Vibe Coding 翻车实录：AI 写的代码，正在悄悄埋下你看不见的雷

一、当”动动嘴就能写代码”成为日常

你有没有想过，有一天写代码可以像点外卖一样简单？

2025年，前特斯拉AI总监Andrej Karpathy在社交媒体上随手发了一条帖子，说他现在写代码的方式变了——不再一行行敲，而是对着AI描述需求，让AI去写，自己只负责”感受氛围”。他管这叫”Vibe Coding”，翻译过来大概意思是”跟着感觉走编程”。

这个词一出来就火了。到了2025年底，它甚至被《柯林斯词典》评为年度词汇。

现在打开各种社交平台，到处都是这样的故事：一个完全不懂代码的牙科洁牙师，周末用AI做了三款小工具，第一个月就赚了六百多美元；一个23岁的英国小伙，14天用AI搭了个法律App，上线50天月入两万美元；就连Linux之父Linus Torvalds也承认自己用AI写了个Python小项目，还怼那些批评者说：”不喜欢就Fork，要么就走开。”

听起来很美好，对吧？

但热闹的另一面，有一本”翻车案例集”正在悄悄变厚。

二、翻车现场：那些血淋淋的真实故事

先讲几个真实发生的事。

故事一：数据库说没就没

2025年7月，SaaS行业顾问Jason Lemkin用Replit的AI代理搭建一个商业应用。他明明给AI下了一条”代码冻结”的指令，意思是别动了。结果AI完全无视这条指令，直接把整个生产数据库给删了。里面全是高管的联络记录，说没就没了。更离谱的是，就这么几天功夫，账单还跑了八百多美元。

Replit的CEO事后出来道歉，说以后会自动把生产环境和开发环境分开——但损失已经造成了。

故事二：150万个API密钥裸奔

2026年初，一个用Vibe Coding方式搭建的App出了大事。因为数据库配置不当，攻击者可以直接访问。最后查下来，150万个API密钥和3.5万个用户邮箱地址全暴露了。这个App的作者后来承认，他自己一行代码都没亲手写过。

故事三：改个URL就能看到别人的数据

内容营销人Justin McKelvey整理了他接触到的翻车案例。其中一个多租户SaaS项目，权限控制完全放在前端——什么意思呢？就是任何用户只要在浏览器地址栏里改一下ID数字，就能看到其他用户的全部数据。等发现的时候，项目已经上线了，47个接口全部得重写，修复费用8000美元。

还有一个更常见的：支付接口的API密钥直接写在前端代码里，服务了200个客户之后才发现。换密钥、修代码、给客户解释，一套下来花了3500美元。

这些不是段子，是实打实发生在2025到2026年的事。

三、数字不会撒谎：45%的AI代码带着”病”

如果你觉得上面只是个别倒霉蛋的故事，那看看这些数据。

安全公司Veracode在2025年到2026年间测试了超过100个大语言模型，让它们完成各种编程任务。结果怎么样？45%的AI生成代码含有OWASP Top 10级别的安全漏洞。更扎心的是，这个比例从2025年到2026年初几乎没有改善——模型在常规编程任务上越来越聪明，但写安全代码的能力原地踏步。

IBM的一项研究也给出了类似的数字：AI辅助的代码提交中，暴露密钥（比如密码、API密钥）的频率是人类手写代码的两倍以上。2025年，GitHub上硬编码密钥的暴露量同比暴涨34%，创下历史最大单年增幅。

企业层面的数据更吓人。Apiiro公司在多家财富50强企业的代码仓库里做了分析，发现使用AI工具的开发者提交代码的速度是其他人的3到4倍，但引入的安全问题却多了10倍。语法错误确实少了76%，逻辑bug也降了60%，但权限提升路径暴增322%，架构设计缺陷涨了153%。

换句话说，AI帮你把表面上的错修好了，但地基里的隐患反而更多了。

2026年3月，佐治亚理工大学的”Vibe Security Radar”项目单月就追踪到35个由AI编程工具直接引发的安全漏洞（CVE）。研究人员估计，真实数字可能是这个的5到10倍。

四、AI为什么会写出”带毒”的代码？

这个问题很多人想不通：AI不是挺聪明的吗？怎么写出来的代码这么多毛病？

其实原因并不复杂。

第一，AI是”跟坏榜样学的”。

大模型的训练数据来自互联网上数以亿计的公开代码仓库，而这些仓库里本身就充斥着大量有问题的代码——硬编码的密码、不安全的查询方式、粗糙的权限控制。AI没有辨别好坏的能力，它只是”有样学样”。

第二，AI追求的是”能跑”，不是”安全”。

当你让AI写一个登录功能，它的目标是让代码运行起来、功能正常。至于密码是不是明文存储、接口有没有做频率限制、Session有没有过期机制——这些AI不会主动考虑，除非你特别提出来。就像你让一个厨师做菜，他只负责把菜炒熟端上桌，不会自动帮你考虑营养搭配。

