Karpathy加入Anthropic首讲，为何说别再瞎Vibe Coding了生产环境真的会炸？
前言
昨天晚上，很多程序员都没睡好。因为Karpathy加入Anthropic后的首次公开分享，彻底把“Vibe Coding”这股风给刹住了。
一年前，正是他随口提出的“Vibe Coding”（氛围编程），让整个行业陷入狂热。无数开发者高呼“程序员要失业了”，前端小白用AI一天撸出完整后端，独立开发者1小时上架App登顶榜单。所有人都在拥抱那种“凭感觉写代码”的爽感。
结果呢？生产环境上线后各种爆炸。bug像雪崩一样涌来，维护代码的人恨不得把AI生成的那堆“抽象艺术”砸了。
如今，Vibe Coding的提出者Karpathy亲自站出来泼冷水：原型验证可以瞎Vibe，生产环境真会炸。
这篇文章不是翻译稿，而是把他的核心观点结合真实案例和踩坑经验，系统梳理出来。想少走弯路、避免把项目搞成定时炸弹的同学，建议认真看完。
Vibe Coding到底是什么？卡神原话被严重断章取义
2025年2月，Karpathy在X上发了一条看似随意的推文：
“有一种新的编程方式，我叫它Vibe Coding。你完全交给感觉，拥抱指数增长，忘记代码本身的存在。”
这句话迅速火遍全球，甚至被收录进《柯林斯词典》。国内传播过程中，后半句被神奇地消失了——他原话强调这只是“周末抛弃型项目”的黑客玩法。
真正意义上的Vibe Coding是：不看具体实现，只用自然语言描述感觉，让AI去生成代码，以“能跑”为唯一标准。
它确实带来了惊人效率。歌手胡彦斌用一个月时间“手搓”出粉丝社区App；毫无编程经验的开发者1小时做出拍照补光工具并登顶App Store。这些案例极大刺激了行业肾上腺素。
但Karpathy现在明确表示：这套方法论有严重边界。
Karpathy加入Anthropic后首讲核心观点：别再生产环境瞎Vibe
加入Anthropic后的首次分享中，Karpathy的态度发生了明显转变。他不再鼓吹纯Vibe，而是大力推“Agentic Engineering”（智能体工程）——一种更结构化、可控、工程化的AI协作方式。
他直言：在生产环境中，纯Vibe Coding会制造大量“技术债务炸弹”。AI生成的代码往往：
- 逻辑嵌套混乱，人类难以理解
- 缺少必要的边界处理和错误机制
- 安全实践缺失，容易埋下隐患
- 完全不考虑长期维护性和可扩展性
更重要的是，当项目规模变大、团队协作时，Vibe Coding的弊端会被指数级放大。一个人Vibe爽了，后面接手的人就是接盘地狱。
15年老程序员深夜痛哭：Vibe Coding制造的真实惨案
最近一个15年资深开发者Carla Rover的故事刷屏了。
她和儿子一起创业，为了快速验证想法，决定“All in Vibe Coding”。把需求甩给Copilot和Claude后，几乎不审查就直接合并代码。结果上线前手动检查时发现bug多到离谱，第三方工具扫描后问题更多。
最终整个项目只能推倒重来。她在采访中痛哭了半个小时，说自己把AI当免费员工，结果自己成了“AI保姆”——不停debug、不停重写、不停解释上下文。
Fastly的报告也印证了这一点：近800名开发者中，95%的人需要额外花费大量时间修复AI生成的代码。高级工程师成了最大的受害者，天天在给AI擦屁股。
更可怕的是，2025年GitHub泄露的密钥数量达到2900万条，同比增长34%。大量用Vibe Coding的新手把密钥、敏感配置直接写死在代码里推到公开仓库，酿成安全事故。
生产环境为什么这么容易炸？4个致命问题
1. 代码可读性极差，维护成本爆炸
AI写的代码经常像“一次性艺术品”。逻辑跳跃大，变量命名抽象，缺少注释。三个月后连原作者都看不懂，更别说团队其他人。
2. 安全与合规隐患严重
Vibe Coding下，开发者很少主动考虑SQL注入、权限控制、数据脱敏这些问题。AI默认生成的最简实现，往往是最危险的实现。
3. 性能和稳定性不可控
AI擅长“能跑”，但不擅长“跑得好”。很多隐藏的内存泄漏、死循环、低效查询，只有在高并发生产环境才会暴露。
4. 技术债务像滚雪球
短期看效率提升10倍，长期看维护成本提升20倍。很多初创团队就是这样在高速增长阶段被技术债务直接拖垮。
不是不能用，而是要分场景用
Karpathy并不是彻底否定Vibe Coding，他给出了清晰的边界：
适合Vibe Coding的场景：
– 快速原型验证（MVP）
– 个人Side Project
– 探索性实验
– 胶水代码和脚本工具
必须严谨工程化的场景：
– 生产系统核心模块
– 涉及资金、用户数据、合规的业务
– 需要长期维护的大型项目
– 团队协作开发的项目
正确的姿势是混合开发模式：用Vibe Coding快速迭代想法，用严谨的代码审查、测试、架构设计把关最终质量。把AI当作顶级实习生，而不是直接上岗的资深工程师。
Karpathy为何选择此时加入Anthropic？
这或许是整个事件中最值得思考的部分。
Anthropic过去15个月ARR增长30倍（10亿→300亿），估值达到1.2万亿美元，已在B2B领域市场份额超越OpenAI。Claude在代码生成领域的表现也被业内认可。
Karpathy选择这里，显然是看好其在预训练和安全对齐上的长期主义路线。他在分享中也提到，未来AI编程工具的核心竞争力，不再是单纯的“能生成代码”，而是能否真正理解工程意图、提供可生产级别的可靠输出。
这也解释了他从Vibe Coding转向Agentic Engineering的底层逻辑——他始终在寻找真正能 scale 的编程范式。
给当下程序员的3个切实建议
- 永远不要把AI生成的代码直接合入主分支。至少进行Code Review、单元测试和安全扫描。
- 把精力从“写代码”转向“定义规格和验证结果”。未来最值钱的不是会敲代码，而是能把业务意图精准翻译成机器可执行规格的能力。
- 持续提升底层编程功底。理解原理的人，用AI的效率和质量会远超不懂原理的人。AI是放大器，放大你的优势，也会放大你的短板。
结语
Karpathy的这次分享像一盆冷水，浇灭了行业对纯Vibe Coding的盲目狂热。
编程的本质从来不是“让代码跑起来”，而是构建一个长期稳定、可维护、可演进的系统。AI是目前最强大的工具，但它依然需要人类工程师的判断力、责任心和工程素养来把关。
别再瞎Vibe了。生产环境不相信感觉，它只相信靠谱的代码和严谨的流程。
真正的高手，从来不是把AI当神，而是把AI当真正懂行的搭档——既充分利用它的速度，又牢牢把控最终的质量。
你最近的项目是用Vibe Coding主导，还是保持了工程纪律？欢迎在评论区分享你的真实经历。