安德烈·卡帕斯（Andrej Karpathy）為何放棄使用 AI 來開發 nanochat 專案？

安德烈·卡帕斯放棄 AI 開發 Nanochat 的原因

安德烈·卡帕斯（Andrej Karpathy），OpenAI 創始成員及「Vibe Coding」（氛圍編碼）一詞的發明者，在開發他的開源專案「nanochat」時，放棄使用 AI 工具輔助編碼。儘管卡帕斯曾是 AI 輔助編碼的倡導者，但他發現 AI 工具，如 Claude 和 Codex agents，在實際操作中「完全沒有幫助」，甚至「幫倒忙」。

主要原因分析

1. 複雜專案仍仰賴人類思考： Nanochat 並非小型實驗專案，而是一個複雜的系統，從分詞、預訓練到微調，各個環節緊密相扣。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。在需要極致精確的場景中，人類工程師對系統的全局掌控與親手建構的精確性仍然無可取代。
2. 速度提升可能是假象： 儘管 AI 工具通常被認為能加速開發過程，但實際情況可能並非如此。有研究顯示，開發者在使用 AI 工具時，需要花費大量時間在引導 AI（Prompting）、等待回應，以及修復 AI 產生的錯誤上。這些隱形成本會抵消自動生成程式碼所帶來的效益，甚至可能拖慢開發速度。對於熟悉複雜系統的資深人才來說，強行導入 AI 工具可能反而會打斷他們原本高效的工作狀態。
3. 修復程式碼更花功夫： 許多企業在評估 AI 工具的成本時，往往只看到軟體訂閱費，卻忽略了修復 AI 生成程式碼所花費的額外時間。有調查顯示，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，甚至有些人表示修復時間比節省的時間還多。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，可能導致團隊效率不升反降。此外，若開發者不理解 AI 撰寫程式碼的邏輯，可能會留下難以維護的技術債，甚至潛藏安全漏洞。

啟示

卡帕斯的經驗表明，AI 工具並非萬能，尤其在複雜的專案中，人類的思考和掌控仍然至關重要。企業在導入 AI 工具時，需要審慎評估其與團隊的適配性，並充分衡量綜合效益，避免盲目追逐技術反而造成效率下降和潛在風險。