Gate 研究院：Vibe Coding 是提升效率的解方，還是安全性的隱憂？

摘要

• Vibe Coding 是一種以自然語言意圖為主要輸入，由人工智慧系統自動生成系統級程式碼結構，並以快速試錯與結果可用性為主要驗證標準的程式設計實踐。
• 現有研究普遍顯示，AI 程式設計工具能在程式碼產生速度、任務完成時間與開發者主觀滿意度等方面帶來顯著提升。
• Vibe Coding 弱化程式碼理解深度與驗證強度的特性，在不可逆、資產綁定的區塊鏈系統中進一步放大了安全風險曝露。
• 在區塊鏈高風險系統中，Vibe Coding 更適合用於原型設計、非核心邏輯實現及實驗性開發情境，不宜直接應用於控管高價值資產的核心合約邏輯。
• 基於 Vibe Coding 的開發效率提升，必須結合更嚴格的安全稽核、形式化驗證與測試機制，以彌補開發過程中程式碼理解深度的下降。
• 在區塊鏈這一高度敏感的技術環境下，真正的問題不在於是否採用 Vibe Coding，而在於能否在追求效率的同時，對風險保持足夠的克制與治理能力。

引言

1.1 研究背景

近年來，大型語言模型（Large Language Models, LLMs）於軟體工程領域的應用快速擴展，帶動了以自然語言驅動程式碼生成的新型程式設計範式。開發者不再完全仰賴逐行撰寫程式碼，而是透過描述目標功能、系統行為或設計意圖，由人工智慧系統自動生成可執行程式碼。這種以「感覺正確（it feels right）」為導向、強調快速回饋與迭代的程式設計實踐，逐漸被業界稱為 Vibe Coding。

與傳統軟體工程相比，Vibe Coding 顯著降低了程式設計門檻，加快原型建構與功能實現速度，並於新創團隊、個人開發者及快速實驗場景廣泛應用。然而，這種範式也弱化了開發者對底層實作細節、邊界條件與異常路徑的全面掌握，進而引發程式碼品質、安全性與責任歸屬的持續討論。

區塊鏈系統，特別是基於智慧合約的去中心化應用（Decentralized Applications, DApps），為 Vibe Coding 的應用帶來極大張力。一方面，區塊鏈開發長期面臨技術門檻高、開發週期長、稽核成本高昂等挑戰，Vibe Coding 理論上有助於顯著提升開發效率並加速創新；另一方面，區塊鏈程式碼一旦部署即難以修改，且通常直接控管高價值數位資產，安全缺陷可能造成不可逆的經濟損失。在此背景下，任何降低開發者「程式碼理解深度」的技術範式，都可能帶來放大的系統性風險。

因此，Vibe Coding 在區塊鏈領域展現出矛盾特性：它既可能成為解決開發效率瓶頸的「解藥」，也可能演變為削弱系統安全性的「毒藥」。

1.2 研究問題

雖然 AI 輔助程式設計的相關研究日益豐富，現有文獻主要聚焦於生產力提升、開發者體驗優化及一般軟體工程場景，對其於高風險、不可逆系統中的影響著墨有限。特別是在區塊鏈這個「程式碼即資產（Code is Law）」的技術環境下，Vibe Coding 是否改變了風險分布結構，仍缺乏系統性實證分析。

基於此，本文聚焦以下核心研究問題：

• 效率層面：Vibe Coding 是否於區塊鏈應用開發中顯著縮短開發週期、降低人力成本並加速專案上線？
• 安全層面：於智慧合約及區塊鏈基礎設施中，快速生成與部署的程式碼是否有更高漏洞發生率、更早攻擊時間窗口或更大經濟損失？
• 結構性關係：開發效率提升是否與安全風險上升具統計相關性，兩者是否構成某種「效率—安全權衡」？
• 工程與治理啟示：在無法完全迴避 Vibe Coding 的現實條件下，區塊鏈系統應如何設計技術、流程與制度，以降低其潛在風險？

1.3 研究方法與數據概述

為回應上述問題，本文採用以數據驅動的實證分析為核心研究方法，結合描述性統計、對照分析與相關性分析，系統性探討 Vibe Coding 在區塊鏈領域的影響。

具體而言，本文綜合以下數據來源：

• 區塊鏈安全事件數據：涵蓋智慧合約漏洞數量、攻擊事件頻率及資金損失的時間序列資料；
• 開源程式碼倉庫數據：分析智慧合約程式碼結構、提交模式與開發週期，建構 Vibe Coding 代理指標；
• 智慧合約稽核報告數據：比較不同開發模式下合約的漏洞密度與稽核通過率；
• 區塊鏈專案開發數據：評估開發效率、團隊規模與上線速度。

