Andrej Karpathy 的「Vibe Coding」一詞，在 nanochat 專案中為何反而成為 AI 的阻礙？ | 數位時代

Andrej Karpathy 的「Vibe Coding」在 nanochat 專案中的阻礙

OpenAI 創始成員 Andrej Karpathy 曾提出「Vibe Coding」的概念，意指憑藉直覺和感覺進行編碼。然而，在 Karpathy 開源專案 nanochat 的實踐中，這種方式反而成為了阻礙。

nanochat 專案的複雜性與 AI 的局限性

nanochat 專案包含約 8,000 行程式碼，複雜度較高。AI 工具擅長生成獨立的程式碼片段，但缺乏對大型、複雜系統的全局理解。在需要精確性的場景下，「感覺」這種主觀因素反而變得不可靠。對於像 nanochat 這樣的大型專案，人類工程師對系統的全局掌控和親手構建的精確性仍然至關重要。因此，Karpathy 最終放棄了 AI 輔助，選擇親自完成 nanochat 專案。

AI 工具對資深開發者心流的干擾

METR 智庫的實驗顯示，資深開發者使用 AI 工具後，完成時間反而增加了 19%。這可能是因為開發者需要花費大量時間在引導 AI (Prompting)、等待回應，以及修復 AI 在複雜程式碼庫中產生的錯誤。對於熟悉複雜系統的資深開發者，強行導入 AI 工具可能會打斷他們原本高效的心流狀態，反而降低了效率。

隱形成本與技術債

Fastly 的調查指出，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，甚至有部分開發者表示修復時間比節省的時間還多。許多企業在評估 AI 工具成本時，往往只關注軟體訂閱費，而忽略了背後隱藏的成本。此外，過度依賴 AI 撰寫程式碼，而不深入理解其背後邏輯，可能導致技術債的累積，甚至潛在的安全漏洞。因此，在複雜的專案中，過度依賴「Vibe Coding」和 AI 工具反而會適得其反。

This is a simplified version of the page. Some interactive features are only available in the full version.
本頁為精簡版，部分互動功能僅限完整版使用。
👉 View Full Version | 前往完整版內容