AI 時代的 Vibe Coding，真的會讓技術債爆炸嗎?
最近看到網路上不少人 vibe coding 與技術債之間的關係，甚至認為它將會等同於是「技術債製造機」。特別在 AI 越來越普及的今天，慢慢有一些開發者開始擔心：『LLM 將會讓初階開發者更容易產出劣質程式碼，進而拖垮整體專案品質』。
但這真的是事實嗎？
我認為未必。
工具從來不是問題，關鍵是『人』
首先，我們得承認一件事：會寫出技術債的開發者，用什麼工具都會寫出技術債。
早年，我們沒有 Google，只能查書或參考學長、前輩們 code 的寫；後來有了 Stack Overflow，我們學會了複製貼上；如今換成了 LLM，連搜尋都省了，直接叫 AI 生成就有範例可以參考。
這些方式起來可能都「有點草率」，甚至「有些不專業」，但我們也必須正視一個事實： 開發人員的成長曲線，本來就包含大量模仿與嘗試錯誤的過程。 很多今天能獨當一面的工程師，都是從這樣的方式走過來的。工具從來都不是問題，真正的問題是你怎麼用它。
會亂用工具的人，即使給他的是超強 IDE，他也能寫出災難；但會自主學習的人，哪怕用的是 AI，也能學得更快、做得更好。
技術債的真兇，不是 AI，是落後流程
那照上面這樣的說法， AI 是不是依舊有可能會讓初階工程師更快產出「不嚴謹」的程式碼，進而在團隊中埋下大量的技術債呢？
這個問題的假設前半段可能對，但後半段則離道甚遠。
AI 確實讓開發速度加快，但這就代表技術債會快速增加嗎？不一定。因為真正能預防技術債的從來就不是「人」，而是「流程」。
一個成熟的軟體專案，理應早已建構有良好的 CI/CD Pipeline，並在其中配置自動化的程式碼品質檢查工具，例如 SonarQube、Checkmarx、ESLint 等，可以在自動化流程中，輕鬆地幫我們掃瞄出類似底下這樣的技術債或安全性報告，讓開發人員即時進行改善(參考這裡)：
甚至，現在我們還可以導入 GPT-4o、Claude 等 LLM，針對 Pull Request 的 Code Changes 自動執行語意層級的程式碼分析與品質建議。(參考我這邊的貼文)
也就是說， AI 能讓「開發變快」，同時也能讓「品質監控變更快」。 只要團隊有紀律地執行這些流程，vibe coding 所產生的技術債，根本無法長存於系統當中。甚至開發者還能透過每日的掃描報告快速得到回饋，持續優化寫法，形成一種學習的加速循環。
問題不是 AI，是你的開發是否還停留在古典時代
因此，與其擔心 vibe coding 讓技術債爆炸，我們不如問問自己：我們的專案有在做自動化的程式碼品質檢查嗎？CI/CD 流程裡有掃描程式碼的機制嗎？團隊是否定期檢討 Pull Request 的品質與進行code review和回饋？如果都沒有，那就算你用最嚴謹的手、最優秀的人來寫程式，技術債依然會如影隨形。
因為，技術債不能單單倚賴優秀的人力來解決，希望團隊中每一個人都是高手，都能寫出完美的 code 本身就是不正確的期待。透過流程(特別是自動化流程)搭配好的紀律和文化，才是終結技術債的正確解答。
至於AI，它不是技術債的幫兇，它只是個加速器。 而團隊擁有了加速器之後，究竟是會加速成長，還是加速墜落，全看是否具有正確的流程與文化。
要知道，工具從來都不是關鍵。人才是。
參考 課程：
敏捷開發與Azure DevOps實戰
留言