鑑於現階段無法直接觀測開發者是否使用 AI 程式設計工具，本文以程式碼相似性、提交行為與開發節奏等間接指標，近似描繪 Vibe Coding 相關實踐。需強調的是，本文重點在於統計相關性與結構性趨勢，而非針對單一專案或開發者行為進行因果判斷。

Vibe Coding 定義

2.1 Vibe Coding 的概念界定

隨著大規模語言模型於軟體工程領域的廣泛應用，一種以自然語言驅動程式碼生成的新型開發實踐逐漸成形。雖然「Vibe Coding」最初並非嚴格學術用語，但其於工程實踐中所呈現的特徵，已構成具代表性的程式設計範式轉變。

本文將 Vibe Coding 界定為：

一種以自然語言意圖為主要輸入，由人工智慧系統自動生成系統級程式碼結構，並以快速試錯與結果可用性為主要驗證標準的程式設計實踐。

在此範式下，開發者不再以逐步建構、形式化推理與完整理解程式碼邏輯為前提，而是透過「生成—執行—修正」循環，逐步逼近目標功能。程式碼正確性更多以執行結果是否符合預期為判斷依據，而非對實作細節、邊界條件及異常路徑的系統性驗證。

2.2 Vibe Coding 與相關程式設計範式區隔

為避免概念混淆，有必要將 Vibe Coding 與既有軟體開發範式加以區分。

2.2.1 與 AI 輔助程式設計的差異

現有 AI 輔助程式設計相關研究多假設開發者仍為程式碼邏輯的主要理解與控制者，人工智慧系統則負責程式碼補全、錯誤提示或局部實作優化。在此模式下，系統整體架構與關鍵邏輯仍由開發者主導。

相較之下，Vibe Coding 中的人工智慧系統常直接參與系統級程式碼結構生成，開發者則偏向驗證與修正角色。此差異導致兩者於風險分布上產生顯著不同：AI 輔助程式設計的錯誤多半具局部性，Vibe Coding 的錯誤則更可能帶來系統性與連鎖性影響。

2.2.2 與低程式碼／無程式碼開發的差異

低程式碼與無程式碼平台藉由圖形化元件、預設模板與高度約束的開發環境降低程式設計門檻，其安全性與合規性部分由平台內建機制保障。然而，這類方式通常以犧牲彈性與可擴展性為代價。

Vibe Coding 不依賴固定模板或封閉平台，而是透過語言模型的泛化能力生成高度彈性的程式碼結構。此特性使其在功能表現上明顯優於低程式碼平台，但同時缺乏後者內建的安全約束與工程規範。

2.2.3 與敏捷開發的差異

敏捷開發強調反覆迭代、回饋與持續交付，其前提是團隊對系統架構與關鍵邏輯有清楚掌握。Vibe Coding 則進一步將部分工程認知負擔轉移給自動化生成系統，使迭代速度不再與人類對系統複雜性理解能力線性相關。

因此，Vibe Coding 並非敏捷開發的簡單延伸，而是在工程認知結構上產生顯著變化的開發實踐。

2.3 區塊鏈開發的工程特性與風險結構

區塊鏈系統，尤其是基於智慧合約的去中心化應用，在工程屬性上與傳統軟體系統有根本差異。

首先，智慧合約程式碼一旦部署至區塊鏈網路，通常難以修改或撤回。這種不可逆性意味著任何缺陷都可能長期存在，並持續曝露於對抗性環境。

其次，區塊鏈程式碼多直接控管具現實經濟價值的數位資產，其安全漏洞不僅為功能性錯誤，更可能被主動利用以謀取經濟利益。相關研究指出，智慧合約的邏輯錯誤、權限配置缺陷與狀態管理問題為重大安全事件主因。此外，區塊鏈系統普遍處於高度對抗性運行環境。攻擊者能持續監控鏈上狀態、快速複製攻擊策略並自動化執行攻擊，使系統上線初期成為風險高度集中的階段。

