打造OpenClaw的两名工程师发出严正警告，他们亲手助推的AI智能体热潮正源源不断地输出低质量、甚至具危险性的代码。
打造了热门OpenClaw AI智能体核心部分的两名工程师发出严厉警告：被认为能够取代高薪软件开发者的人工智能(AI)，正让全世界充斥着劣质、甚至可能具有危险性的代码。
他们将这种现象称为”氛围垃圾”(vibe slop)，这是”氛围编程”(vibe coding)和”AI垃圾”(AI slop)的结合体。前者指用通俗的英语描述需求、借助AI工具来创建软件；后者指社交媒体上铺天盖地、低价值的AI生成内容。
他们表示，当程序员不再扎扎实实地设计和测试系统，而是走捷径，靠提示词让AI草草生成代码时，就会产生”氛围垃圾”，由此开发出的软件将经不起时间的考验。这个问题如今已变得极为严峻，全球主要的开源代码库GitHub甚至为此专门出台了新政策和新功能来加以应对。
“基础设施正在分崩离析，与以前相比，现在的软件漏洞百出，”OpenClaw内部的智能体化框架Pi的创建者马里奥·泽克纳(Mario Zechner)说。”这种游戏我们还能再玩上几个月、甚至几年，但最终我们会自食其果。”
泽克纳和他在开发Pi时的合作伙伴阿明·罗纳赫(Armin Ronacher)并不是说AI毫无用处。两人在自己的项目中都会使用AI来处理枯燥乏味的工作。而且他们对AI的潜力深信不疑，甚至开发了一款目前有数以百万计人使用的AI编程工具。
他们的核心观点是：这些系统本应大幅提高高级工程师的生产力，从而让公司可以裁减初级工程师，但在现实中，许多公司为了短期生产力而不惜留下长期隐患。这不仅会导致初级人才储备枯竭，还会带来一系列后遗症，包括漏洞百出的软件、服务中断、安全漏洞以及不断堆积的技术债务。
人类缺位
作为在业内享有声誉且不依赖大型科技公司的独立程序员，两人在软件界当下进行的一场激烈辩论中发声——此时恰逢OpenAI和Anthropic这两大巨头正着眼于各自的首次公开募股(IPO)。
支持者表示，AI可以彻底改变公司处理数十年遗留代码的方式，而且在某些情况下它确实做到了。就连那些没有在公司核心软件上全面放开使用AI的开发者也表示，他们找到了折中之道：使用AI来编写软件测试或快速构建原型。许多顶尖AI实验室的人士坚持认为，AI本身就是评估和改进AI生成代码的解决方案，无需人类去逐行检查。
“如果你指望它能开箱即用，那大概率会大失所望，”在OpenAI领导团队开发编程工具Codex的罗汉·瓦尔马(Rohan Varma)说。
他补充说，为了将AI生成的代码转化为可以向实际客户发布的产品，工程师现在可以使用Codex本身来检查这些代码。该系统已能够像人类一样浏览和测试网站，检查代码的编写是否符合公司特定的最佳实践，并排查安全问题。
但他表示，当涉及到服务数百万人的关键基础设施时，即使在OpenAI，人类工程师最终也要负责审查AI生成的任何代码，并对这些系统的成败承担责任。
AI编程的局限性
Alphabet首席执行官桑达·皮采(Sundar Pichai)最近撰文称，谷歌(Google)当前75%的新代码由AI生成，高于去年秋天的50%。一年前，Meta首席执行官马克·扎克伯格(Mark Zuckerberg)预测，2026结束之前，该公司内部AI开发团队的大部分代码都将由AI来编写和审查。
巨头们的表态与批评人士的担忧似乎格格不入。但泽克纳表示，这恰恰说明人们对当今AI智能体到底能做什么、不能做什么依然充满困惑。
例如，相比于评估和升级现有软件，AI编程工具更擅长生成新代码，在面对老牌公司内部海量的现有软件时尤其如此。
使用AI智能体对产品进行氛围编程的初创公司可以快速创建新程序。但泽克纳补充说，一旦系统达到一定的规模和复杂程度，这些初创公司就会发现自己与大型企业同病相怜，而大型企业已经发现AI智能体的用处有限。
提供Claude Code工具的Anthropic成为体现这种矛盾的一个典型案例。
泽克纳称赞该公司”吃自己的狗粮”(dogfooding)——即使用自家软件来构建内部系统。但他并不喜欢这款工具。
“Claude Code是我这辈子用过的漏洞最多的软件之一，”他说，并列举了屏幕图形闪烁、功能臃肿以及对内存的巨大消耗等问题。泽克纳将这些问题归因于开发者使用AI来构建这款软件。
Anthropic负责Claude Code的产品主管Catherine Wu表示，屏幕闪烁是软件团队快速推进并优先推出新功能的副作用。过去一年，Claude Code的中位数用户使用时长从每天20分钟增加到了每周20小时。她补充说，闪烁问题已基本得到修复。
Wu表示，AI工具使初级工程师能够对他们开发的功能承担更多责任，涵盖从概念设计到向客户交付的全过程。她补充说，虽然Anthropic不断更新给AI的指令以帮助避免重蹈覆辙，但”人类仍然负有最终责任”。
撰写通讯文章”Understanding AI”的计算机科学家蒂莫西·B·李(Timothy B. Lee)表示，Anthropic拥有一些世界上最顶尖的AI工程师，因此重度依赖AI的做法对他们行得通，但这可能并不适用于该公司的所有客户。在处理内部软件系统时，许多公司依赖于内部程序员多年来积累的隐性知识，而这些知识都不可能存在于AI智能体的训练数据中。
“这些模型很容易偏离正确方向，必须有人能察觉到这一点，”李说。
到了算总账的时候
泽克纳认为，算总账的日子即将到来。他预计大公司很快就会意识到，过度看重AI生成的代码正在推高成本，并导致软件质量不达标。他认为许多依赖氛围编程的小型初创公司将会倒闭。他还认为，像GitHub这样基于云的实用软件工具库将继续被AI生成的代码垃圾所填满。
就在泽克纳和罗纳赫从奥地利的家庭办公室连线参加我们的视频采访之前，泽克纳不得不禁止一名（人类）程序员向他在GitHub上的一个代码库提交代码。在这名程序员不知情的情况下，他的AI智能体正提交一个又一个虚假的错误报告。
泽克纳摇着头说：”我是说，我们这到底是在干什么？”
Enjoyed this article? Sign up for our newsletter to receive regular insights and stay connected.