AI 寫程式神話破滅？Vibe Coding 發明者坦言「完全沒幫上忙！」背後是３大殘酷現實

「我試圖使用 claude、codex agents（幫忙寫程式）幾次，但它們的表現完全不夠好，整體而言完全『沒有幫助』。」

這句話，出自發明「Vibe Coding」（氛圍編碼）一詞的 OpenAI 創始成員安德烈 · 卡帕斯（Andrej Karpathy）。

卡帕斯曾是將 AI 輔助 Coding 推向神壇的人。然而，當他著手打造自己最新的開源專案「nanochat」時，「Vibe Coding 神話」卻碎裂一地。他親口承認，AI 反而「幫倒忙」。

nanochat 的目標，是讓人們能以低門檻，約 100 美元、花費約 4 小時，就能完成訓練並運行一個功能類似 ChatGPT 的聊天機器人。

這個專案，包含了約 8,000 行程式碼。而卡帕斯放棄了 AI，選擇「親手」一一完成。

為什麼？

「nanochat」並非玩票性質、失敗也無妨的周末實驗，這個專案的複雜度，堪比建造一棟摩天大樓的地基，從分詞、預訓練到微調，環環相扣。

在要求極致精確的場景中，「Vibe」成為了最不可靠的變數之一。

背後原因，是因為 AI 工具擅長生成單獨的程式碼片段，卻缺乏對大型、複雜系統的全局理解。比起能獨當一面的「機長」，更像一個強化版的「副駕駛（Copilot）」。

也就是說，對於關鍵任務，人類工程師對系統的全局掌控與親手建構的精確性，依舊無可取代。

「加速」是 AI 工具最誘人的優勢，但美國智庫模型評估與威脅研究 METR 曾做了一項試驗，招募了 16 位經驗豐富的開源開發者，讓他們在大型程式碼庫上完成真實任務。

儘管開發者預期 AI 工具能讓完成時間減少 24%，但實際結果是，允許使用 AI 工具的人，完成時間反而增加了 19%。

關鍵原因，在於開發者將大量時間耗費在引導 AI（Prompting）、等待回應，以及修復 AI 在複雜程式碼庫中產生的錯誤上。這些隱形成本，完全吃掉了自動生成程式碼所帶來的效益。

AI 不一定能幫助所有人提升生產力，尤其對於早已熟悉複雜系統的資深人才來說，強行導入新工具，可能不僅無法提速，反而會打斷他們原本高效的心流（flow）狀態。在追求效率的同時，領導者也必須審慎評估工具與團隊的適配性。

許多企業評估 AI 工具的成本時，只看到了軟體訂閱費，卻忽略了冰山下的巨大支出。

Fastly 一項調查指出，高達 95% 的開發者需要花費額外時間來修復 AI 生成的程式碼；有些人甚至表示，修復的時間比省下的還多。

盲目追逐最新技術，卻沒有評估團隊的學習曲線與 AI 產出的品質修正成本，最終可能只是打亂團隊節奏、效率不升反降。更審慎的作法，是先小規模試點，充分衡量綜合效益後再做決策。

此外，當人們選擇順應「感覺」（Vibe）Coding，而非深刻理解 AI 撰寫程式碼的背後邏輯時，留下的將是難以維護的技術債，甚至潛藏著安全漏洞。

領導者，有責任建立嚴格的審查標準。而穩定與安全，遠比短暫的效率與快感更重要。

人際