告别 Vibe Coding：用语义合约重建 AI 代码的信任链条

Sat, 18 Jul 2026 09:00:00 +0800

你用 Codex 或 Claude Code 让 AI 帮你写了一个复杂的支付模块。代码看起来没啥问题，测试也通过了，你就放心地合并了。两周后，一个边缘 case 触发了隐秘的 bug，导致部分用户的余额被重复扣除。你翻回去看那次对话记录，试图搞清楚 AI 当时到底是怎么想的，但聊天日志里只有一段模糊的描述和几轮来回修改。

这不是什么虚构的场景，这是每个深度使用 AI 编程工具的开发者都在面对的现实。

AI 编程的信任危机

过去一年里，「Vibe Coding」席卷了整个开发者社区。你不需要深入理解每一行代码，你只需要描述你想要什么，AI 就会吐出能跑的代码。效率提升是真实存在的，Codex 和 ChatGPT Work 的日活用户从 600 万跳到 700 万只用了 24 小时，这个数字本身就说明了一切。

但效率提升的背后，我们丢掉了一个至关重要的东西：对代码的信任。

在 AI 时代之前的软件工程流程是这样的：需求 → 架构设计 → 详细设计 → 编码 → 测试 → 代码审查 → 部署。每一步都有明确的输入、输出和人类负责人。我们信任软件，是因为我们信任这个流程。即使不能数学上 100% 证明代码没有 bug，我们也确信它经过了多层人工审查和自动化测试。

到了 AI 时代，这个流水线被压扁了。你输入一个 prompt，AI 直接输出可运行代码，中间环节全部消失。虽然我们试图用 prompt engineering 和自动化测试来追赶，但从用户提示到最终代码的路径依然是一个黑箱。

问题具体表现在四个方面：

第一，AI 行为不可预测。 代码来自千亿参数的神经网络，我们无法完全理解或预测。完全相同的 prompt 可能产生底层完全不同的代码。

第二，bug 难以溯源。 AI 代码出问题时，你很难把故障追溯到某个具体的设计缺陷或逻辑错误。你不知道是 prompt 的问题、模型的问题、还是上下文的问题。

Semantic Contracts on Codexer

告别 Vibe Coding：用语义合约重建 AI 代码的信任链条

AI 编程的信任危机