Vibe Coding 实践：探讨心流、技术债及可持续应用规范

摘要——Vibe Coding (VC) 是一种由生成式 AI 辅助的软件开发模式。在这种模式下，开发者通过自然语言提示词（Prompts）描述预期的功能或逻辑，并由 AI 系统生成相应的源代码。VC 可用于快速原型设计或开发最小可行性产品（MVP）；然而，它也可能在整个软件开发生命周期（SDLC）中引入多重风险。基于我们开发多个内部 MVP 的经验以及对近期行业报告的综述，本文分析了 VC 涉及的**“心流-债务”权衡（Flow–Debt Tradeoffs）。当无缝的代码生成发生时，这种权衡便随之而来：它在带来高效开发体验的同时，也因架构不一致、安全漏洞和维护开销增加而导致了技术债的累积。这些问题的根源在于流程层面的缺陷、模型训练与数据的偏差、显性设计逻辑的缺失，以及过度追求快速生成代码而忽视人类驱动的迭代开发。结合实践经验，我们识别并阐释了当前模型、平台及硬件限制是如何诱发这些问题的，并提出了相应的对策，旨在为实现更具可持续性**的 VC 方法提供研究与实践参考。 索引词——AI 辅助编程；技术债；Vibe Coding；经验报告

1 引言

Vibe Coding (VC) 曾是一个软件工程界鲜为人知的术语，直到 2025 年初由 Andrej Karpathy 推向大众视野。VC 指的是一种由生成式 AI 支持的、直觉驱动且注重“心流”（Flow）的编程方式。它可以被视为 AI 辅助编程进化的下一阶段——即从早期的自动补全（Autocomplete）和代码填充，转向以对话驱动的软件开发。拥趸者认为，VC 通过加速原型开发和降低非专业人士的编程门槛，极大地提升了生产力 [1]。 我们使用 VC 一词来描述多轮对话式、意图驱动的开发模式。在这种模式下，自然语言提示词驱动了整个软件系统的构建、重构与再生。VC 与 IDE 中的行级补全、GitHub Copilot 式的行间建议，或针对微小代码片段的偶尔提问有着本质区别。它将控制权从孤立的代码行辅助，提升到了对话式生成、自动脚手架搭建以及端到端系统的快速重构。 依托现今功能更强大的模型，开发者可以用自然语言表达意图，并在几分钟内逐步构建出可运行的系统。这种曾经带有投机色彩的想法，如今在原型设计、黑客松以及早期商业开发中已成常态。近期的调查显示，大多数从业者认为 AI 辅助工具提高了生产力和工作流效率 [2]。这一增长态势类似于早期的低代码（Low-code）和无代码（No-code）平台趋势，即通过快速原型设计实现更广泛的参与，并更快地探索设计替代方案。 VC 的潜力与隐忧： VC 正在日益影响整个软件开发生命周期（SDLC）。到 2025 年，Replit、Cursor、Bolt、Kiro 和 Lovable 等平台开始支持端到端的系统开发，这体现了该模式在开源和商业生态系统中的迅速普及 [3]。虽然这些工具实现了大规模的、对话式 AI 驱动开发，但近期的从业者报告也凸显了关于可靠性、安全性及长期可维护性的反复担忧 [4, 5, 6]。 尽管个人开发者和企业正在快速采纳 VC 工具，但生成的系统在可靠性、安全性和可维护性方面仍存在重大问题。近期分析显示，许多 AI 生成的应用存在严重漏洞、文档缺失以及架构脆弱等问题 [4, 5, 6]。例如，Palmer 等人在使用 Lovable 平台创建的 170 多个应用程序中发现了配置错误，导致敏感数据泄露 [4]。从业者同样反映，虽然 VC 加速了原型开发，但产出的代码往往难以在生产环境中扩展或维护 [7, 6]。 这便催生了**“心流-债务”权衡（Flow–Debt Tradeoff）**：VC 加速了短期开发，但冒着积累技术债的风险，从而削弱了长期可持续性。理解这种权衡对于从业者、研究人员和工具构建者都至关重要。图 1 展示了构思和原型阶段的快速进展如何往往伴随着系统迈向 MVP 成熟期时技术债的攀升，强调了在 SDLC 中设置代码审查等护栏的必要性。 贡献与影响： 在本文中，我们 (i) 概念化了 VC 生命周期中的“心流-债务”权衡；(ii) 利用基于经验的案例素材阐释了这些机制；(iii) 将实践建议综合为一个涵盖模型、流程、平台、组织和环境层面的跨层矩阵，以实现可持续的 VC。 生成式 AI 辅助开发经验本文的观察结果源于作者在学术和工业领域利用生成式 AI 辅助开发的综合工作。VC 工具在实践中被用于原型设计、重构、分析以及构建实验和生产系统，我们的行业合作伙伴也为真实世界的产品工程和组织采纳提供了见解。尽管证据属于定性性质，但它为理解本文所述的开发行为、技术挑战和新兴的债务机制提供了一个连贯的、基于实践的基础。