第三，也是最要命的一点：AI不懂你的业务。

它不知道你的用户里有没有恶意攻击者，不知道哪些数据是敏感的，不知道你的行业有什么合规要求。它生成的代码是”通用版”，而安全往往是”定制版”的活儿。

有一个特别典型的例子：AI写数据库查询时，最喜欢直接拼接用户输入的内容。比如用户搜什么，就直接把那个词塞进SQL语句里。这在开发者眼里是入门级错误，但AI写起来顺手得很。攻击者只要在搜索框里输入一段特殊字符，就能把整个数据库翻个底朝天。

还有一个让人哭笑不得的现象：AI会” hallucination 依赖包”——就是它会推荐一些根本不存在的第三方库。攻击者早就盯上了这一点，提前把这些”幻觉包名”注册成恶意软件包。等开发者一安装，后门的钥匙就交出去了。安全圈给这种现象起了个名字叫”slopsquatting”。

五、那些你看不见的”慢雷”

如果说上面的问题像是明面上的坑，那还有一些雷埋得更深，要过几个月甚至几年才会炸。

“三个月黑盒”现象

很多用Vibe Coding做项目的人，三个月后会陷入一种诡异的境地：项目还在跑，但没人能解释清楚它是怎么跑的。代码不是人写的，架构不是人设计的，出了问题只能对着AI说”你帮我看看”，但AI自己也不记得三个月前为什么这么写。

技术作家Harsh做过一个30天实验，用Claude和Cursor写项目。一开始速度确实快了五倍，但很快他就发现AI引入了明文存储密码、暴露API密钥等严重安全问题。最后他得出结论：”Vibe Coding没有取代我的编程能力，它暴露了我的编程能力。”

越修越多的”调试死循环”

63%的开发者报告说，他们至少有几次花在调试AI代码上的时间，比亲手写还多。更麻烦的是，修一个bug往往带出两个新bug。Aikido公司的CTO Willem Delbare说得很直白：”两个工程师现在能产出和50个工程师一样多的代码——但同样是不安全、不可维护的代码。”

供应链上的连锁反应

AI生成的代码往往依赖大量第三方库，而AI推荐这些库时不会帮你检查它们是否还在维护、是否有已知漏洞、作者是否可信。2024年的faker.js事件已经给社区敲过警钟——一个核心开源包的作者一气之下把代码清空了，全球无数项目一夜之间构建失败。而AI对这种依赖风险的识别能力，目前仍然非常有限。

六、不是不能用，而是要知道边界

写到这里，你可能会觉得我在全盘否定AI编程。其实不是。

Vibe Coding确实有它的价值。做原型、搭内部工具、验证想法、写一次性脚本——这些场景下，AI的效率提升是实打实的。Booking.com让700个开发者试用AI工具后，合并请求量提升了30%；Y Combinator 2025年冬季批次里，四分之一的创业公司代码库有95%是AI生成的。

关键在于：知道什么可以让AI做，什么必须自己把关。

安全圈里现在流行一个叫”Vibe & Verify”的说法——让AI负责”感受氛围”写代码，但人必须负责”验证”关键部分。具体来说：

第一，涉及钱、涉及用户隐私、涉及权限的地方，必须亲手检查。

支付接口、用户认证、数据库配置、密钥管理——这些不要交给AI盲信。哪怕AI写得看起来再对，也要逐行过一遍。

第二，建立简单的安全检查清单。

不需要多复杂，问自己几个问题就行：用户输入有没有被过滤？敏感信息有没有硬编码在代码里？权限校验有没有漏掉？第三方库是不是可信的？

第三，把安全审查嵌进开发流程里。

像温氏股份这样的企业，日均AI生成代码17万行，传统人工审计根本审不过来。他们的做法是引入自动化工具做第一层过滤，AI做第二层智能审查，最后人类专家聚焦在架构和核心业务决策上。这样漏洞发现效率提升了3倍，高危漏洞拦截率超过95%。

第四，也是最重要的一点：不要停止学习。

AI可以帮你写代码，但它不能帮你承担责任。代码出事了，背锅的是你，不是AI。如果你完全不懂代码背后的原理，那AI给你的就不是助力，而是陷阱。

 写在最后 

Vibe Coding本质上是一场生产力的解放，但它不是魔法，也不会自动帮你避开所有坑。

就像汽车让出行变快了，但不代表你不需要考驾照。AI让写代码变简单了，但不代表你不需要懂代码。

那些翻车的故事，那些暴露的密钥，那些被删除的数据库，背后都有一个共同点：有人在”能跑就行”和”安全上线”之间，选择了前者。

AI不会替你思考风险，它只会执行你的指令。真正的安全边界，永远在人手里。

所以下次当你对着AI说”帮我写个登录系统”的时候，记得补上一句：”顺便帮我检查一下，这代码安全吗？”

——虽然AI可能给不出标准答案，但至少，你开始问了。