← 返回 Siami 首頁

「搖滾明星」變 AI 同事:為何 vibe coding 會拖垮整個團隊?

▲ 276 💬 192
「搖滾明星」變 AI 同事:為何 vibe coding 會拖垮整個團隊?

大家都曾經和一位「搖滾明星級工程師」共事過。他們幾年前加入團隊時,渾身是勁。對新技術、新典範、新架構充滿想法。這些走在最前線的想法,讓其他人都覺得自己似乎有點落伍了。

他們重寫了公司大部分的核心架構。導入了新的建置流程、新的工具、新的語言。他們拒絕了大多數的 Pull Request,拉高了大家對工程品質的期待。沒人真的看得懂他們寫的程式碼,但也沒人敢承認這件事。

所有最難的任務都被指派給這位搖滾明星。他們總是能比任何人更快地完成。工程成果聽起來總是非常厲害,儘管只有這位搖滾明星自己真正了解整個系統是如何兜起來的。

其他人的進度相比之下都慢得多。大家都努力想跟上、想學會那些新套件、想照著搖滾明星的方式做事。

加入團隊幾年後,他們突然就離開了。他們覺得無聊了,想去一家更大的公司、挑戰更有趣的專案。

這時你突然被要求接手搖滾明星的專案。你打開程式碼一看,整個人像是被活埋一樣。資料的流向很難追蹤,看起來像是有人想掩蓋一場謀殺案。

你想從修正一個簡單的 Bug 開始,光是讓那段程式碼能夠在你的筆電上跑起來,就花了一個星期。

有一半的程式碼是用你完全看不懂的語言寫的;另一半則是用你連名字都沒聽過的套件堆出來的。

你試著跟主管反映,告訴他你認為這段程式碼需要整個重來。他不相信你,畢竟這是搖滾明星親手寫的。你一邊在這團混亂中掙扎,一邊開始瀏覽徵才網站,想像自己離職的美好生活。

我曾經和許多團隊與代理商合作,幫他們清理這些搖滾明星留下的殘局。其實我蠻享受那種「搞懂並拯救一團亂的程式碼」的過程。那感覺就像坐在一堆糾結的聖誕節燈串前面,慢慢把它們拆開、整理到能重新使用的狀態。

在這個過程中,我看到了一些共通的模式。這些搖滾明星對寫程式、學習新知、嘗試新典範充滿熱情,而這點在他們的程式碼中表露無遺。他們總是不斷把自己推到能力的最邊緣,試圖寫出最聰明的程式碼。他們專注在追求極致的速度。

可惜的是,這些搖滾明星最不在乎的,就是寫出別人能夠接著維護的程式碼。

過去這幾年,大多數團隊都被一支由「搖滾明星」組成的軍隊淹沒了。每當有人開了一個新的對話視窗,就等於為團隊加入了一位新的搖滾明星。

這個 Agent 不會記得它昨天做過什麼。它會開心地在幾分鐘內生成上萬行程式碼。它以超越人類極限的速度完成任務。它完全不在乎這些程式碼能不能跟系統其他部分好好整合,也不在乎整個系統是變得更容易理解,還是更難理解。

這個 AI 帶著一整箱「最佳實踐」工具,但這些工具很可能根本不適用於當下的情境。它堅持要「皮帶加吊帶」雙重保險式的做法,即便複雜度早就遠遠超過帶來的效益。當請它來 Review 你的程式碼時,它會列出一長串「改進建議」,其中很多你根本不會同意。對工程品質的標準被全面拉高了,許多人開始覺得自己必須用 LLM,否則永遠會被拋在後頭。(不過我始終相信,最終被時代拋下的,會是那些把所有程式碼都交給 LLM 寫的人。)

當生成式程式碼的量多到一個程度,系統的複雜度會以指數級爆炸成長。它可能會複雜到「想搞懂它本身」就必須依賴 LLM。工程師、團隊、整間公司,都可能對生成式 AI 成癮並產生依賴。

坐在一堆 AI 製造的廢物程式碼前面,遠比清理搖滾明星留下的殘局還要令人沮喪。至少那位搖滾明星腦中還有某種設計理念,他至少在嘗試做到最好。

但這種「氛圍編碼(Vibe Coding)」出來的廢物程式碼,並不是由某一個 AI 開發者寫出來的。它是橫跨無數次對話、無數個不同脈絡累積出來的成果。它就像是由「上百位搖滾明星」各自貢獻一個功能或一個 Bug 修正所拼湊出來的程式碼。

有時候,累積出來的技術債已經多到永遠還不完。

不過,使用 LLM 的方式有很多種,並不一定要讓它變成搖滾明星。你可以主導整體工程方向,引導 LLM 一次只生成一小段程式碼。你可以確保整段程式碼的寫法,是團隊裡所有成員都能輕鬆理解並接著維護的。

當你發現自己迷失了方向,已經搞不懂 LLM 到底在做什麼、為什麼這樣做時,就應該踩一下煞車。慢一點沒有關係,重要的是你生成的程式碼品質是好的。避免過度設計也沒有關係,要不斷地把架構簡化、再簡化,直到架構的複雜度剛好對應到問題本身的複雜度。

有時候,把 LLM 收進工具箱,偶爾自己動手寫寫程式,也是可以的。工藝精神(Craftsmanship)永遠掌握在我們手裡——這是機器永遠無法外包給別人的事。

網友熱門留言 (4)

#1 skydhash (Hacker News) ▲ 87
我清過外包留下的程式碼,跟 AI 搖滾明星程式碼的味道不太一樣。前者通常是設計不良,到處是複製貼上和根本沒用到的程式碼。AI 程式碼的特徵則是不必要的複雜度,加上對抽象概念的掌握很低——你會看到一些奇怪的程式碼,雖然不算反模式,但完全多餘,因為平台、函式庫或框架早就提供了解法。
#2 milkers (Hacker News) ▲ 42
這就是為什麼我喜歡在專案中偶爾『濕吻(wet-kiss)』一下——適時跟程式碼培養感情,而不是一直把它推得遠遠的。
#3 Apollo Daily Spark ▲ 168
AI 工作危機究竟在哪?根據我們的分析,目前所謂『AI 取代白領』的敘事,與實際的招聘數據、勞動市場數字落差極大。許多公司嘴上喊著 AI 生產力,實際上並沒有減少員額。
#4 Vibe Coding Debt 研究員 ▲ 215
2026 年大規模研究顯示:8.1 million Pull Request 中,導入 AI 編碼工具後技術債增加 30-41%,且集中在『沒有錯誤處理』、『邏輯重複』、『能跑但沒人知道為什麼能跑』這三類失敗模式。90 天是『氛圍編碼』債務全面引爆的臨界點。