一位有着 15 年经验的资深程序员，在尝试使用 AI 编程后，却遭遇了意想不到的困境，甚至崩溃痛哭半小时。这一事件揭示了当下 AI 编程背后隐藏的诸多问题，也让 “氛围编程清理专家” 这一新兴职业进入大众视野。
AI 编程致 bug 频出，程序员沦为 “保姆”
所谓 “氛围编程”，由 OpenAI 联合创始人 Andrej Karpathy 提出，指的是开发者通过自然语言与 AI 进行交互，让 AI 生成、调整和优化代码，自己则专注于创意思考和问题解决。这一概念自提出以来，迅速在科技圈引发热议。一时间，Cursor、Copilot、Codex、Replit 等 AI 工具，成为开发者们编码的得力助手。
Carla Rover 是一位资深 Web 开发者，拥有 15 年的软件行业从业经验。如今，她正与儿子一起创办一家初创公司，为各类市场构建定制化的 ML 模型。为了加快创业进度，Rover 选择了 “氛围编程”。她本期望能借此快速出成绩，甚至将 Copilot 当作员工，把任务一股脑丢给 AI 处理，自动审查完的文件连看都没看。
然而，现实却给了她沉重一击。当 Rover 手动检查时，发现代码中 bug 多到离谱，随后使用第三方工具检查，问题更是层出不穷。最终，他们不得不将整个项目推倒重来，这让 Rover 崩溃不已，痛哭了半个小时。她将 “氛围编程” 比作一张鸡尾酒餐巾，虽能让开发者随心所欲勾勒想法，但处理 AI 生成、指望能直接上线的代码，却比 “带娃还累”。因为这些 AI 模型，总会以各种意想不到的方式，把工作搞得一团糟。
无独有偶，另一位有着 20 多年经验的开发者 Feridoon Malekzadeh，也有着类似的感受。他在创办自己的初创公司过程中，经常使用 “氛围编程” 平台 Lovable。他尝试用 AI 开发了一个小应用，专门为 60 – 70 多岁一代的人生成 “Z 世代” 互联网黑话。Malekzadeh 喜欢独自完成项目，认为这样既省钱又省时，但他发现，“氛围编程” 并不像想象中那么美好。他吐槽道，“这更像是雇了你家那个又犟又横的青春期孩子来帮忙，一件事你得反复说十五遍，结果你要求的它只做了一部分，顺手做了一堆没要求的，还搞砸了别的东西”。
他大致估算了自己在 “氛围编程” 中的时间分配：50% 用于写需求，10 – 20% 用于 “氛围编程”，剩下 30 – 40% 全在 “氛围修复”，也就是修改 AI 代码产生的 bug 以及处理一堆无用的 “脚本”。实际上，“氛围编程” 并不具备 “系统性思维” 这种高级能力，即洞察一个复杂问题如何影响全局的过程。在 Malekzadeh 看来，AI 生成的代码倾向于解决更表层的问题。例如，假设要做一个通用功能，优秀的工程师只会写一次，在所有需要的地方随时调用；而 “氛围编程” 如果在五个地方都需要该功能，它会生成五种不同的写法，这不仅会让用户感到困惑，连 AI 自己都会乱套。
AI 编程埋隐患，安全问题引担忧
除了代码质量问题，AI 编码的安全隐患也让人头疼不已。Fastly 开发总监 Austin Spires，拥有 20 多年编程经验。基于个人经验和客户反馈，他发现 “氛围编程” 往往只求速度，忽视稳定性，常常出现一些新手才会犯的低级错误。通常情况下，工程师需要审查代码，纠正 AI 犯下的错误，并告知它 “你这儿搞砸了”。而 AI 往往会立即回复 “you’re absolutely right”，态度虽好，却无法改变代码存在问题的事实。
IT 管理公司 NinjaOne 首席技术官 Mike Arrowsmith，在软件和安全领域深耕了二十年。他表示，“氛围编程” 正在制造大量新的 IT 盲点和安全隐患，尤其是初创公司，很容易陷入这些陷阱。“氛围编程” 常常跳过严格的审查流程，而这些流程却是传统代码编写的根基，没有它们，漏洞将无所遁形。
此前，Fastly 的一份报告显示，在近 800 名开发者中，至少 95% 的人需要花费额外时间去修复 AI 生成的代码，而核查的重任，大半都落在了高级开发人员身上。这一数据直观地反映了 AI 编程在实际应用中面临的严峻问题。
吐槽不断，却又难以割舍
尽管 “氛围编程” 被吐槽得厉害，但不可否认的是，它在很多场景下确实有用，并且已经彻底改变了许多开发者的编码工作流。Rover 表示，“氛围编程” 帮助她做出了更好的用户界面；Malekzadeh 也直言，虽然修改代码花费了不少时间，但有了 AI 的协助，最终完成的工作量还是比以前更多。Fastly 的调查还发现，高级开发人员将 AI 生成代码投入生产环境的可能性是初级开发人员的 2 倍，因为他们认为这项技术确实加快了工作速度。
年轻工程师 Elvis Kimara 正在亲身经历这些变化。硕士毕业后，他致力于开发一个 AI 交易平台。和许多程序员一样，他觉得 “氛围编程” 让工作变得更具挑战性，且缺乏成就感，那种通过自己动手解决问题所带来的多巴胺已经消失殆尽。他还提到，在上一份工作中，公司里有些资深开发者不愿意带新人，一部分原因是有些人还没掌握 “氛围编程”，而有些人则干脆将带新人的工作也交给了 AI。即便如此，Kimara 依然坚定地表示，就算自己成为高级工程师，也会继续使用 “氛围编程”，因为他认为这对自己而言是真正的工作加速器。
由此可见，AI 编程虽然存在诸多问题，但已经成为开发者们无法忽视的存在。在享受其带来便利的同时，如何解决这些问题，让 AI 编程更好地服务于开发者，成为了亟待解决的难题。或许，未来 AI 编程的发展方向，不仅在于让 AI 更高效地写代码，更在于引导 AI 在出现问题时能够承担责任，真正成为开发者的得力顾问。而在此之前，开发者们似乎还不得不花费更多时间，在 “氛围编程” 产生的 “杂草堆” 里埋头修复 bug，这似乎已经成为他们使用这项创新技术不得不付出的 “代价”。