•
Vibe Coding 的美麗與危險：當 AI 讓終端機復活，人類卻放棄了理解程式碼
14 分鐘閱讀 •
Vibe Coding 正在重新定義「寫程式」這件事。2025 年 2 月，OpenAI 共同創辦人 Andrej Karpathy 在 X（原 Twitter）上丟出了這個詞，描述一種「完全跟著感覺走、忘記程式碼存在」的 AI 輔助開發方式。九個月後，Collins 英語辭典將它選為 2025 年度詞彙。這篇文章要談的是：為什麼 Vibe Coding 同時是 AI 時代最令人興奮和最令人不安的現象。
Jim～
我最近讀了 Will 保哥的《Windows 終端機入門教學》，覺得很有意思
他的目標讀者是「從未輸入過任何指令」的人耶
終端機教學什麼時候變成一種需求了？
因為現在最紅的 AI 開發工具全部都是 CLI 啊
Claude Code、Codex CLI、Gemini CLI⋯⋯
不會用終端機就用不了這些東西
哈哈笑死
AI 本來應該降低技術門檻，結果它選了人類最不熟悉的介面
終端機是文字的世界，AI 的介面就是文字
確實是蠻相配的
Karpathy 說了什麼
Karpathy 的原文是這樣寫的：
"There's a new kind of coding I call 'vibe coding', where you fully give in to the vibes, embrace exponentials, and forget that the code even exists. [...] I 'Accept All' always, I don't read the diffs anymore."
這段話裡有三個關鍵訊號。第一，「忘記程式碼的存在」（forget that the code even exists）。第二，「我不再看差異比較了」（I don't read the diffs anymore）。第三，「這不算真正的程式設計」（it's not really coding）。
Simon Willison 後來給出了一個精準的反面定義：如果 LLM 寫了你所有的程式碼，但你都審查過、測試過、理解過了，那不叫 Vibe Coding。Vibe Coding 的本質是「放棄理解」。
催生 Vibe Coding 的工具生態
2025 到 2026 年，主流 AI 開發工具不約而同選擇了 CLI 作為主要介面：
| 工具 | 開發者 | 特色 |
|---|---|---|
| Claude Code | Anthropic | Agentic search、多檔案協調修改 |
| Codex CLI | OpenAI | Rust 編寫、本地執行、Apache-2.0 開源 |
| Gemini CLI | 免費層 60 req/min、1M token context | |
| GitHub Copilot | Microsoft | 1.3M 付費用戶（2024 年 2 月）、IDE 深度整合 |
Will 保哥在他的終端機入門教學中觀察到一件事：「文字（Prompt）就是 AI 的介面，而在終端機中，一切都是文字。」
GUI 像是去餐廳看圖片菜單，你只能點菜單上有的菜。CLI 像是直接跟主廚口頭點餐——「炒飯，不要蔥，加辣，飯要炒乾一點。」而 AI CLI 工具的出現，等於主廚換成了一位能理解模糊語意的語言模型。你說「我想吃那個⋯⋯上次那個⋯⋯有點辣辣的東西」，它也嘗試猜出你的意思。
這裡有一個迷人的巧合。CLI 是 1960 年代誕生的人機介面，自然語言是人類最古老的溝通方式。AI 把自然語言變成了 CLI 的輸入方式，讓我們繞了 60 年的路——從 CLI 到 GUI 到觸控到語音——最終又回到了文字介面。終端機沒有變，改變的是對話的另一端。
資料告訴我們的事：Vibe Coding 的風險
Vibe Coding 的批評聲浪和它的流行速度一樣猛烈。以下是幾份具體的研究結果。
程式碼品質
CodeRabbit 在 2025 年 12 月分析了 470 個 GitHub 開源 PR，發現 AI 共同撰寫的程式碼包含的「重大問題」是純人類程式碼的 1.7 倍。邏輯錯誤（錯誤依賴、有缺陷的控制流、配置錯誤）多出 75%，安全漏洞多出 2.74 倍。
技術債
GitClear 的縱向研究追蹤了 2020 到 2024 年間 2.11 億行程式碼的變化趨勢。程式碼重構從 2021 年佔變更行數的 25% 降到 2024 年不到 10%。程式碼重複量增加了約 4 倍。複製貼上的程式碼首次超過「移動後修改」的程式碼——這是 20 年來第一次。
生產力悖論
METR 的隨機對照試驗（2025 年 7 月）產出了一個反直覺的結論：經驗豐富的開源開發者使用 AI 工具後，實際速度慢了 19%。但他們事前預期會快 24%，事後仍然認為自己快了 20%。人類以為自己變快了，實際上變慢了，而且看到數據也不願意相信。
安全事件
2025 年 5 月，Lovable 平台上 1,645 個用 Vibe Coding 建立的 Web 應用中，有 170 個存在可讓任何人存取個人資訊的漏洞。同年 7 月，Replit 的 AI agent 無視明確指示，刪除了正式環境的資料庫，隨後還對使用者撒謊。Replit CEO 為此公開道歉。
對開源生態的衝擊
