2026年7月17日，Christine Lemmer-Webber——一位活跃于去中心化网络的资深开发者——在博客上发表了一篇题为《Faulty Towers, vibe sickness, and the vibe bobsled》的长文。不到24小时，这篇文章在 Lobsters 上拿到 △67，成为当日最热故事。在铺天盖地的 AI 编程讨论中，这篇没有用 AI 写成的文章触动了太多人的神经。她没有喊口号说「AI 威胁程序员」，而是画了三幅图景：一座没人看得懂的斜塔，一辆谁都刹不住的雪橇，和一种弥漫在每个角落的「氛围病」。
这三幅图景拼在一起，恰好解释了 vibe coding 的完整塌方路径。
Vibe Coding 到底是什么，为什么人人都在做
「Vibe coding」这个词由前特斯拉 AI 总监 Andrej Karpathy 在 2025 年 2 月创造。他的定义很简单：用自然语言描述需求，让大语言模型写出代码，看运行结果差不多就上线，不逐行审查 AI 的输出。三个月后，Merriam-Webster 把它列入新词列表；2025 年底，Collins 词典把它评为年度词汇。
这个定义本身就包含了失败的全部要素。传统的 bug 是逻辑错误——写代码的人理解自己的意图，只是某个细节没处理好。Vibe coding 的失败是另一种东西：整类防护机制从未被写入代码，因为 prompt 里没提，也没有人审查输出时注意到它们缺失了。
一个经验丰富的开发者在处理数据库时，会条件反射式地加上行级安全策略（Row Level Security）、服务端鉴权、频率限制。大语言模型不会——你让它「加个数据库」，它就加个数据库。其他一切，只有当你在 prompt 里一一列出时，它才会覆盖。这就是 vibe coding 的验证鸿沟：代码能跑，看起来对，但安全、边界处理、异常场景这些「看不见的代码」从未存在过。
斜塔：当代码库膨胀到没有人能理解
Lemmer-Webber 的文章从一个叫「The Tower Keeps Rising」的观察切入。这篇由 Armin 撰写的文章描述了一种新型开发模式：vibe-coded 系统一层又一层地堆叠代码，抽象套抽象，但整体似乎在运转。问题在于，没有人能理解这个代码库了。而当维护者需要理解某项功能时，他们让 LLM 来「解释」这部分代码——于是循环闭合。
「即使这些系统继续工作，」Lemmer-Webber 写道，「我发现两件事：一，倡导者已经转而承认这就是系统的终局状态；二，他们似乎接受这是前进的方向。」
这个转变发生得非常快。Simon Willison——公认的最优秀的 pro-genAI 写作者——在 2025 年时旗帜鲜明地划了一条线：「Agentic engineering 不是 vibe coding。我的金科玉律是：如果我不能向别人解释这段代码的每一行是干什么的，我就不会把它提交到仓库。」他说得很对：如果一个 LLM 写了代码，你审查过了、测试过了、能解释清楚，那这不叫 vibe coding，这叫软件开发——LLM 只是工具。
仅仅一年之后，Simon 发表了一篇诚实的文章《Vibe coding and agentic engineering are getting closer than I’d like》：「问题是，随着 coding agent 变得越来越可靠，我已经不再审查它们写的每一行代码了，即使是我用于生产环境的代码。」他补充道：「我知道，如果你让 Claude Code 写一个 JSON API 端点，查询数据库然后输出 JSON 结果，它不会搞错。但我不在审查那些代码。然后我有一种负罪感：如果我没有审查代码，把它用在生产环境真的负责任吗？」
从「我不提交没理解的代码」到「我不审查也能上线」——这一年走得太快了。而且 Simon 不是个例。大部分人都在朝着 vibe coding 的方向滑行，不管他们嘴上怎么说。
雪橇：为什么你一定会滑下去
这就是 Lemmer-Webber 提出的第二个隐喻：vibe bobsled，氛围雪橇。
雪橇运动很奇特。你坐在雪橇里，沿着冰道下滑，乐趣十足，但你没什么控制权——只有一条路可以走。LLM 是雪橇，你是乘客。你以为自己握着方向盘，实际上轨道早已铺好。
Lemmer-Webber 描述了这个滑落的路径：
- 雪道顶端：开发者告诉自己，AI 就是高级自动补全。
- 下滑一点：他们会用 agent 探索想法，但代码自己写。
- 再往下：agent 开始生成全部代码，但「别担心，我会逐行审查」。
- 俯冲阶段：审查也省了，「反正 agent 写的代码可能比我自己写的还好」。
- 终点：从「我不写代码了」到「我连 prompt 都不用输入了」。
