氛围编程已让资深开发者变身"AI 保姆"，但他们认为值得
卡拉·罗弗曾经因为不得不重做一个她凭感觉编码的项目而哭了30分钟。
罗弗从业15年，主要从事网页开发工作。如今她正与儿子一起创业，为市场平台定制机器学习模型。
她将感觉式编码比作一张精美无尽的可随时涂鸦的鸡尾酒餐巾纸。但她表示，处理那些希望投入生产环境的人工智能生成代码可能"比看孩子还累人"，因为这些 AI 模型会以难以预料的方式搞砸工作。
出于对创业效率的需求，她转向了 AI 编码——这也正是 AI 工具所承诺的优势。
"因为要快且惊艳，我走了捷径，没有在自动审核后扫描那些文件，"她说。"当我手动检查时，发现太多问题了。用了第三方工具后，又发现了更多错误。这次教训我记住了。"
她和儿子最终不得不重做整个项目——这就是她落泪的原因。"我像对待正式员工那样把任务交给副驾驶，"她说，"但它不是。"
罗弗和许多经验丰富的程序员一样，开始借助 AI 辅助编程。但这些程序员也发现自己成了 AI 的"保姆"——不断重写和验证 AI 生成的代码。
内容分发平台 Fastly 近期报告显示 ，受访的 800 名开发者中至少 95%表示需要额外时间修复 AI 生成的代码，而这类验证工作主要落在资深开发者肩上。
这些经验丰富的程序员发现，AI 生成的代码存在诸多问题，从虚构软件包名称到删除关键信息，再到安全隐患。如果放任不管，AI 编写的代码会让产品比人工编写的出现更多漏洞。
AI 生成代码带来的问题如此严重，以至于催生了一个新的企业编码岗位——"氛围代码清理专家"。
TechCrunch 采访了多位资深程序员，了解他们使用 AI 生成代码的体验以及对氛围编程未来的看法。观点虽然各异，但有一点是确定的：这项技术仍有很长的路要走。
"使用编程助手就像给一个聪明的六岁孩子一个咖啡壶，然后说'请把这个端到餐厅给全家人倒咖啡'，"罗弗这样比喻道。
他们能做到吗？或许。会失败吗？肯定会。而且即便失败了，他们很可能也不会告诉你。"这并不代表孩子不够聪明，"她接着说，"只是意味着你不能完全像这样委派（任务）。"
"你说得太对了！"
费里敦·马利克扎德也将氛围编程比作孩子。
他在科技行业有超过 20 年从业经验，曾担任产品开发、软件和设计等多个职位。他表示目前正在创业，并大量使用氛围编程平台 Lovable。闲暇时，他还用氛围编程开发应用，比如一个为婴儿潮世代生成 Z 世代俚语的程序。
他喜欢能独自完成项目，节省时间和金钱，但也承认氛围编程不同于雇佣实习生或初级程序员。相反，他将氛围编程比作"雇你那倔强无礼的青少年孩子来帮忙做事"——他向 TechCrunch 这样描述道。
"你得反复要求他们15次才能做成一件事，"他说。"最后他们只完成部分要求，还附带一堆你没要的东西，过程中还会搞砸不少事。"
马莱克扎德估计，他大约 50%的时间用于撰写需求文档，10%到 20%的时间用于氛围编程，30%到 40%的时间则用于氛围修复 ——修正 AI 生成代码带来的漏洞和"冗余脚本"。
他还认为氛围编程并不擅长系统思维——即理解复杂问题如何影响整体结果的过程。他表示，AI 生成的代码往往只能解决更表层的问题。
马莱克扎德表示："如果你要开发一个产品中广泛适用的功能，优秀的工程师会一次性完成开发，并在所有需要的地方实现复用。而氛围编程则会在五个不同地方需要时，用五种不同方式重复开发五次。这不仅会让用户感到困惑，模型本身也会陷入混乱。"
与此同时，罗孚公司发现当数据与 AI 的硬编码指令冲突时，它就会"碰壁"。"它可能提供误导性建议，遗漏关键要素，或者干扰你正在构建的思维路径，"她说道。
她还发现，与其承认错误，它更倾向于编造结果。
