一个开发者做了个 Anki 的 PDF 阅读器，22 万行代码，1728 次提交。听起来是 AI 时代的产能神话。
把他的时间摊开看就不是了：50% 写新功能，28% 修 Bug，14% 补测试，8% 重构。近一半的时间在给自己返工。
AI 写代码这件事，收益在交付当天入账，债务成本却滞后反馈。 大多数团队现在算的是前半句。
一、代价账单是延迟到达的
这两年 Vibe Coding 的爽点在于：说一句话，代码就出来了，能跑，能交付。
现在到期的是另一组数字。有统计称，用这种方式做一次功能改动，平均会带出 2.3 个计划外的副作用；AI 生成的代码里，安全漏洞比手写代码多出 15% 到 18%；而一个靠 Vibe 堆起来的代码库，18 个月内维护成本会涨到最初的 4 倍。
这些数字没能追到公开的原始论文，它们来自行业侧的复盘汇编，量级参考。但方向和我见过的情况一致：这些成本都不出现在交付那一天，所以没人把它们**考虑在内。**
一个功能上线用了两小时，却没人知道它埋了几个坑。三个月后线上出问题，排查的人也不会把这笔账算到那两小时上。产能被算得很清楚，代价被摊薄到了看不见的地方。
今年行业里造出了一个词，Vibe Slop，专指那种能跑起来、但没人敢改的代码。这个词能流行起来，说明它描述的东西已经足够普遍。
二、小项目上能成立，大项目容易崩
同样的打法，结果差别巨大，区别在于这段代码要活多久。
一次性脚本：跑完就扔，对错当场可见，这种场景 AI 效率很高。
内部工具：只有几个同事用，坏了当面说一声就改，容错还行，代价也可控。
要长期维护的产品：三个月后你自己也想不起当初为什么这么写，接手的人更想不起。每一个副作用都会产生连锁反应。
三档的差别不在技术难度，在代码要被读多少次。写的时候只花两小时，读的时候可能要花两百小时。AI 极大压缩了写的成本，完全没有降低读的成本，某些时候还提高了——因为它写出来的东西没有一个人脑子里的意图作为线索。
三、分界线画在哪
这是我认为最值得记下的部分。不是用不用 AI 的问题，是哪些地方可以放手。
可以一把梭的：一次性、可丢弃、错了立刻能看出来的东西。数据清洗脚本、演示原型、格式转换、批量重命名、临时报表。这些活儿的共同点是，验证成本远低于编写成本。
必须人来定骨架的，有这四样：
- 数据结构：定错了后面所有代码都在将错就错，而且改起来牵一发动全身。
- 权限边界：谁能看到什么、谁能改什么，这类判断依据不在代码里，需业务先行。
- 对外接口：一旦有人接进来就改不动了，接口是服务承诺，不仅是实现。
- 错误处理：AI 倾向于让程序跑通，人要决定的是出错时该停下来还是继续往前。 骨架人来定，肉可以交给 AI 长。反过来做，长出来的东西没法要。
交付前我建议过一遍四问：这次改动影响了哪些地方？新增了什么依赖？测试覆盖到没有？换一个人能不能接手？
如果只有写它的那个人能维护，那它就还没完成。
如果你是团队里做决定的那个人，还有一件事值得现在就做：把返工显性化。
做法很老套，但比较实用。每次线上问题排查完后，记录里补一行，这段代码当初是谁写的、怎么写的、花了多久。三个月后你会得到一张真实的对照表，哪类活儿交给 AI 之后总账是省的，哪类是亏的。
我见过不少团队争论该不该用 AI 写代码，大家都在凭感觉。感觉对不上是因为一方看的是交付速度，另一方看的是维修工单，两边根本没在看同一张表。把两笔账并到一起算，争论会自己结束。
四、行业正在趋于规范化
Karpathy 有个判断，Vibe Coding 的蜜月期已经过去，接下来要转向规范化：人和 AI 先就架构、边界、逻辑达成一致，再动手写。
过去写清楚需求是一项文档工作，写得不清楚研发会来问，会在实现中补齐。现在不会了。AI 不会来问你，它会照着你含糊的描述给出一个看起来完整的实现，而含糊的部分它自己替你决定了。
规范让****文档工作变成了生产工序。 你写得多准，它就长得多准；你留了多少空白，它就替你填多少你没同意过的东西。
这也是我认为这一轮技术债真正的来源。不是 AI 写得差，是没人把话说清楚过。以前说不清有人兜底，现在说不清直接变成代码。
好的一面是，这件事对愿意把事情想清楚的人是红利。写得清楚的规格，第一次有了立刻可执行的价值。
坏的一面是，含糊这件事从此有了成本，而且债务随着时间推移会越来越重。