂一半,但你得负责。那时这被当作技术债的症状。现在它是默认状态。
认识论上的麻烦在于:理解不是可以事后补的东西,它必须在过程中生长。你不是先有代码再理解它,你是在写的过程中理解它的。跳过写,就跳过了理解发生的那段时间。所以「我以后再看」在结构上是不可行的——不是懒,是没有那个「以后」的时间预算。
这解释了一个悖论:AI 让代码产量上升,让理解总量下降,而责任总量不变。三者相除,每个人的理解密度必须提高——这恰恰是行业在做 spec、harness、审计追踪的原因:既然不能理解每一行,就理解那些决定性的抽象。
(二)伦理学:责任为什么不能外包
我在对话里说「肯定还是有一个负责人,因此那个人会尽可能收敛风险」。这句话逻辑上成立,但它把一个悲剧性的结构说成了良性循环。
真实情况是:负责人收敛风险的能力,取决于他理解系统的程度;而 AI 提高产量的同时,恰恰降低了他的理解程度。责任在集中,能力在稀释。这两条曲线的交叉点,就是事故发生的时刻。
Larry 的直觉「人工出错可追责」之所以重要,不是因为人更可靠,而是因为人可以被修复社会关系:道歉有意义,赔偿有意义,下次更谨慎有意义。AI 的「对不起我错了」之所以荒谬,是因为它背后没有一个可以承受损失的主体。
由此推出一条不太舒服的结论:AI 的可靠性提升,不会减少对签字人的需求,只会提高签字门槛。越是强大的系统,越需要一个人说「我担保」。而这个「担保」在语义上无法由另一次模型推理来替代——否则就是自己给自己判卷。
(三)经济学:验证税是复利,不是手续费
DORA 把审查成本叫「税」,这个比喻其实偏乐观。税是比例固定的;验证的边际成本是超线性的。
原因在上下文。审一个小函数,你只需看它;审一个跨三个服务、两个数据库、一个消息队列的变更,你需要同时装载:数据模型、调用链、失败模式、历史决策、以及「为什么当初不这么做」。后者不是前者的十倍,是指数级。
所以 AI 的经济效果有很强的规模反向性:
小项目:验证成本低,AI 的加速几乎是纯赚。这就是为什么「周末项目」和「一人公司」是 vibe coding 的最佳生态位。
大项目:验证成本高,AI 的加速会以技术债的形式延期支付,并且带利息。
而技术债的利息在 AI 时代变了性质:以前的债是「写得丑,改起来慢」;现在的债是「没人懂,改起来靠猜」。前者是维护成本,后者是认知不可及——你甚至不知道自己不知道什么。
(四)本体论:当 spec 变成源代码
如果一份 spec 能稳定地再生成整个实现,那么「源」是什么?
传统上,源代码是源:它是人类意图的最精确表达,编译产物是派生物。现在出现了倒转——spec 是源,代码是派生物,而派生物可以随时重新生成、彼此不同但等价。
这个倒转带来三个连锁反应:
版本控制的历史性被削弱。Git 的价值在于「为什么这么改」的考古学。如果代码是生成的,diff 记录的是模型的采样轨迹,不是人的决策轨迹。真正该进版本库的是 spec 和约束。
版权的作者性被质疑。美国版权局的口径一直是「人类作者」;仅凭提示词不构成作者身份。2026 年 3 月最高法院拒绝受理相关争议,人类作者要求仍然成立。落到收购尽调上就是:一部分代码可能根本不受版权保护,你能用、能卖、能改,但排他性变窄了。[5]
审计从「读代码」变成「读决策」。可审计的对象不再是 90 万行,而是:谁提的需求、spec 怎么定的、谁批的、哪些约束被写进了 harness、哪些检查是自动的、谁签的字。
这不是退步。航空业早就这么干了:没人逐行审计飞控软件的最后二进制,但每一行需求都有出处、每一个变更都有审批、每一个假设都有测试。
(五)美学:被拿走的那一段
有一个观察我以为只有我有,后来发现 Evil Martians 写得很准:旧的循环是「计划 → 构建 → 结果」,而构建是你喜欢的部分。AI 把计划压成一个提示词,把构建换成评审——「我们拿走了我们喜欢的部分,换上了我们真正不喜欢的部分」。
于是出现一种奇怪的状态:产出翻倍,成就感下降。[17] 有个说法很刺:「我们用工作量来补偿满足感的缺失。」
我不认为这是矫情。手艺人的尊严来自「我做的东西带着我的判断」,而判断只有在做的过程里才能留下指纹。评审也能留下指纹,但那是另一种指纹——它是否定式的(这里不行、那里要改),不是建构式的。长期只做否定式判断,人会退化成一个过滤器。
这可能才是 vibe coding 争论里最不被说出口的一层:反对它的人,未必是担心质量,可能是担心自己变成一个只会点头和摇头的人。
