Vibe Coding“血洗”开源，社区吵翻了：封杀菜鸡AI开发者？不如给维护者打钱！

整理 | 华卫

氛围编码（Vibe coding）是否会摧毁开源生态系统？近日，多位知名研究人员在一篇预印本论文中指出，从观测到的趋势及部分建模结果来看，情况可能确实如此。他们的警告主要集中在两方面：用户互动逐渐从开源项目中剥离，同时启动一个新开源项目的难度大幅提升。

即便是热门开源项目，随着代码下载和文档查阅的需求被大语言模型聊天机器人的交互所替代，其官网的访问量也出现下滑，项目商业规划推广、赞助募资和社区论坛运营的可能性也降低了。Stack Overflow 等社区论坛使用量的骤减也反映了这一点。

研究人员们最后的结论是：在氛围编码广泛应用的情况下，要维持开源软件目前的规模，就需要对维护者的报酬方式进行重大改革。

“AI 革命”or 人类智能的压力测试

如果把“AI 辅助”软件开发的这种效果理解为将实际的工程和开发工作委托给大语言模型的统计模型，那么问题就显而易见了。氛围编码这一模式摒弃了开源社区中对类库和工具的自然筛选机制，几乎可以确定的是，大语言模型的统计模型在生成输出内容时，必然只会选用其训练数据集中占比最高的技术依赖方案。并且，大语言模型既不会与库或工具的开发者互动，也不会提交可用的错误报告，更不会意识到任何潜在问题，无论这些问题的文档记录多么完善。

自从微软在 2021 年推出 GitHub Copilot 以来，这便是一个极具争议的话题。2024 年有一些研究报告指出，使用 Copilot 和类似的聊天机器人进行氛围编码并没有带来任何实际好处，除非增加 41% 的 bug 也被视为成功的标准。到 2025 年，负面情绪愈发浓烈，大语言模型聊天机器人普遍被指责会降低使用者的认知能力，氛围编码会降低 19% 的开发效率，就连尝试过这类工具的资深开发者，也在言辞犀利的评测中对其全盘否定。

即便是当下，软件开发领域也已显现出“AI 垃圾”带来的诸多负面影响。cURL 项目的作者 Daniel Stenberg 多次抱怨，由于大语言模型引发的“AI 垃圾”，导致提交的错误报告质量日益下降。如今，该项目已决定从 2026 年 2 月 1 日起暂停其漏洞赏金计划。也有网友指出，“AI 最不靠谱的地方在于那些简单的重复性任务，因为它经常会随机出错。对它的要求越多，它就越容易出错，导致你需要逐行检查整个程序，确保它执行了要求的操作。使用大语言模型时最糟糕的做法是让它‘把这段代码清理干净，但不要改变任何功能或逻辑’，它绝对会起到相反的效果。”

所有这些现象似乎都在强化这样一种观点：“AI 革命”或许更像是对人类智能的一次压力测试，而非真正提升开发效率或代码质量。

目前尚不清楚氛围编码的影响究竟有多大，但像 JavaScript、Python 和各类 Web 技术相关的软件生态系统很可能首当其冲地受到其冲击，因为它们的用户群体似乎对这种开发模式的接受度更高，且相关技术在大语言模型的训练数据集中占比也最大。

开源维护者们福利大降，

要没钱赚了？

而且，在氛围编码的相关补偿机制下，绝大多数开源项目都难以从中获益。

该论文指出，氛围编码降低了软件制作成本，但也改变了用户与软件生态系统的交互方式。在传统的开源软件商业模式下，开发者会选择软件包、阅读文档，并与维护者及其他用户交流。而在氛围编码模式下，AI 智能体可以端到端地选择、组合和修改软件包，人类开发者可能并不清楚使用了哪些上游组件。

这种转变将引发一个关于开源软件可持续性的均衡问题：一旦开发者的加入和选择机制调整后，氛围编程带来的生产力收益是否足以抵消开源软件可占用需求的损失。

作为开发更多软件的非竞争性生产要素，开源软件产生的社会价值远超其直接生产成本，众多项目依赖于直接用户的关注和参与来维持运营，如文档访问、错误报告、公开问答和声誉（下载量、星标数、引用量）等，个体维护者和小型团队也主要通过此并获取私人回报（更高的关注度会带来付费机会或其他形式的认可）。

然而，在长期均衡中，当 AI 介入取代了直接交互，那么这项使软件更易使用的技术可能同时侵蚀着基于用户参与度的资金供给与开发动力。“氛围编程的更广泛采用会减少新开源项目的进入和分享，降低开源软件的可用性和质量，尽管生产力有所提高，但整体福利会下降。”

