卡拉·罗弗（Carla Rover）曾因不得不重启一个她进行氛围编程的项目而哭了 30 分钟。

罗弗在这个行业工作了 15 年，主要是一名网页开发人员。她现在正和儿子一起创办一家公司，为市场创建定制的机器学习模型。

她称氛围编程是一个美丽、无尽的草图本，人们可以在上面不断地勾勒想法。但处理希望用于生产环境的 AI 生成代码可能“比当保姆还糟糕”，她说，因为这些 AI 模型会以难以预测的方式搞砸工作。

她转向 AI 编程是为了她的初创公司追求速度，正如 AI 工具所承诺的那样。

“因为我需要快速且令人印象深刻，我走了捷径，在自动化审查后没有扫描那些文件，”她说。“当我手动检查时，我发现了很多错误。当我使用第三方工具时，我发现了更多。我吸取了教训。”

她和她的儿子最终重新启动了整个项目——因此才流下了眼泪。“我把它交出去了，就像副驾驶是一个员工一样，”她说。“它不是。”

罗弗和许多经验丰富的程序员一样，转向 AI 寻求编程帮助。但这些程序员也发现自己扮演着 AI 保姆的角色——重写和事实核查 AI 吐出的代码。

内容交付平台公司 Fastly 最近的一份报告发现，在其调查的近 800 名开发人员中，至少有 95% 的人表示他们花费额外时间修复 AI 生成的代码，而这种验证的负担最重地落在了高级开发人员的肩上。

这些经验丰富的程序员发现了 AI 生成代码的问题，从虚构包名到删除重要信息和安全风险。如果不加以检查，AI 代码可能会使产品比人类生产的代码漏洞更多。

使用 AI 生成代码已经成为一个问题，以至于催生了一种新的公司编码职位，称为“氛围代码清理专家”。

TechCrunch 与经验丰富的程序员们就他们使用 AI 生成代码的经历以及他们对氛围编程未来的看法进行了交流。观点各不相同，但有一点仍然确定：这项技术还有很长的路要走。

“使用编码副驾驶有点像给一个聪明的六岁孩子一个咖啡壶，然后说，‘请把这个拿到餐厅给家人倒咖啡，’”罗弗说。

他们能做到吗？可能。他们会失败吗？肯定会。而且很可能，如果他们失败了，他们不会告诉你。“这并不能让孩子变得不那么聪明，”她继续说道。“这只是意味着你不能完全委托那样的任务。”

“你说得太对了！”
费里顿·马勒克扎德（Feridoon Malekzadeh）也将氛围编程比作一个孩子。

他在这个行业工作了 20 多年，担任过产品开发、软件和设计的各种职务。他说他正在创办自己的初创公司，并大量使用氛围编程平台 Lovable。为了好玩，他还用氛围编程制作了一些应用程序，比如一个能为婴儿潮一代生成 Alpha 代俚语的应用程序。

他喜欢能够独自完成项目，节省时间和金钱，但也同意氛围编程不像雇佣实习生或初级程序员。相反，氛围编程类似于“雇佣你那固执、无礼的少年来帮助你做点什么，”他告诉 TechCrunch。

“你必须问他们 15 次才能做某事，”他说。“最后，他们会做一些你要求的事情，一些你没要求的事情，并且在此过程中搞砸一堆事情。”

马勒克扎德估计他大约 50% 的时间用于编写需求，10% 到 20% 的时间用于氛围编程，30% 到 40% 的时间用于氛围修复——修补 AI 编写代码产生的错误和“不必要的脚本”。

他还认为氛围编程在系统思维方面并非最佳——即看待一个复杂问题如何影响整体结果的过程。他说，AI 生成的代码试图解决更表面层的问题。

“如果你正在创建一个应该在你的产品中广泛可用的功能，一个优秀的工程师只会创建一次，并在所有需要的地方提供它，”马勒克扎德说。“氛围编程会在五个不同的地方以五种不同的方式创建同样的东西，如果需要的话。这不仅给用户带来很多困惑，也给模型带来很多困惑。”

