随着AI生成代码的普及，大多数AI生成的代码无法直接用于生产环境，导致企业急需专家进行修复以避免技术债务失控。尽管AI编码工具如Copilot大幅提升了开发效率，但研究表明，AI辅助生成的代码变更率更高，常需在短期内重写或撤销。因此，Vibe Coding清理服务应运而生，成为解决这一问题的商业机会。

Vibe Coding清理服务：新兴市场的崛起

在科技领域，一种新的服务类别正在悄然兴起：Vibe Coding清理服务。最初这只是LinkedIn上关于“修复AI混乱”的玩笑，如今却成为了一个真实的商业机会。尽管没有人愿意承认，但残酷的现实是：大多数由AI生成的代码无法直接投入生产，企业正迫切地雇佣专家来修复这些代码，以防止技术债务失控。

Vibe Coding的爆发

2025年初，当Andrej Karpathy提出“Vibe Coding”这一概念时，他准确地捕捉到了开发者们的工作方式：通过与AI对话生成整个函数，而不是手动编写。这种方法通过自然语言编程承诺了10倍的生产力提升。GitHub报告显示，92%的开发者现在使用AI编码工具，仅Copilot每月就生成数十亿行代码。

然而，会议上没有人谈论的问题是：GitClear对1.5亿行代码的分析显示，AI辅助与41%的代码变更率相关——这些代码在两周内被回滚或重写。斯坦福大学的研究发现，使用AI助手的开发者生成的代码安全性显著降低，但他们却认为这些代码更安全。这些工具放大了不良实践：缺乏输入验证、使用过时的依赖项，以及让资深工程师头疼的架构决策。

清理经济的现实

404 Media的调查显示，开发者们正在围绕修复AI生成的代码构建整个职业生涯。Hamid Siddiqi同时管理15到20个清理项目，收取高额费用来解开他所谓的“AI意大利面”——不一致的接口、冗余的函数和毫无意义的业务逻辑。软件咨询公司Ulam Labs现在将“Vibe Coding清理”作为核心服务进行宣传。

需求如此之高，以至于VibeCodeFixers.com作为一个专门的市场平台迅速上线。几周内，300名专家注册，数十个项目被匹配。创始人Swatantra Sohni描述了一个典型客户：“他们在OpenAI上烧了5000美元，有一个半成品原型，他们情感上依赖它，并且需要它昨天就准备好投入生产。”TechCrunch报道称，Y Combinator当前创业队列中25%的公司的代码库95%由AI生成，这凸显了硅谷这一趋势的巨大规模。

AI代码为何在规模上失败

根本问题不在于AI写的是坏代码，而在于它在不理解系统上下文的情况下编写了局部优化的代码。Stack Overflow的分析显示，AI擅长小型、孤立的任务，但在架构决策上失败。每个提示都会产生技术债务：不一致的模式、重复的逻辑和自动化扫描器遗漏的安全漏洞。

乔治城大学的研究表明，至少48%的AI生成代码包含安全漏洞。这些工具将秘密泄露到代码中，建议使用已弃用的库，并创建仅在负载下出现的竞争条件。更糟糕的是，开发者通常对生成的代码理解不足，无法发现这些问题。Thoughtworks警告称，这会产生“能力债务”——团队失去了维护自己系统的能力，因为他们依赖于他们不完全理解的AI生成代码。

市场机会

Vibe Coding清理市场正在快速增长，尽管具体数字难以确定。Gartner预测，到2028年，75%的企业软件工程师将使用AI代码助手。如果这些项目中只有一小部分需要清理——当前数据表明大多数项目都需要——那么我们正在面对一个巨大的新兴市场。

经济学上，创业公司通过Vibe Coding节省了数周时间达到MVP（最小可行产品），然后在清理上花费相当的时间和预算。但这仍然比传统开发更快。能够高效重构AI混乱的专家每小时收费200到400美元。一些人正在构建产品化服务：固定价格的清理包、AI代码审计和“从Vibe到生产”的流水线。