尽管论文中提出，当开源项目的代码被大语言模型使用时，OpenAI 或谷歌可以向这些项目给予少量资金补贴，但这一设想与 Spotify 的商业模式有着令人无奈的相似性，因为 Spotify 上约 80% 的创作者作品播放量极低，基本上无法获得任何收益。

该论文总结称，氛围编程代表了软件生产和消费方式的根本性转变，其带来的生产力提升是真实且显著的，但它对支撑现代软件基础设施的开源生态系统构成的威胁也同样存在。解决方案并非减缓 AI 的采用速度，而是重新设计商业模式和制度，将价值回馈给开源软件维护者。

开发者们吵翻了：

商业软件的末日来得更早

与此同时，社区里倒也有一些关于氛围编码的正面反馈。

“AI 帮我完成了我的第一个开源项目。”有开发者表示，“我当程序员超过 30 年了，掌握着好几种流行的和已经过时的编程语言，但从头开发一个完整的应用，我一直觉得不值当，而且我擅长的领域也帮不上忙。现在，我真的能做出一个从头到尾完整的应用程序，包括测试等全套环节。我清楚一个应用该是什么样、该如何运行，也懂设计，现在我是老板、需求方，AI 只是按我的要求做事。”

他还指出，在本职开发工作中，AI 帮其处理 bug 报告的速度比自己做快太多了。“我会给它一些提示，比如‘问题可能在这个处理程序或者这个 js 文件里，这是截图，你可以用 Chrome MCP 登录看看，然后执行 a、b 和 c’。到目前为止，我已经用这种方法解决了大约 30 个别人报告的 bug。”

另一位开发者则表示，“我在编写代码时会使用 AI 来筛选可用信息，省去在 Stack Overflow 和其他网站上，翻阅几十上百条相关提问来寻找合适解决方案的麻烦。所以这类平台的使用量可能下降了，但其中很大一部分原因是因为大家借助了 AI 筛选海量数据、从而快速找到有用答案。我亲身体会到，AI 在这方面确实帮了我不少。”但他也指出，“如果我让 AI 为我编写代码，这些代码事后都需要我进行修改适配，而且我不会允许它随意使用任何代码。我们作为使用者，必须对自己部署的产品负责。如果开发者完全依赖 AI，我们就面临着系统崩溃的风险，而用户只会对着角落里那个滑稽的小白框追问故障原因，却早已忘了如何运用调试这门手艺。”

对此，有网友提出，问题根本不在于 AI 是否有用或能否帮助人们，而在于它是否会危及开源软件的发展。“开源软件更难被广泛接受，一部分用户不再参与 bug 排查，即使发现了 bug 并反馈，也往往是无关紧要的信息。而且大语言模型可能更倾向于复制一个开源项目并稍作修改，而非通过正规方式引入使用。诸如此类的问题还有很多，如今开源领域的有效信息与无效信息失衡问题，比以往任何时候都更加严重了。”

但有网友认为，氛围编码完全不会危及开源软件，商业软件的末日会比开源软件来得更早。“现有开源项目都有专业开发者维护，而拥有 LLM 的专业开发者效率更高，编写的代码质量也远胜于非程序员使用 LLM 所能写出的代码。开源软件的发展速度将远超以往，并最终走向成熟，甚至在功能、稳定性等方面超越商业软件，而不会像商业软件那样充斥着大量的冗余和劣质代码。”

“开源软件只会越来越多，因为会有更多的人创建工具，而且由于编写这些工具并没有花费数百小时，他们会更乐于分享。”“更新和创建开源代码会越来越容易。如果我是一家营利性软件公司，才会感到担忧。”有其他网友纷纷认同道。

随之有人提出，“水平堪忧的开发者要比合格的程序员多得多，他们会给开源项目的'守门人'增加额外负担，还需要直接禁止那些水平差到只会给开源软件项目提交 AI 劣质代码的人，一次违规，直接出局。”

https://arxiv.org/abs/2601.15494

https://hackaday.com/2026/02/02/how-vibe-coding-is-killing-open-source/

声明：本文为 AI 前线整理，不代表平台观点，未经许可禁止转载。

会议推荐

InfoQ 2026 全年会议规划已上线！从 AI Infra 到 Agentic AI，从 AI 工程化到产业落地，从技术前沿到行业应用，全面覆盖 AI 与软件开发核心赛道！集结全球技术先锋，拆解真实生产案例、深挖技术与产业落地痛点，探索前沿领域、聚焦产业赋能，获取实战落地方案与前瞻产业洞察，高效实现技术价值转化。把握行业变革关键节点，抢占 2026 智能升级发展先机！

今日荐文

你也「在看」吗？