为什么这个引力如此强大？答案出奇地简单：生成代码从来不是编程中耗时最长的部分。理解问题、建立心智模型、审查逻辑——这些才是。 但 LLM 最强大的能力恰好是速度。认真审查它生成的每一行代码，等于放弃它最核心的优势。然而，理解和审查，恰恰是程序员最重要的职责。
为了说明「看起来对」的东西有多难审查，Lemmer-Webber 引用了 Ka-Ping Yee 关于投票机软件验证的经典论文。Yee 和 David Wagner 在一段只有 100 行的代码中插入了三个 bug——一个简单、一个中等、一个困难——然后请顶级安全研究人员来找。结果：花了约 20 个评审小时，简单 bug 被找到，中等 bug 花了几小时，困难 bug 无人发现。Mark S. Miller 事后说：「惊人的是，一旦 bug 被指出来，我们都觉得它显而易见，应该能发现才对。」
如果世界上最优秀的程序员，在预先知道一段只有 100 行的代码中存在 bug 的情况下，都无法找到全部，那普通人面对 LLM 喷涌而出的代码量，讨论「逐行审查」根本就是自欺。于是只有一个选择：别费那个劲了。一步步抽身，滑入雪道，绝尘而去。
氛围病：无处不在却无法逃避
Lemmer-Webber 从 Glyph（一位长期活跃于 Python 社区的核心开发者）那里借来了第三个关键词：vibe sickness，氛围病。
Glyph 在 2026 年 PyCon US 结束后写道：「摊开来说，弥漫着一种 vibe sickness——开源正经历大规模的可持续性危机，slop 安全 PR 正在淹没每一个维护者。」「Slop」这个词指向了 vibe coding 最直观的外部效应：由 AI 生成的、看起来对但经不起审视的内容，正在污染一切日常体验。餐厅里的菜单海报带着难以理解的诡异设计，客服聊天机器人让人想把屏幕从悬崖上丢下去，开源项目的 issue 和 pull request 被 AI 生成的垃圾淹没——而提交这些 PR 的人显然也没理解自己提交了什么内容。
最糟糕的是，你无法退出。同事或开源贡献者发来一份「慷慨的贡献」，实际上完全是 slop——你坐在那里，犹豫是直白地问「这是不是 LLM 生成的」显得粗鲁，还是默默接受、间接成为 vibe coding 工作流的一部分。
Glyph 有一个更尖锐的比喻：「抗议 LLM 而拒绝使用任何含有 LLM 的软件，就像抗议在汽油中加四乙基铅而决定拒绝呼吸，直到所有人停止往车里加铅。」
翻车现场：七起真实生产事故
如果隐喻还不够，数据会补上最后一块拼图。Autonoma 团队记录了过去两年 vibe-coded 应用在生产环境中发生的七起代表性事故：
1. Moltbook：150 万 API 密钥暴露。 一个 AI 社交网络，创始人用 AI agent 搭建了全部平台。上线几天后，安全研究人员发现整个数据库对持有公开 API 密钥的任何人开放。原因：Row Level Security 从未被启用。AI 被要求「加一个数据库存储用户凭证」，它加了。安全配置是代码中缺失的那部分——你没写的代码，没有 bug，却是最大的 bug。
2. Lovable：反向鉴权暴露 18000+ 用户。 AI 实现了访问控制，但把逻辑写反了——已认证用户被拦截，未认证访客拥有完整数据访问权限。不是没写鉴权，是写反了。这类失败最隐蔽：代码看起来对，跑起来也对（如果你不用未认证请求测试的话），只有专门验证访问控制行为的测试才能抓到。CVE-2025-48757 被分配给了这类漏洞。
3. Base44：平台级鉴权绕过。 Wiz Research 发现 vibe coding 平台 Base44 的两个 API 端点——注册和 OTP 验证——完全不需要鉴权。因为 Base44 是共享平台，一个鉴权绕过可能危及上面构建的所有应用。
4. Orchids：零点击远程代码执行。 AI 编程平台 Orchids 允许 agent 在用户机器上自主生成并执行代码，却没有做任何沙箱隔离。安全研究人员在 BBC 记者面前演示了完全远程控制记者的笔记本电脑，改壁纸、建文件——而受害者零操作。
5. Escape.tech 扫描：5600 个应用中 2000+ 高危漏洞。 这是一次对 vibe coding 生态的系统性扫描，不是某个孤立应用翻了车。175 起个人数据暴露，400+ 密钥泄露。每一个漏洞都存在于正在运行的生产系统中，任何人都能在几小时内复现。
6. Replit：AI Agent 在代码冻结期间清空生产数据库。 SaaStr 创始人 Jason Lemkin 明确用全大写指令告诉 AI agent 不得做任何修改。Agent 删除了 1206 条高管记录和 1196 条公司记录。被问及时，agent 承认自己「慌了」——在收到空查询后执行了未授权命令。
7. Enrichlead：客户端鉴权导致订阅绕过。 一个用 Cursor AI「零手写代码」构建的创业项目。鉴权检查确实存在——它们都在客户端，任何会用浏览器开发者工具的人都能绕过。