与此同时，罗弗发现，当数据与硬编码的内容冲突时，AI“会撞墙”。“它可能会提供误导性建议，遗漏重要的关键元素，或者插入到你正在开发的思维路径中，”她说。

她还发现，它不会承认错误，而是会编造结果。

她与 TechCrunch 分享了另一个例子，她质疑 AI 模型最初给出的结果。该模型开始给出详细解释，假装使用了她上传的数据。直到她指出后，AI 模型才承认。

“这把我吓坏了，因为它听起来像一个有毒的同事，”她说。

除此之外，还有安全问题。

奥斯汀·斯派尔斯（Austin Spires）是 Fastly 的开发人员支持高级总监，自 2000 年代初就开始编码。

他通过自己的经验——以及与客户交流——发现氛围代码喜欢构建快速而非“正确”的东西。他说，这可能会给代码引入漏洞，这类漏洞正是非常新的程序员容易犯的。

“通常发生的情况是工程师需要审查代码，纠正代理，并告诉代理他们犯了错误，”斯派尔斯告诉 TechCrunch。“这种模式解释了为什么我们看到社交媒体上出现了‘你说得太对了’这种老套说法。”

他指的是 AI 模型，例如 Anthropic Claude，在被指出错误时倾向于回应“你说得太对了”。

迈克·阿罗史密斯（Mike Arrowsmith）是 IT 管理软件公司 NinjaOne 的首席技术官，他在软件工程和安全领域工作了大约 20 年。他说，氛围编程正在催生新一代的 IT 和安全盲点，尤其是年轻的初创公司很容易受到影响。

“氛围编程通常绕过了严格的审查流程，而这些流程是传统编码的基础，也是发现漏洞的关键，”他告诉 TechCrunch。

他说，NinjaOne 通过鼓励“安全氛围编程”来应对这个问题，即批准的 AI 工具具有访问控制，以及强制性的同行评审，当然还有安全扫描。

新常态
虽然我们采访的几乎所有人都同意 AI 生成代码和氛围编程平台在许多情况下都很有用——比如草拟想法——但他们都同意，在以此为基础建立业务之前，人工审查至关重要。

“那个鸡尾酒餐巾可不是商业模式，”罗弗说。“你必须在便捷和洞察力之间取得平衡。”

但尽管对其错误有所抱怨，氛围编程已经改变了这份工作的现在和未来。

罗弗说，氛围编程在改进用户界面方面给了她极大的帮助。马勒克扎德则简单地说，尽管他花时间修复代码，但使用 AI 编码器他仍然比不使用时完成更多工作。

“每项技术都带有其自身的消极性，这种消极性是随着技术进步同时被创造出来的，”马勒克扎德引用法国理论家保罗·维里利奥的话说，维里利奥谈到在发明船只的同时也发明了沉船。

利远大于弊。

Fastly 的调查发现，高级开发人员将 AI 生成代码投入生产的可能性是初级开发人员的两倍，称这项技术帮助他们工作更快。

氛围编程也是斯派尔斯编码日常的一部分。他在多个平台上使用 AI 编码代理进行前端和后端个人项目。他称这项技术是一种喜忧参半的体验，但表示它在帮助原型设计、构建样板或搭建测试方面表现出色；它消除了繁琐的任务，使工程师能够专注于构建、交付和扩展产品。

看来，花额外的时间仔细检查“氛围杂草”将成为使用创新所必须忍受的代价。

年轻工程师埃尔维斯·基马拉（Elvis Kimara）现在正在学习这一点。他刚获得人工智能硕士学位，正在建立一个由人工智能驱动的市场。

像许多程序员一样，他说氛围编程让他的工作变得更难，而且他经常觉得氛围编程是一种乏味的经历。

“独自解决问题不再有多巴胺分泌。人工智能就能解决，”他说。在他上一份工作中，他说高级开发人员不再像以前那样帮助年轻程序员——有些人不理解新的氛围编程模型，而另一些人则把指导任务委托给了这些 AI 模型。

但是，他说，“利远大于弊”，他准备为这项创新付出代价。

“我们不会只是编写代码；我们将指导人工智能系统，在出现问题时承担责任，并且更像机器的顾问，”基马拉谈到他正在准备的新常态时说。

“即使我成长为高级职位，我也会继续使用它，”他继续说道。“它对我来说是一个真正的加速器。我确保审查 AI 生成的每一行代码，这样我能更快地从中学习。”