Vibe Coding清理服务

不管是自己踩坑，还是帮朋友救火，翻来覆去看到的都是一个剧本：让AI代写代码，效率确实高，但随着代码量膨胀，问题开始一个接一个往外蹦。一个常见的应对策略是——换个Prompt，让AI再重写一遍。抽卡嘛，总有一回能中。这个招在小项目、小产品上还能凑合，但一旦复杂度上了量级呢？等着AI变强来解决？

朋友找到我的时候，我复盘了整个项目。表面问题修起来不难，但真正要命的，是开发过程中不断积蓄的隐性债。这些问题必须尽早处理，开始可能只是不起眼的一两行代码，放任不管，积累到最后，恐怕就只有推倒重来这一条路了。

科技行业悄然兴起了一个新服务品类：

。最初在LinkedIn上被人拿来调侃“帮AI擦屁股”，现在却成了真金白银的商业机会。一个没人愿意正面承认的残酷事实是：。企业正在拼命招聘专家来清理这些烂摊子，以避免技术债务彻底失控。

Vibe Coding爆发

2025年初，Andrej Karpathy造出了“vibe coding”这个词，精准概括了当代开发者的新常态：靠跟AI聊天生成整段函数，而不是自己一行行手写。这种通过自然语言编程的方式，号称能将生产力提升10倍。GitHub的数据显示，92%的开发者已经在使用AI编程工具，仅Copilot每月生成的代码量就达到数十亿行。

但有一个问题，从来没人愿意在会议上摆上台面说。GitClean分析了1.5亿行代码后发现，AI辅助与高达41%的代码流失率直接相关——大量代码在两周内就会被退回或重写。斯坦福大学的研究人员也发现，使用AI助手的开发者写出的代码安全性明显更低，偏偏他们自己还觉得更安全。这些工具有意无意放大了很多坏习惯：没有输入校验、依赖过期库、架构层面的决策让资深工程师看了直摇头。

清理经济正在发生

404 Media的调查发现，越来越多人正在围绕“修复AI生成的代码”构建整个职业生涯。Hamid Siddiqi同时管理着15到20个清理项目，靠解开他所谓的“AI意大利面条”（接口不一致、函数冗余、业务逻辑说不通），收取相当可观的费用。软件咨询公司Ulam Labs已经正式把“Vibe Coding清理”列为一项核心业务。

市场需求大到什么程度？专门的服务交易平台VibeCodeFixers.com上线几周内，就有300名专家注册，数十个项目完成了匹配。创始人Swatantra Sohni描述典型客户画像时是这样说的：“他们烧掉了5000美元OpenAI积分，手里有一个半成品原型，自己还舍不得扔，关键是——这个原型明天就必须上线。”TechCrunch的报告更是点明了规模：Y Combinator当前这一批创业公司里，25%的代码库是95%由AI生成的。这个数字本身就说明了趋势在硅谷有多火爆。

为什么AI代码在规模化时会失败

问题核心不在于AI写不出好代码，而是在于它只擅长局部优化，根本不懂系统上下文。Stack Overflow的分析很直白：AI在小而独立的任务上表现亮眼，但在架构决策上几乎帮不上忙。每一次Prompt都在累积技术债务——模式不统一、逻辑重复、自动扫描工具发现不了的安全漏洞。

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。这些工具会把敏感信息泄露到代码里、推荐早已停用的旧库、生成只在高负载下才暴露的竞态条件。更麻烦的是，很多开发者自己都不够理解生成的代码，自然也没法发现这些问题。Thoughtworks警告说，这会产生一种“能力债”——团队越来越依赖自己也弄不明白的AI代码，最终失去对自己系统的基本维护能力。

市场机会

Vibe Coding清理的市场正在快速扩张，具体数字不好确定，但有迹可循。Gartner预测，到2028年，75%的企业软件工程师会使用AI代码助手。只要其中一小部分项目需要清理（而且现有数据表明，大部分都需要），一个庞大的新兴市场就已经摆在眼前了。

从经济角度看，这个模式很有吸引力。创业公司靠Vibe Coding能省下好几周时间快速做出MVP，然后再花差不多的时间和预算来做清理。即便如此，整体开发速度仍然比纯传统模式快。那些能高效重构AI代码烂摊子的专家，收费水平在每小时200到400美元之间。还有些人已经在走产品化路线：固定价格的清理包、AI代码审计，以及“从Vibe到生产”的标准化流水线服务。

Thoughtworks的数据进一步佐证：AI辅助之下，重构活动反而在减少，代码流失却在增加。多数AI辅助项目在上线之前，都逃不掉一轮大规模清理。多家咨询公司已经专门设立了“AI代码修复”职位。市场真实存在，增速可观，而且基本还处在待开发状态。

这对工程实践的影响

我们正见证软件构建方式发生根本性的转变。AI负责初步实现，人类负责架构、测试和清理。虽然不是我们最初预想的未来，但这就是正在发生的现实。

Gergely Orosz有个很妙的比喻：AI工具就像“特别积极的新人开发”——代码写得快，但需要时刻有人盯着。区别在于，AI新人永远不会成长为老手。这就意味着，它们永远需要清理专家兜底。

这也催生了非常有趣的职业路径。一个初级开发者如果熟练掌握Vibe Coding清理，两年内就能拿到资深级别的薪资。而既理解AI能力边界、又懂传统工程实践的高级工程师，会变得无可替代。那些建立了成熟清理流程的公司，则直接形成了竞争壁垒。

真正的机会在哪儿

清理过足够多的“vibe-coded”灾难之后，可以下定论了：AI加速确实有效，但前提是必须把“专业清理”内置到开发流程里。用AI做原型和日常任务没问题，但架构和关键逻辑还得人类亲自来写。一个高质量的“从Vibe到生产”流程，核心就是做三件事：合理的测试、扎实的安全加固、以及一份不会让继任者骂人的文档。

那些在AI编程上真正成功的公司，不是用得最多的，而是用得最聪明的。他们用AI做原型，在技术债务滚雪球之前果断投资清理。他们只把Vibe Coding当作一个工具——威力强大，但离开专业判断就危险重重。

下次如果有人跟你说AI会取代程序员，不妨问问他们：谁来清理这些代码？真正的机会，就在这里。