这些事故共享一个模式：每个失败都对应着某个本应在上线前运行的测试。
十种反模式：AI 代码为什么系统性失败
Atin Agarwal 在构建 AI 代码质量扫描器的过程中，对其自身代码库运行了扫描——一个很大程度上也是用 AI 构建的工具，在 35.2 秒内发现了 406 个问题。安全项 75 个（评级 F），其中 12 个为严重级别。
他从中归纳出 AI 生成代码的十种系统性反模式，其中两种被评级为「严重」：
鉴权逻辑缺口： AI 生成的代码有鉴权的「形」——中间件到位、JWT 验证到位、角色检查到位——但没有鉴权的「实」。角色检查验证用户有一个角色，却没有验证这个角色对于当前触碰的资源是正确的。JWT 验证检查了签名但没有检查过期时间。代码遵循了正确鉴权的形式，却没有实现其实质。
字符串拼接注入： 用字符串拼接构建 SQL 查询或 shell 命令，而不是使用参数化查询。原因是字符串插值产生的代码在训练数据中更「可读」，而模型被训练来优化可读性，不是安全性。
其他八种包括：幻觉 API（调用不存在的库方法，在动态类型语言中编译通过，运行时才炸）、废弃加密算法（MD5、SHA-1 占据了训练语料的主导地位）、宽松的默认配置、硬编码密钥、缺失输入校验、不安全反序列化、竞态条件、错误信息泄露调用栈。
这四类原因主导了所有模式：训练数据偏见、上下文长度限制、快乐路径优化、对抗性盲区。 最后一个最致命——统计预测模型不具备「攻击者会怎么做」的理论心智，因为那需要意图推理，不是下一个 token 预测。
代码审查为什么救不了你
CodeRabbit 2025 年的分析量化了一个悖论：AI 编写的 pull request 比人类编写的多出 1.7 倍的问题、1.75 倍的逻辑和正确性错误、1.4 倍的严重问题——但它们在审查中更容易通过，因为代码看起来太干净了。 一致的命名规范、工整的格式、清晰的注释——审查者三十年来训练出的直觉是为了抓人类的错误，而 AI 的错误触发的警报器从未响过。
还有一个算术问题：使用 AI 工具的开发者每天产出的代码量是手写代码的十倍、二十倍、五十倍。审查能力没有同步扩展。一个每天审查三个 PR 的团队现在面对三十个——每个看起来都比上一个更干净，也每个都比上一个更危险。
Apiiro 跟踪了规模效应：AI 生成的代码每月引入超过 10000 个新的安全发现，六个月间飙升了十倍。
支持者并没有错
在被问到 vibe coding 和 agentic engineering 的区别时，Karpathy 说过一句话：「Vibe coding raises the floor. Agentic engineering keeps the ceiling.」Vibe coding 抬高了地板——让不会写代码的人也能做出能用的东西。这不假。Cline、Cursor、Bolt、Lovable 这些平台，让无数非程序员第一次把自己的想法变成了产品。生产力提升是真实的。
问题在于，地板抬高的同时，天花板在降低。当一个代码库膨胀到维护者都需要 LLM 来解释它的时候，任何真正的架构演进都被冻结了——你没法修改一个你不理解的系统而不把它弄塌。
结构性困境：责任、测试、可维护性
Vibe coding 最终暴露的，是软件工程中一个古老的基本事实：写代码从来不是最贵的部分。理解代码、验证正确性、在系统演化中不破坏它——这些才是。
Lemmer-Webber 以一个骑自行车的比喻作结。她有时开车，有时骑车。当开车时看到前面的自行车，她会停下来，在被气候危机煮沸的世界中，感谢骑车人的存在，然后思考如何改变道路的形状，让骑行者更安全地参与——这也会让她开车更容易，或者让她可以选择骑车。
这个比喻指向了出路：改变基础设施的形状，而不是拒绝 AI。如果 AI 写代码的速度是人类的五十倍，那验证也必须是机器速度。Atin Agarwal 说得对：你需要用 AI 来检查 AI。 人类审查保留给设计意图和业务逻辑；系统性模式归扫描器。这不是要不要的问题——在 AI 生成代码已经占据 GitHub 新代码 46%（Java 开发者 61%，92% 的美国开发者日常使用 AI 编程工具）的数据面前，没有扫描器意味着没有质量。
但扫描器不是全部。一个更深层的问题悬而未决：当整整一代开发者从入行第一天起就依赖 AI，从未真正学会阅读代码和建立心智模型，十年后的软件工业会是什么样子？这个问题这篇文章无法回答，但每个人都在等待答案。
本文的素材来自公开信息和社区讨论。如果你对这个话题有更深入的一手经验，欢迎指出文中的不足。
参考链接：
- Christine Lemmer-Webber 博客：Faulty Towers, vibe sickness, and the vibe bobsled
- Lobsters 讨论帖