她向 TechCrunch 分享了另一个例子：当她质疑 AI 模型最初给出的结果时，该模型开始假装使用了她上传的数据进行详细解释。直到她当场拆穿，AI 模型才承认错误。
"这让我很害怕，因为它听起来像个有毒的同事，"她说。
除此之外，还存在安全隐患。
奥斯汀·斯派尔斯是 Fastly 公司的开发者赋能高级总监，自 2000 年代初就开始从事编程工作。
通过自身经验以及与客户的交流，他发现氛围编程更倾向于快速构建而非追求"正确性"。他表示，这可能会在代码中引入新手程序员常犯的那种漏洞。
"工程师通常需要审查代码、纠正 AI 代理的错误，并告诉它哪里出错了，"斯派尔斯告诉 TechCrunch。"这种模式就是为什么我们会在社交媒体上看到'你说得完全正确'这个梗出现的原因。"
他指的是像 Anthropic Claude 这样的人工智能模型在被指出错误时，往往会回答"你说得完全正确"。
NinjaOne IT 管理软件公司的首席技术官 Mike Arrowsmith 拥有约 20 年的软件工程与安全领域经验。他指出，氛围编程正在催生新一代 IT 与安全盲区，尤其容易使年轻初创企业受到威胁。
"氛围编程常常绕过传统编码中严格的审查流程，而这些流程既是传统编程的基础，也是发现漏洞的关键，"他向 TechCrunch 透露道。
NinjaOne 表示，他们通过推行"安全氛围编程"来应对这一问题——经批准的人工智能工具需配备访问控制，同时强制进行同行评审，当然还包括安全扫描。
新常态
虽然几乎所有受访者都认为 AI 生成代码和氛围编程平台在许多场景下很有用——比如构思原型——但他们一致认为，在基于此构建业务前必须经过人工审核。
"鸡尾酒餐巾纸上的涂鸦成不了商业模式，"罗弗表示，"必须在便捷性与洞察力之间取得平衡。"
尽管人们对它的错误多有抱怨，但氛围编程已经改变了这份工作的现在和未来。
罗孚表示，氛围编程极大地帮助她打造了更出色的用户界面。马利克扎德则坦言，尽管需要花时间修复代码，但与没有 AI 程序员协助时相比，他仍能完成更多工作。
"每一项技术都带有其自身的负面性，这种负面性是与技术进步同时被发明出来的，"马莱克扎德引用法国理论家保罗·维利里奥的话说道，后者曾谈及发明船只的同时也发明了沉船。
利远大于弊。
Fastly 调查发现，资深开发者将 AI 生成代码投入生产的可能性是初级开发者的两倍，他们表示这项技术能帮助自己更快完成工作。
氛围编程也已成为斯派尔斯日常编码流程的一部分。他在多个平台上使用 AI 编程助手来完成个人项目的前后端开发。他将这项技术称为"混合体验"，但表示它在原型设计、构建样板代码或搭建测试框架方面很有帮助；它能消除繁琐任务，让工程师专注于产品构建、交付和规模化。
看来，花费额外时间梳理氛围问题将成为使用这项创新时不得不忍受的代价。
年轻工程师 Elvis Kimara 正在经历这种转变。他刚获得人工智能硕士学位，正在开发一个 AI 驱动的交易平台。
和许多程序员一样，他表示氛围编程让工作变得更困难，并经常觉得这种编程方式毫无乐趣可言。
"靠自己解决问题再也无法获得多巴胺了。AI 直接就能搞定，"他说道。在上一份工作中，他表示资深开发者不太愿意帮助年轻程序员——有些人不理解新型氛围编程模式，还有些人直接把指导工作交给了这些 AI 模型。
但他表示，"利远大于弊"，而且他愿意为创新付出代价。
"我们不再只是编写代码；我们将引导 AI 系统，在系统故障时承担责任，更像是机器的顾问，"Kimara 谈到他正在适应的新常态时说道。
"即使我晋升为高级职位，我也会继续使用它，"他继续说道。"它确实加速了我的成长。我会仔细检查 AI 生成的每一行代码，这样我能从中更快地学习。"