出来混 AI 的，帐总还是要还的 —— 谈谈 Vibe Coding 的技术债 一名初级工程师，项目交付期限迫在眉睫。他面前的屏幕上，GitHub Copilot 如同神谕般，一行行灰色代码自行浮现、补全。几个小时后，功能奇迹般地跑通了。团队沉浸在“敏捷”的胜利中，几乎没人深究那些由 AI 私语构成的逻辑——直到后来，有人翻开斯坦福大学与顶尖网络安全公司联合发布的研究，看到一行冰冷的数字：由 AI 辅助生成的代码，引入安全漏洞的概率，比人类开发者手写的要高出约40%。 这只是冰山一角。 一种更深层次的范式转移，正在另一个场景中悄然上演。 我指的是以 Claude 或 ChatGPT 为代表的对话式 AI。在那里，开发者不再只是接受零星的代码建议，而是将一整块模糊的需求、一个棘手的问题，甚至只是一种“我想要个什么”的感觉，完全抛给 AI。AI 则像一位无所不知的建筑师，直接返回一整套设计蓝图和实现代码。 这种工作模式，业界称之为“随性编程”（Vibe Coding）。 它的核心驱动力，是一种名为“氛围感”（Vibe）的心理诱惑。它无关严谨的工程纪律，只关乎一种“俺寻思这样也没差啥”的顺滑直觉。AI 大模型，正是这种直觉的最佳催化剂。它把晦涩的实现细节打包成一个黑箱，直接递给你一个看似能用的答案。你像一个经验丰富的老手那样感觉到了解决方案，却跳过了成为老手所必须经历的、在无数次失败和调试中积累的思维磨砺。 如果说 GitHub Copilot 的低语还只是在诱导你随性地写下某一行，那么 Claude Code 的对白则是在鼓励你随性地构建整个系统。前者让你外包了打字，后者让你外包了思考。 这是一种智力上的借贷，利率高昂。 我记得一个朋友的团队，他们接手了一个创业公司早期的核心项目。创始人是个典型的效率信徒，他和他最初的几个伙伴，借助对话式 AI，在几个月内就搭起了整个商业模式的骨架。项目能跑，数据也好看。但当我的朋友团队试图添加一个新功能，或者修复一个隐藏很深的 bug 时，灾难降临了。 代码的耦合度高得吓人，像一团被雨水浸泡过的毛线。许多函数的命名看似合理，内部实现却充满了天外飞仙般的逻辑跳跃。没人能解释清楚某一段关键算法为何要那样写，唯一的线索是版本控制记录里的一句：架构经 Claude Code 重构，“效率提升”。原初的开发者早已离职，他们带走了对 AI 提示的通灵记忆，却留下了一份无法被后人理解的天书。 那感觉，不像在维护代码，更像在做知识的考古。 这正是随性编程最危险的技术债：它不只是代码层面的债，更是“认知层面的债”（Epistemological Debt）。传统的坏代码，我们称之为屎山，虽然棘手，但有经验的工程师尚能分析其构成。而 AI 生成的、未经充分理解和重构的代码，就升级为一座“魔法屎山”——它能运行，但你不知道它的地基是什么，不知道山体里埋的是龙脉还是龙遗。 从风险管理的角度看，这正在重塑团队的知识结构。过去，我们依赖 T 型人才，资深工程师的那一竖代表着对系统底层深刻的洞察力。而现在，市场对速度的畸形崇拜，正在催生大量横线人才——他们借助 AI 能快速拉通业务，处理各种 API，但对水面之下的冰山一无所知。当风暴来临时，这样的团队结构是极其脆弱的。 或许有人会反驳：工具无罪，是人使用不当。这话没错，但它忽略了商业环境的巨大引力。当你的竞争对手用 AI 将开发周期从三个月压缩到三周时，你的老板很难有耐心听你解释第一性原理和长期主义的重要性。市场的压力，会逼迫所有人饮鸩止渴。 一个值得关注的动向，是类似 SafeCoder 这样的在研项目。它们尝试在 AI 生成代码时，就进行实时的安全扫描和合规性检查，试图在源头消毒。这是一种技术上的努力，值得肯定。但它能解决认知黑箱的问题吗？恐怕不能。它更像是在给一个你根本不认识的厨师递上来的菜肴做毒物检测——你能确保这次无毒，但你永远不知道他的烹饪理念是什么，下次他会不会因为对鲜味的独特理解而加入什么新奇的东西。 我们追求的速度，正在抵押我们理解系统的能力。 这种由 AI 喂养的代码直觉，让我们沉浸在氛围感中，误以为自己掌握了魔法，其实只是在随性地预付一张未来的账单。而这张账单的利息，是以我们对系统的失控为代价缓慢滚动的。 下一次，当 AI 口吐莲花呈现出整个方案时，你有能力和信心，去追问出冰山下面的“为什么”和“如何做”吗？