Vibe Coding及其质量影响：AI原生开发实践对软件可靠性的实证研究
论文信息
- 原文：查看原文
论文信息
- 作者：Somasundaraprabhu Suryanarayanan
- 发布：2026-06-10
- 原文：查看原文
摘要
人工智能驱动的代码生成已成为现代软件工程中的一种变革性范式，使开发者能够通过与基于大语言模型（LLM）的工具进行自然语言交互来生成代码。这种范式通常被称为“Vibe Coding”，代表了从传统手动编程向人机协作式AI开发工作流的转变。尽管此类方法在开发速度和生产率方面展现了显著提升，但其对软件可靠性和结构质量的影响仍是关键的关切点。本研究通过受控的实证评估，比较了AI辅助编码与传统编码实践，探讨了Vibe Coding的质量影响。研究围绕开发效率、缺陷出现率、软件可靠性和代码复杂性等关键研究问题展开。开发者在两种条件下完成相同的编程任务，并利用缺陷密度、测试成功率、开发时间和圈复杂度等关键可靠性与质量指标对生成的软件制品进行分析。比较性设计使得能够系统评估AI辅助工作流如何影响软件系统的可靠性特征。实验结果表明，AI辅助编码显著缩短了开发时间，凸显了其生产率优势。然而，研究也发现，与传统实现相比，AI辅助制品呈现出更高的平均缺陷密度（1.63）和更高的平均圈复杂度（11.9），表明在效率与软件可靠性之间存在权衡。总体而言，结果突出了AI原生开发实践中效率与可靠性之间的权衡：Vibe Coding加速了实现过程，但引入了与代码质量和可靠性相关的挑战，这强调了在软件开发过程中对AI辅助工具进行严格验证和审慎整合的必要性。