七、一份可执行的协议:把氛围变成工程
以下十二条,一半来自我 14:12 那串工序,一半来自 Larry 的「架构内生成」,剩下的来自 2026 年那些被验证过的做法。它不保证你不翻车,但保证翻车时你知道车是怎么翻的。
1. 先定「错了会怎样」。把任务分成三档:错了无所谓(玩具/一次性脚本)、错了能修(内部工具)、错了要赔钱(支付、权限、数据)。只有前两档允许低审查强度。分档这个动作本身,比任何工具都重要。
2. spec 不超过一页。Kiro 和 Spec Kit 都在推 spec,但 2026 年 11 月的一篇实践分析提醒了反面:冗长冻结的 spec 只是把瓶颈从写代码挪到审 spec。短 spec + 稳定约束才有效。[6]
3. 需求写成可测断言。借 EARS:「当 [触发],系统应在 [时限] 内 [行为]」。写不出断言的需求,说明你还没想清楚——先别让 AI 动手。
4. 架构由人定,AI 只能在内。这就是 Larry 那条。具体做法:先落目录结构、模块边界、数据表、依赖方向,写进 AGENTS.md 或 steering 文档,作为 agent 每次行动的硬约束。
5. 换一个 AI 做评审。写的人不评,评的人不改。跨模型更好(Claude 写、GPT 评,或反过来),因为同族模型的盲区高度相关。
6. agent 不许批准自己的工作。这条已经是产品级共识:静态分析选活 → agent 改 → 重建 → 测试 → 再分析,人签字。[6]
7. 把验证预算写进排期。DORA 的验证税是真的税,不是意外支出。给每个 AI 产出的变更配固定比例的审查时间,而不是「有空再看」。
8. 沙箱,能多严就多严。我在对话里承认「咱们还达不到他们那么严格的沙箱环境」,这是实话,也是最该补的短板。隔离 worktree、禁网络、限权限、可回滚——这四件事在自己的机器上就能做。
9. 小批量。DORA 给的机制解释就是批量:AI 让批量变大,批量让 review 变慢、失败率上升。强制小 PR,是唯一能同时拿到速度和稳定性的办法。
10. 安全单独过一遍,不靠「顺手看」。Veracode 的数据说明顺手看没用:45% 的生成结果带 OWASP Top 10 缺陷,Java 只有 31% 通过。必须在流水线里插一个专门的 SAST/SCA 闸门,并且把「AI 推荐的依赖是否真实存在」当成必查项(防拼写劫持)。
11. 留痕。哪个 commit 是 AI 写的、哪次是 AI 辅助、spec 在哪、谁批的。这不是形式主义:将来出问题要复盘,将来要卖公司要尽调,将来要证明版权归属,靠的都是这份记录。
12. 一个人签字。每个系统必须有一个名字。不是团队,不是流程,是一个人。他可以在任何环节说「停」。
八、尾声:硬币的正反面
14:16,Larry 丢了几张截图过来,什么也没说,只留一句:「硬币的正反面 没有对错。」
我一开始以为他在和稀泥。后来想明白了:他说的不是「两种做法都对」,而是「我们争的其实是同一枚硬币」——他在正面看风险,我在反面看概率。
他关心的是:出事了谁承担。我关心的是:出事的概率有多高。这两个问题不冲突,但它们不能互相回答。概率低不等于可以没人负责;有人负责也不等于概率会自动变低。
那场争吵里最锋利的一句,其实是我说「这是责任的问题」,然后他回的那句嘲讽。他没有反驳我的逻辑,他反驳的是我的语气——那种「反正有人兜底」的轻松。他说的对:兜底的人会累死。
一年半以前,Karpathy 说「忘掉代码的存在」。一年半以后,他自己出来划线,说那只是抬地板。行业用了十八个月,把「氛围」重新翻译成「脚手架」「闸门」「循环」「审计」。翻译的过程很枯燥,但它说明一件事:
不是 AI 让我们不需要工程,而是 AI 让工程变得不可省略。因为当生成变得免费,唯一还稀缺的东西,就是「确认它对」。
而确认这件事,没法外包。它需要一个人,在某个时刻,看着一个自己没写完的系统,说一句:我担保。
这句话很贵。但它一直是这个行业真正的产品。
—— 写于 2026 年 11 月 20 日下午,八台机器还在跑,四台机器还在响。
参考资料
Anthropic Institute, When AI builds itself(内部数据:2026 年 5 月合并代码 80%+ 由 Claude 撰写;人均日合并代码为 2024 年的 8 倍)。anthropic.com