Thoughtworks报告称，随着AI辅助，重构活动减少，而代码变更率增加，大多数AI辅助项目在投入生产前需要大量清理。多家咨询公司现在专门招聘“AI代码修复”角色。这个市场是真实的、不断增长的，并且大部分尚未开发。

对工程的影响

我们正在见证软件构建方式的根本转变。AI负责初始实现，人类负责架构、测试和清理。这不是我们预期的未来，但却是我们正在面对的现实。

Gergely Orosz认为，AI工具就像“非常热心的初级开发者”——它们快速编写代码，但需要持续监督。不同的是，AI初级开发者永远不会成为高级开发者。它们总是需要清理专家。

这创造了有趣的职业路径。掌握Vibe Coding清理的初级开发者可以在两年内获得高级薪水。理解AI能力和局限性的高级工程师变得不可或缺。建立稳健清理流程的公司获得了竞争优势。

我们的立场

在Donado Labs，我们已经清理了足够多的Vibe Coding灾难，认识到了这一模式。AI加速是有效的，但只有在将专业清理纳入流程时。我们使用AI进行原型设计和常规任务，但架构和关键逻辑仍然由人类编写。我们的“从Vibe到生产”服务将AI原型转化为企业级产品：适当的测试、安全加固和不会让继任者哭泣的文档。

成功使用AI编码的公司并不是使用最多的公司，而是使用最聪明的公司。他们用AI进行原型设计，然后在技术债务累积之前投资于清理。他们将Vibe Coding视为任何其他工具：强大但缺乏专业知识时危险。

下次有人声称AI将取代程序员时，问问他们谁来清理代码。这才是真正的机会所在。

评论内容总结：

1. Vibe Coding的优缺点：

   • 优点：Vibe Coding可以快速生成MVP（最小可行产品），节省时间，尤其适合初创公司。例如，nickserv提到：“Startups save weeks getting to MVP with Vibe Coding, then spend comparable time and budget on cleanup. But that’s still faster than traditional development.”
   • 缺点：生成的代码质量低，后续需要大量清理和维护工作。distalx指出：“Vibe Coding is accelerating the death of documentation and architectural clarity.”

2. AI生成代码的局限性：

   • AI生成的代码往往缺乏架构清晰性和文档，导致后期维护成本高。sltr提到：“Vibe code has a lot in common with legacy code. Low confidence to change it, low internal and external quality.”
   • AI在复杂代码生成中的表现有限，尤其是在保持代码简洁性方面。neya指出：“While each have their own merit, they all seem to be flawed when it comes to keeping things simple.”

3. 清理和维护的重要性：

   • 清理和维护AI生成的代码已成为一项重要技能。SSchick提到：“I’ve done a fair amount of vibe coding cleanup, ironically using a fair about of LLMs.”
   • 一些开发者已经开始提供专门的清理服务。norskeld提到：“Janitor Engineers are already a thing? Damn.”

4. AI与人类开发者的对比：

   • 人类开发者仍然在代码质量和架构设计上具有优势。nickserv认为：“From what I’ve seen, I think developers can build just as fast, especially with AI assistance.”
   • AI在生成代码时可能会忽略长期维护的成本。ben30指出：“AI coding has the same bottleneck: specification quality.”

5. 未来趋势：

   • 未来可能会出现更多专门针对Vibe Coding的工具和服务。torhorway提到：“I’ve seen some new vibe coding websites that now come with shipping support by a dev as part of the package.”
   • AI可能会在某些领域取代初级开发者的工作，但高级开发者仍然不可或缺。alex-moon认为：“I cannot imagine that machines will ever replace any work where there is any meaningful threshold for ‘correct’.”

总结：Vibe Coding在快速生成MVP方面具有优势，但生成的代码质量低，后续需要大量清理和维护工作。AI在代码生成中的表现有限，尤其是在保持代码简洁性和架构清晰性方面。未来可能会出现更多专门针对Vibe Coding的工具和服务，但人类开发者仍然在代码质量和架构设计上具有不可替代的优势。