三个月之墙

你用 vibe coding 构建一个 SaaS。一开始很快。“做个登录”——30秒。“加上支付”——2分钟。三周内 MVP 就上线了。

三个月后，奇怪的事情开始发生。AI “整理"了支付逻辑，悄悄改变了折扣计算。添加一个新端点，破坏了现有的认证。一次重构请求改变了公开 API 的字段名，所有客户端全部失效。

这就是所谓的 logic drift——AI 无意中修改了现有的业务逻辑。传统开发中也存在回归 bug。但 logic drift 不同。开发者从未打算做出的更改，在整个代码库中悄无声息地发生。每次 prompt 都在一个全新的 context window 中开始。

用数据说话

这不是主观感受。有数据为证。

速度的代价是复杂性。 卡内基梅隆大学的研究团队比较了 807 个 GitHub 仓库在采用 Cursor 前后的变化（MSR 2026）。第一个月代码增量提升了 3-5 倍。两个月后，速度优势消失了。留下的是：静态分析警告增加 30%，代码复杂度增加 41%——永久性的。

并没有变快——反而变慢了。 非营利 AI 研究机构 METR 对 16 名有经验的开源开发者进行了随机对照试验（2025）。在他们已经熟悉的项目上，使用 AI 工具的小组完成任务的时间多了 19%。然而开发者自己认为加速了 20%。感知与现实之间存在 39 个百分点的差距。新项目上的结果可能不同，但"AI = 总是更快"的假设已经被打破。

规模化后，稳定性崩溃。 根据 Google DORA Report（2025），AI 采用率每增加 25%，软件交付稳定性就下降 7.2%。

确实崩溃了。 Amazon 在 2025 年全公司强制推行 AI 编码工具，部署了 21,000 个 AI agent。同一时期，约 30,000 名员工被裁，审查能力急剧下降。AI 快速生成代码与审查人员减少的叠加效应，导致 90 天内发生了 4 起 Sev-1 事故。2026 年 3 月 5 日，一次 6 小时的宕机造成了约 630 万笔订单损失。内部文件写道：“GenAI 的快速代码生成正在无意中暴露漏洞，现有的安全措施完全不够。”

“做 TDD"不是答案

针对 vibe coding drift 的常见建议是"写测试”。方向是对的，但怎样提供测试决定了结果。

TDAD 研究（arxiv 2026）精确地测试了这一点。Qwen3-Coder 30B 在 SWE-bench Verified 的 100 个实例上进行了测试。

条件回归率
基线（无测试指令）6.08%
过程式"做 TDD"指令9.94%（更差）
将受影响的测试文件提供在 context 中1.82%（降低 70%）

告诉 agent “做 TDD"反而更糟。Agent 在试图遵循过程式指令时偏离了原始任务。但将"这些测试文件必须通过"作为具体 context 提供，回归减少了 70%。

区别很明确。不是"如何测试"的指令，而是"什么必须通过"的契约。

Hurl：Plain Text 中的契约

Hurl 是一个以 plain text 声明 HTTP 请求和预期响应的测试工具。由 Orange（法国电信）维护，是一个零运行时依赖的 Rust 二进制文件，GitHub 18.7k 星。速度足以在 CI 中的每次 commit 上运行。

# Login succeeds
POST http://localhost:8080/api/auth/login
{
  "email": "test@example.com",
  "password": "secret123"
}
HTTP 200
[Asserts]
jsonpath "$.token" exists
jsonpath "$.user.email" == "test@example.com"

# Unauthenticated access returns 401
GET http://localhost:8080/api/pages
HTTP 401

两个契约。登录必须返回 200 和 token。未认证的访问必须返回 401。

当这个文件被提交到 git 并在 CI 的每次 commit 中运行时——AI “整理"认证逻辑使 401 变成 200 的那一刻，commit 就会被拒绝。Drift 在到达生产环境之前就被捕获了。

为什么是 Hurl

单元测试也能捕获 drift——如果你不给 AI 修改测试文件的权限的话。但单元测试验证的是内部函数，使它们在结构上与实现耦合。函数名变了，测试就坏了。每次重构都需要更新测试。

Hurl 位于 HTTP 边界。它只声明请求和响应。它对代码内部一无所知。无论 AI 如何修改代码，如果外部可观察行为不变，测试通过；如果不同，测试失败。它天然独立于实现。

单元测试Hurl
验证对象函数内部HTTP 契约
AI 重构时一起修改不变
Drift 检测有条件的（需锁定）天然的
代码结构依赖高无
人类可读性代码级Plain text
LLM 生成需要理解代码结构只需 HTTP

Hurl 验证的不是代码，而是行为。代码可以被 AI 自由修改。行为不能改变。这个区别就是捕获 drift 的关键。

Ratchet 锁定

当 Hurl 测试通过后，锁定它们。这就是 ratchet。

1. Write Hurl tests for current API (or auto-extract)
2. Run on every commit in CI
3. Passing tests cannot be deleted or modified
4. New features require new Hurl tests
5. All existing + all new tests must pass to merge

告诉 agent “重构这段代码”，它可以自由修改代码。但如果 Hurl 测试失败，commit 会被拒绝。Agent 必须在重构时保留所有现有行为。Hurl 未覆盖的边界情况仍可能发生 drift，但对于已覆盖的行为，drift 在结构上被抑制了。

这与 TDAD 研究的发现完全一致。不是过程式的"写测试"指令，而是具体的"这些 Hurl 文件必须通过"契约。Agent 可以选择方法，但不能违反契约。

遗留系统也适用

已经在生产环境中运行 vibe coding 的软件？不需要从头来过。

第一步：用 Hurl 捕获当前行为。

如果有 API 文档，直接翻译成 Hurl。如果没有，让 agent 读取现有代码并编写 Hurl 测试。目标是为每个端点用 plain text 声明"它目前是这样工作的”。

第二步：接入 CI。

验证所有 Hurl 测试通过，并将其设为合并条件。

第三步：你安全了。

无论 AI 重构还是添加功能，Hurl 都保护着现有行为。如果发生 drift，CI 立即捕获。

不是打地基——是抗震加固。不用关门停业就能加固建筑。

不是 Vibe Coding 的终结——而是进化

创造"vibe coding"一词的 Andrej Karpathy 在整整一年后的 2026 年 2 月宣布"vibe coding 的时代结束了”。新范式是 agentic engineering——人类不写代码，而是编排能够自主规划、实现和测试的 agent。

Thoughtworks Technology Radar（2025）将 Spec-Driven Development 放在了"Assess"级别。Martin Fowler 的团队发表了 SDD 工具分析。行业正在朝同一方向收敛。

Hurl 测试是这一转型的最小单元。你不需要 10 个规范。你不需要学 OpenAPI。一个 Hurl 文件就是一个契约。 而这个契约在不限制 agent 自由的前提下，从结构上防止了 drift。

不要换模型。加一个契约。

相关文章

References