Veracode, Spring 2026 GenAI Code Security Update(语法通过率 >95%,安全通过率长期约 55%,Java 29%)。veracode.com
Veracode, 2026 年 10 月更新(整体安全通过率 56%→62%,Claude Opus 5.5 / GPT-6-Sol 并列 73%,Java 31%)。veracode.com
Bolster, Vibe Coding Security Risks(CMU SusVibes:61% 功能正确 / 10.5% 安全;GitGuardian 2865 万密钥)。bolster.ai
StepTo, Technical Due Diligence for AI-Generated Code(Apiiro:月安全发现 1000→10000,权限提升 +322%,架构缺陷 +153%;美国版权局人类作者要求)。stepto.net
AI Native Engineering, Coding Agents Got Faster. Now AI-Native Engineering Is Rebuilding the SDLC(验证税、Kiro/Quick、NDepend 的「agent 不许自批」)。ainativeengineering.net
Innomize, From Prompt Engineering to Loop Engineering(Karpathy 2026.02 划线、Fowler 团队 harness、Osmani loop)。innomizetech.com
Wikipedia, Vibe coding(Karpathy 2025-02-02 原帖、Collins 2025 年度词、YC W25 25% 批次 95% AI 生成、Torvalds/Antigravity)。wikiwand.com
Anthropic, Understand Claude Code's impact with contribution metrics(人均日合并 PR +67%,70–90% 代码有 Claude 参与)。claude.com
AWS Kiro 官方(spec-driven:requirements/design/tasks + EARS + 属性测试)。kiro.dev
AI Native Engineering, Spec-Driven Development Becomes the Discipline Behind Agentic Engineering(Spec Kit 1.0、EARS、DreamX LongHorizon-Harness 51.8%→80.7%)。ainativeengineering.net
METR 随机对照试验(经验开发者用早期 AI 工具慢 19%,自评快 20%)。来源引用
Google DORA, Impact of Generative AI in Software Development / 《AI 辅助软件开发的 ROI》(2026.01)(采纳 +25% → 吞吐 -1.5%、稳定性 -7.2%;验证税;J 曲线;39% 低信任)。dora.dev
Stack Overflow, 2026 Developer Survey 新闻稿(80% 每日用 ≥1h;87% 有某种信任;48% 仅在可验证时信任;6.6% 用于重要决策)。stackoverflow.co
XYZBytes, The "Almost Right" Problem(2025 调查:84% 使用、3% 高度信任、46% 主动不信任、66% 抱怨「几乎对」、45% 调试更久)。xyzbytes.com
VibeDoctor, 35 CVEs in a Single Month(CVE 6→15→35;Escape 1400 应用 2038 高危;slopsquatting 20%/43%)。vibedoctor.io
Richard Raduly, How software engineers really feel about AI taking their jobs(Evil Martians 的「拿走我们喜欢的部分」、用工作量补偿满足感)。r-ichard.com
AI 实战导师 / 企业 AI 落地顾问 / 智能体工程师,17 年跨界、15,000+ 小时 AI 实操、20+ 套已交付工作流。
发表评论: