AI写代码像实习生？混乱臃肿还需人类把关

你可曾碰到过那种，AI所编写的代码乍一看好似能够使用，然而认真端详一番后却发现全都是复制粘贴而来且有着怪异逻辑的情况呢？特斯拉先前的AI负责人安德烈·卡帕西，于最近的一次对谈当中直接表明，他目睹AI生成的代码之时，有时会出现“心梗”的状况。在2026年4月29日，于美国旧金山所举办的红杉资本对谈活动里，卡帕西讲述了他对于当下AI编程能力的真切看法。他觉得AI尽管编写代码的速度非常快，可是距离高质量的水准还差得特别远，人类程序员依旧得充当“把关人”。

氛围编程就像带实习生

高度依赖AI辅助的开发方式，被卡帕西称作“氛围编程”，在这种模式里，开发者几乎不直接去敲代码，而是让AI完成大部分具体的实现工作，他于去年2月在社交平台X上提出了这个概念，那时就引发了不少讨论，简单来讲，氛围编程如同你有个实习生，你把任务交给他，他吭哧吭哧写完，可你得仔细检查。

其问题在于当下的AI实习生尚未足够成熟，卡帕西于对话里提及，AI所生成的代码常常极为臃肿，涵盖大量重复性的复制粘贴成分。那些代码尽管能够运行起来，然而其结构紊乱，在后期进行维护之际会极为痛苦。你自己具有带实习生经历的工程师都清楚，让实习生去编写核心模块，最终修改代码所耗费的时间或许会比自己编写还要多。

代码能跑但真的难看

在红杉资本的对谈里头，卡帕西针对AI代码的质量状况予以了批评。他讲那些代码看上去极为杂乱，存在好多既别扭又脆弱的抽象架构。有一位在硅谷工作的工程师朋友跟我讲，他试用过主流的AI编程工具，常常发觉AI会把简单的功能弄得特别复杂，增添好多没必要的判断以及循环。代码的确能够达成任务，可是读起来仿佛是一个不太熟练的新手所撰写的。

这种问题，在大型项目里，显得格外突出。国内一家互联网公司的技术总监透露，他们的团队，有那么一段时间，试着让 AI 去编写核心业务代码，然而，后期调试的时候，却花费了三倍的时间。这是因为，AI 并不理解项目的整体架构，仅仅是机械地去完成任务。卡帕西觉得，当下，各家人工智能实验室在模型训练过程中，还没有切实地把代码整洁度当作重点去抓。

人类依然掌控审美和判断

人类在编程里仍旧得负责审美、判断以及品味这类高层次的事物，卡帕西强调这一点。在红杉资本的那场对谈之中，他讲AI负责底层里数量众多的具体工作，然而人类工程师要去做高层级的开发决策。这就如同盖房子一样。哪怕房子住着能容人，那可能也要受到布局不合理，空间利用效率不高的影响，要是完全把其交给AI则更是如此，但人类设计师需要把控整体结构与风格。

特定到日常工作的场景当中，这表明代码审查变得相较于以往更为重要了。卡帕西所持的观点是，开发者不能够由于代码能够运行就对其予以放过。你需要判定这段代码在未来是不是易于修改，会不会成为技术债务。北京的一家人工智能创业公司的首席技术官对我说，他们要求工程师对人工智能所生成的每一段代码都要再度进行审查，尤其是抽象逻辑以及命名规范，这些地方是最容易出现问题的。

模型训练忽视了整洁度

凭什么AI写不出干净的代码呢？卡帕西觉得这可不是压根就做不到，而是各个大实验室没把这个问题当作重点。在4月29日那次对话里，他表明如今的训练方式更在意代码能不能正确运行起来，并非代码是不是优雅且容易读懂。这就如同一个学生仅仅被要求答案正确，从来都不被要求字迹工整，时间一长他自然而然不在乎书写质量了。

从技术层面来讲，要使AI写出规整的代码，需有全新的训练数据以及方法。卡帕西所创办的AI教育平台Labs，正在探寻这一方面的教学计划。当前市面上绝大多数AI编程工具的评测准则皆是功能正确性，极少有人去考量代码的可读性以及可维护性。有研究机构在2025年末发布的一份报告表明，在被测试的6款主流AI编程助手中，有5款生成的代码存有显著的重复逻辑以及不必要的复杂度。

柯林斯词典认证年度词汇

“氛围编程”这一由卡帕西提出的概念，已从科技范畴扩散至更为广泛的公众探讨之中，2025年11月，柯林斯词典将“vibe”评定为年度词汇，此评选结果使更多人着手关注AI辅助编程这一领域，实际上，自2024年起，欧美科技公司便一直在大量研讨程序员的工作模式是否会被AI彻底变革。

现在，这个概念已然进入日常办公场景之中。有一位在深圳工作的项目经理讲道 ，他们公司于当下招聘初级开发工程师之际 ，会专门去考察候选人审查以及修正AI代码的能力。这表明氛围编程不再是极客们的小众玩法 ，而是正逐渐成为行业标准的一部分。然而卡帕西的提醒十分及时 ，无论工具多么强大 ，人类始终是最终的决定者。

未来开发者该怎么做

针对这种状况，开发者该以怎样的方式去调整自身的工作模式呢？卡帕西给出的建议是，要接纳AI辅助，然而却不能舍弃自身的代码审美能力。你能够借助AI来帮你完成那些重复性颇高的底层工作，像是编写单元测试、数据转换函数之类的。不过在涉及到核心业务逻辑以及系统架构的时候，最好还是亲自去撰写关键部分，或者起码要对AI生成的代码展开严格的重构。

在实际进行操作期间，你能够将由 AI 生成的代码视作初稿，稍后花费时间去精简它，把那些并非必要的复制粘贴内容删除掉，对过于繁杂的抽象层予以简化。上海存在一个电商技术团队总结出了一套经验，他们规定在 AI 生成代码之后，必须经由工程师手动删除最少 20%的行数才能够合入主干。此方法听起来较为简单，然而却十分有效。就如同卡帕西所讲的那样，AI 是实习生，而你始终是那个要为最终成果负责的人。

你认为于日常开发期间，AI所生成的代码最令你感到头疼的问题究竟是什么呢，是变量命名呈现出混乱的状况，还是时常写出深度嵌套的逻辑呢，欢迎在评论区域分享你的经历，还能够把文章转发给正为AI代码而头疼的同事一同展开讨论。