上述特性共同構成對程式碼品質與安全性極為敏感的工程環境，使任何降低程式碼理解深度或驗證強度的開發範式都可能放大系統性風險。

2.4 相關研究回顧

現有研究普遍指出，AI 程式設計工具能在程式碼產生速度、任務完成時間與開發者主觀滿意度等方面帶來顯著提升。這些研究為 Vibe Coding 在效率層面的潛在優勢提供理論支持。然而，多數研究聚焦於短期開發任務或受控實驗環境，對複雜系統的長期維護性與安全影響討論有限。

區塊鏈安全研究主要集中於漏洞分類、攻擊模式分析與防禦機制設計，為智慧合約安全議題建立較成熟理論架構。然而，現有文獻較少探討開發範式本身對漏洞分布與風險結構的影響，尤其缺乏針對 AI 驅動開發實踐的系統性實證研究。

綜合來看，現有研究在以下方面仍有明顯不足：

• 缺乏對 Vibe Coding 這一新興程式設計範式的系統性界定；
• 缺乏針對區塊鏈高風險場景的實證分析；
• 缺乏將開發效率與安全風險納入統一量化架構的研究。

本文旨在填補上述研究空白，透過多源數據分析，探討 Vibe Coding 在區塊鏈開發中的效率收益與安全風險之間的結構性關係，為相關工程實踐與治理機制提供實證依據。

研究方法

3.1 設計方法

本文採用定量實證研究方法，系統分析 Vibe Coding 在區塊鏈開發中的效率影響及潛在安全風險。鑑於 Vibe Coding 作為開發實踐難以直接觀測，本文建構一組可量化代理變數，近似描繪其特徵，並檢驗這些變數與安全風險指標間的統計關聯。

整體研究設計包含以下步驟：

• 建構反映區塊鏈開發效率與程式碼生成特徵的量化指標；
• 基於多源資料集建構專案—合約級樣本；
• 採用描述性統計與對照分析觀察整體趨勢；
• 透過相關性分析檢驗開發效率與安全風險的結構性關係。

本文著重於統計相關性與系統性趨勢，而非針對單一工具或特定因果機制作出強因果推論。

3.2 數據來源

3.2.1 區塊鏈安全事件數據

安全事件數據用於衡量區塊鏈系統的外顯安全風險，主要涵蓋智慧合約攻擊事件的發生時間、攻擊型態及經濟損失規模。

該資料集包含以下核心資訊：

• 攻擊事件發生日期
• 專案或合約識別
• 漏洞類型分類
• 經濟損失金額

3.2.2 開源程式碼倉庫數據

本文選取具公開程式碼倉庫的區塊鏈專案，收集其智慧合約程式碼及提交歷史。該數據用於刻畫開發節奏、程式碼結構特徵及潛在自動化生成痕跡。

採集維度包括：

• 合約程式碼行數（Lines of Code, LOC）
• 圈複雜度（Cyclomatic Complexity）
• 合約間程式碼相似度
• 提交時間戳與提交規模

數據描述與樣本統計

4.1 數據集概述

本文的數據集整合自多個公開可驗證來源，涵蓋區塊鏈安全事件、開源程式碼倉庫、智慧合約稽核報告與專案層級開發資訊。數據以合約為分析單位，時間跨度涵蓋區塊鏈應用近年快速發展階段。

樣本建構過程遵循以下原則：

• 僅保留可追溯至具體專案或合約的資料紀錄；
• 剔除關鍵資訊缺失或無法匹配多源數據的樣本；
• 識別並處理異常值，以降低極端事件對統計結果的干擾。

初始樣本來源於公開區塊鏈專案及其對應程式碼倉庫，涵蓋多種應用類型，包括去中心化金融（DeFi）、非同質化代幣（NFT）、去中心化自治組織（DAO）等。初始樣本包含專案級紀錄與合約級程式碼及提交歷史兩部分。

4.3 描述性統計結果

4.3.1 開發效率指標的描述性統計

下表彙總專案開發效率相關變數的描述性統計結果，包括開發週期長度、提交頻率與大規模提交比例。整體而言，樣本專案於開發節奏上展現顯著異質性。部分專案自首次程式碼提交至主網部署的時間極短，反映高度壓縮的開發流程；另有專案則展現較長開發週期與分散提交節奏。

