「Vibe Coding」的發明者卡帕斯，親手寫完 8000 行程式碼，背後揭示了 AI 在複雜專案中的哪些侷限？

卡帕斯「Vibe Coding」神話破滅：AI 在複雜專案中的侷限

OpenAI 創始成員安德烈·卡帕斯（Andrej Karpathy）曾提倡「Vibe Coding」，意指透過感覺和 AI 輔助來編寫程式碼。然而，在開發個人專案「nanochat」時，卡帕斯發現 AI 工具不僅沒有幫助，反而「幫倒忙」。他親手撰寫了 8000 行程式碼，這背後揭示了 AI 在複雜專案中的幾項重要侷限。

複雜專案仍需仰賴人類全局思考

卡帕斯在開發 nanochat 時發現，AI 工具雖然擅長生成單獨的程式碼片段，但缺乏對大型、複雜系統的全局理解。nanochat 專案複雜度高，從分詞、預訓練到微調環環相扣，要求極致精確。在這種情況下，過度依賴 AI 反而會成為阻礙。人類工程師對系統的全局掌控和精確性，在關鍵任務中仍然無可取代。因此，在面對複雜專案時，僅靠「感覺」（Vibe）進行編碼可能會導致更多麻煩。

AI 加速效果是假象，可能反降效率

儘管 AI 工具通常被認為能加速開發流程，但實際情況可能並非如此。一項研究顯示，讓有經驗的開發者使用 AI 工具反而會使完成時間增加 19%。這是因為開發者需要花費大量時間在引導 AI、等待回應，以及修復 AI 在複雜程式碼庫中產生的錯誤。這些隱形成本抵消了自動生成程式碼所帶來的效益。對於熟悉複雜系統的資深人才來說，強行導入 AI 工具可能不僅無法提速，還會打斷他們原本高效的心流狀態。

隱形成本與潛在風險：修復程式碼更花功夫

企業在評估 AI 工具的成本時，往往只關注軟體訂閱費，而忽略了隱藏在冰山下的巨大支出。調查顯示，大多數開發者需要花費額外時間來修復 AI 生成的程式碼，甚至有些人表示修復時間比節省的時間還多。盲目追求最新技術，卻沒有評估團隊的學習曲線和 AI 產出的品質修正成本，最終可能導致團隊效率不升反降。此外，過度依賴 AI 可能導致技術債和安全漏洞，建立嚴格的審查標準，並確保穩定與安全，遠比短暫的效率更重要。