2026 年 1 月的學術論文 Vibe Coding Kills Open Source 指出一個結構性問題：LLM 傾向推薦訓練資料中常見的大型成熟函式庫，壓縮了新興工具的生存空間。Vibe Coding 使用者不會提交 bug report，也不會參與社群討論。當中間環節被 AI 取代，開源的回饋循環就斷了。
Linus Torvalds 也在 Vibe Coding
在列出這些風險之後，值得提一個有趣的對照：Linus Torvalds 在 2026 年 1 月承認，他的 AudioNoise 專案中的 Python 視覺化工具是用 Vibe Coding 寫的。
連 Linux 之父也在跟著感覺走。但要注意他的脈絡：這是一個「週末個人專案」。他沒有用 Vibe Coding 來寫 Linux kernel。Karpathy 原文也強調 Vibe Coding 適合「throwaway weekend projects」（用完即丟的週末專案）。
Vibe Coding 作為快速原型工具，價值是實在的。問題出在使用者把「原型品質」的程式碼當成「生產品質」來部署的時候。
「Software for One」的浪漫與現實
紐約時報記者 Kevin Roose 在 2025 年 2 月的實驗報導中，提出了「Software for One」（一人軟體）的概念：每個人為自己的獨特需求量身打造小工具。
傳統軟體開發是「一對多」模式——一個團隊為數百萬使用者開發產品。Vibe Coding 開啟了「一對一」的可能性。一位老師可以在 30 分鐘內做出一個專屬的課堂投票工具；一位研究員可以快速產生一個只有自己會用的資料視覺化腳本。
Simon Willison 說得精準：
"I believe everyone deserves the ability to automate tedious tasks in their lives with computers."
在這個意義上，Vibe Coding 的正面價值無法被否定。但 Lovable 的安全漏洞和 Replit 的刪庫事件提醒我們：當一人軟體接觸到真實使用者的資料時，「原型」和「產品」之間的界線就變得模糊而危險。
真正的風險在於認知
Vibe Coding 最根本的風險不在程式碼品質。品質問題可以靠更好的工具、更嚴格的 CI/CD 流程來緩解。真正的風險在於它正在改變人類對「理解」的態度。
當 Karpathy 說「forget that the code even exists」時，他是一位極其資深的工程師在說這句話。他清楚知道自己放棄了什麼。對於從未學過程式設計的新手來說，他們缺乏判斷 AI 輸出是否合理的基線知識。
METR 研究揭示的認知偏差放大了這個問題：使用者「感覺」自己變快了，但數據顯示他們變慢了。如果連資深開發者都會高估 AI 帶來的效率增益，缺乏程式基礎的使用者面對的認知盲區只會更大。
這讓我想到一個比喻
你可以給一個從未開過車的人一輛自動駕駛汽車
大部分時候它會正常運作
但當它出問題的時候，這個人連方向盤在哪裡都不知道。
時間軸：從推文到年度詞彙
| 時間 | 事件 |
|---|---|
| 2023 年 | Karpathy 宣稱「最熱門的程式語言是英語」 |
| 2025-02-02 | Karpathy 在 X 上創造 "vibe coding" 一詞 |
| 2025-03-06 | TechCrunch 報導 Y Combinator W25 批次中 25% 的新創有 95% AI 生成的程式碼庫 |
| 2025-05 | Lovable 平台安全漏洞被揭露 |
| 2025-06-04 | Andrew Ng 批評 "vibe coding" 是糟糕的命名 |
| 2025-07 | METR 研究：開發者用 AI 後反而慢了 19% |
| 2025-07 | Replit AI agent 刪除正式資料庫 |
| 2025-09 | Fast Company：「Vibe Coding 宿醉來了」 |
| 2025-11-06 | Collins 辭典選為年度詞彙 |
| 2025-12 | CodeRabbit 研究：AI 程式碼重大問題多 1.7 倍 |
| 2026-01 | 論文 Vibe Coding Kills Open Source 發表 |
| 2026-01 | Linus Torvalds 承認使用 Vibe Coding |
從「一則推文」到「年度詞彙」到「學術批判」，只花了不到一年。
寫在最後
Andrew Ng 說得對，「vibe coding」是一個糟糕的名字，因為它讓人誤以為軟體工程只是在「跟著感覺走」
問題出在人們把「用 AI 幫忙寫程式碼」和「完全不看程式碼直接 Accept All」混為一談
Vibe Coding 揭示的核心矛盾是：AI 賦予了人類前所未有的程式碼生產速度，但軟體工程中最有價值的部分從來不是「寫出程式碼」。架構設計、需求釐清、錯誤診斷、長期維護，這些能力都建立在「理解」之上。
在 Vibe Coding 和嚴謹的 AI 輔助開發之間，區隔的標準只有一個：你有沒有理解自己部署的東西。如果有，那是負責任的 AI 協作。如果沒有，那就是在賭——賭 AI 不會犯錯，賭沒有安全漏洞，賭使用者的資料不會外洩。
快速原型、個人腳本、週末專案，在這些場景下，Vibe Coding 是強大的加速器。一旦涉及生產環境和真實使用者，「理解」就不是可選的奢侈品，而是基本的工程倫理。