4.3.2 程式碼結構指標的描述性統計

下表呈現智慧合約程式碼結構指標的統計特徵，包括程式碼行數、圈複雜度、程式碼相似度與重複程式碼比例。結果顯示，不同專案間程式碼複雜度與結構相似性差異明顯。部分樣本展現高度相似的合約結構及較高重複程式碼比例，此現象於多合約專案中尤為明顯。

4.3.3 安全風險指標的描述性統計

下表彙總安全風險相關變數的描述性統計結果，包括安全事件發生率、經濟損失規模與首次攻擊時間。

描述性統計結果顯示：

• 安全事件於樣本中分布不均；
• 少數攻擊事件造成顯著經濟損失；
• 多數安全攻擊發生於專案上線後短時間內。

整體而言，樣本數據於開發效率、程式碼結構與安全風險層面均展現顯著異質性，為分析 Vibe Coding 相關特徵與安全風險關係提供基礎。

本章描述性統計結果顯示：

• 區塊鏈專案開發節奏差異明顯；
• 程式碼結構特徵於不同專案間高度不均；
• 安全風險於時間與規模層面呈現集中分布。

在此基礎上，下一章將進一步分析 Vibe Coding 於區塊鏈開發中的效率收益，第六章則聚焦檢驗其潛在安全風險。

開發效率的實證分析

根據第三章建立的開發節奏與程式碼生成特徵指標，本文對區塊鏈專案開發效率進行實證分析。描述性統計結果顯示，樣本專案在開發週期上差異顯著，其中部分專案自首次程式碼提交到主網部署的時間明顯短於平均水準，展現高度壓縮的開發流程，反映自動化程式碼生成與快速迭代於區塊鏈場景的廣泛應用。

進一步分析提交行為發現，高開發效率專案多具更高提交密度與更大單次提交規模。此提交模式顯示，程式碼生成過程傾向集中式產出與整體性修改，而非逐步建構。結合專案層級團隊規模資料可見，開發週期顯著縮短並未伴隨人力投入同步增加，說明效率提升主要來自工具運用與自動化程度提升，而非團隊擴張。

從專案類型分布來看，開發效率提升於不同區塊鏈應用中並不均勻。功能結構標準化、業務邏輯明確的專案更易採用高度壓縮開發方式，而對長期安全性與系統穩健性依賴強的專案則展現較為謹慎的開發節奏。此現象顯示高效開發實踐於區塊鏈領域具場景選擇性。

總結來說，本章分析結果顯示，與 Vibe Coding 相關開發實踐於區塊鏈專案中確實能顯著提升開發效率，體現在開發週期縮短與單位人力產出提升。然而，效率提升本身並不等同於系統品質全面改善，其對安全性與風險結構的影響仍有待進一步檢驗。下一章將針對此議題進行更深入的實證分析。

安全風險的實證分析

承接前述開發效率實證分析結果，本文進一步探討 Vibe Coding 相關開發實踐是否於區塊鏈專案帶來更高安全風險。本文以安全事件發生情形、漏洞數量及經濟損失規模為安全風險指標，系統分析其與開發節奏及程式碼結構代理變數之間的關聯。

首先，從安全事件發生機率觀察，實證結果顯示，開發週期顯著較短的專案更易發生安全事件。相較開發週期較長者，高開發效率組於上線初期即曝露出更高攻擊發生率。此現象顯示，在高度對抗性的區塊鏈環境下，快速上線未能有效延後攻擊行為，反而縮短攻擊者發現並利用漏洞的時間窗口。

其次，從程式碼層面安全品質來看，程式碼結構特徵與漏洞數量呈顯著正相關。分析結果顯示，程式碼相似度高、重複程式碼比例大的合約往往伴隨更多漏洞。此現象說明，模板化與同構化程式碼結構在提升開發效率同時，也放大系統性缺陷的擴散範圍，單一邏輯錯誤可能於多合約同時存在。

進一步於經濟後果層面，開發效率指標與安全事件造成的經濟損失規模亦呈正相關。雖非所有高效率專案都會發生攻擊，但一旦發生安全事件，其損失金額往往更集中且規模更大。此「低頻—高損失」風險分布特性，使開發效率帶來的潛在安全代價於區塊鏈場景尤為突出。

綜合分析可見，開發效率提升與安全風險間非獨立關係，而呈現明顯結構性權衡。一方面，Vibe Coding 相關實踐能顯著降低開發時間與人力成本；另一方面，其弱化程式碼理解深度與驗證強度的特性，在不可逆、資產綁定的區塊鏈系統中放大了安全風險曝露。此結果為「效率的解藥，也是安全的毒藥」提供實證支持。

結論

本文圍繞 Vibe Coding 這一新興開發範式，系統分析其於區塊鏈應用開發的效率收益與安全風險，並透過多源數據進行實證檢驗。研究結果顯示，Vibe Coding 於區塊鏈場景展現明顯雙重效應：一方面，能有效壓縮開發週期、降低單位人力投入成本，於效率面發揮積極作用；另一方面，此效率提升並非「無代價」，而與更高安全風險顯著相關。

實證結果顯示，開發週期大幅縮短的專案於上線初期更易發生安全事件，且程式碼結構高度相似、模板化程度高的合約常伴隨更多漏洞。此發現顯示，Vibe Coding 帶來的自動化程式碼生成與快速迭代機制，在弱化開發者對系統邏輯與邊界條件全面理解的同時，也放大了系統性缺陷的擴散範圍。在區塊鏈這一不可逆、資產直接綁定的技術環境下，相關風險放大效應更為明顯。

進一步分析亦發現，雖高開發效率專案未必更常發生安全事件，但一旦發生攻擊，其經濟損失規模往往更大，呈現明顯長尾分布。這意味著 Vibe Coding 在區塊鏈的風險並非主要體現在事件發生頻率，而是體現在風險曝露速度加快與潛在損失規模放大兩個層面。此結果揭示典型「低頻—高損失」風險結構，使效率提升於區塊鏈系統中具更高風險敏感性。

綜合分析，本文認為 Vibe Coding 並非單純的技術進步或工程退化，而是一種改變風險分布結構的開發範式。在區塊鏈場景下，開發效率提升與系統安全性之間呈現明顯結構性權衡。正因如此，Vibe Coding 既可視為解決區塊鏈開發高門檻的「效率解藥」，也可能在缺乏約束下成為削弱系統安全的「隱性毒藥」。

根據研究結論，本文提出以下實務與治理建議。首先，於區塊鏈高風險系統，Vibe Coding 更適合用於原型設計、非核心邏輯實現及實驗性開發情境，不宜直接應用於控管高價值資產的核心合約邏輯。其次，開發效率提升須結合更嚴格安全稽核、形式化驗證與測試機制，以彌補開發過程中程式碼理解深度下降。再者，於組織及制度層面，應明確 AI 生成程式碼的責任邊界，將開發者定位由「程式碼撰寫者」轉向「系統風險承擔者」，以避免責任模糊。

最後，需指出本文仍有限制。由於 Vibe Coding 難以直接觀測，研究中採用的代理變數可能帶有測量偏差；同時，實證結果主要反映統計相關性，並非嚴格因果關係。未來研究可進一步結合開發者調查數據、實驗性對照設計及面向區塊鏈的自動化安全分析工具，細緻描繪 AI 驅動開發範式的風險機制。

本文研究顯示，在區塊鏈這一高度敏感的技術環境下，真正的問題不在於是否採用 Vibe Coding，而在於能否於追求效率同時，對風險保持足夠克制與治理能力。

參考文獻

• Google, https://cloud.google.com/discover/what-is-vibe-coding?hl=zh-CN
• Apifox, https://apifox.com/apiskills/what-is-vibe-coding/
• Ey, https://www.ey.com/en_cz/services/cybersecurity/solidity-smart-contract-security-review
• Audita, https://audita.io/blog-articles/vibe-coding-smart-contracts-vibe-coding-in-crypto
• Meduim, https://medium.com/thecapital/the-vibe-coding-renaissance-why-crypto-is-the-only-monetisation-model-that-fits-eb57fa57b738
• Blockchain council, https://www.blockchain-council.org/ai/end-of-vibe-coding/
• Tradingview, https://www.tradingview.com/news/cointelegraph:3c30759c9094b:0-ai-vibe-coding-what-it-is-why-it-s-risky-and-how-to-stay-safe/

Gate 研究院是一個全面的區塊鏈與加密貨幣研究平台，為讀者提供深度內容，涵蓋技術分析、熱門洞察、市場回顧、產業研究、趨勢預測與總體經濟政策分析。

免責聲明
加密貨幣市場投資涉及高風險，建議用戶於做出任何投資決策前，應自行進行獨立研究，並充分了解所購買資產與產品的性質。Gate 不對此類投資決策造成的任何損失或損害承擔責任。