AI生成能过测试的代码 也可能快速烂掉整个代码库

很多使用Vibe Coding的开发者存在一个误区，认为只要AI生成的代码能通过测试，任务就完成了。但现实情况是，代码形式完全正确和代码库快速腐化，可以同时发生。

Sebastian发布在Earendil的文章清晰点明了这个痛点。大语言模型能生成通过测试的代码早就不是新技术，真正致命的问题是AI会在代码中大量塞入「冗余糟粕（Slop）」。

为了实现简单需求，AI常会凭空造出多层抽象、四处复制已有逻辑，或是在一个老函数里硬塞十几个分支。对于每月新增上百万行代码的项目，人工根本无法完成全部审核，就算让智能代理（Agent）帮你审核整理这些劣质代码，智能代理自身也处理不过来。

该文章基于SlopCodeBench提出了三个层层递进的度量维度，可用来量化代码的潦草程度：

第一个维度是代码行数（LOC）增量，这是最简单也有效的预警方式。一个功能真正需要的逻辑量通常是固定的，如果只是改动一个按钮或调整参数，智能代理却一次性生成几百行代码，通常就说明代码存在问题。代码行数统计虽然粗糙，无法直接代表代码质量，但能直接测出冗余糟粕滋生的整体范围。

第二个维度是冗余密度（Verbosity），用来衡量代码绕了多少不必要的弯路。计算方式为（AST-Grep标记行∪克隆重复行）/总代码行数：先通过AST-Grep按代码语法树结构识别死代码、无意义包装和过度复杂的写法，加上重复的克隆行，去重后计算其占总代码行数的比例。比例越高，说明代码库里重复造轮子、走弯路的代码越多。

第三个维度是代码腐蚀度（Erosion），用来判断复杂度是不是都集中在问题函数中。很多时候测试全通过，只是因为智能代理不敢改动系统架构，只能把所有逻辑都硬塞到同一个核心函数里。

作者用圈复杂度（分支路径数）对函数长度做加权，挑出圈复杂度大于10的高危函数，计算这些函数的维护负担占全部函数的比例。这个比例越高，说明系统复杂度越失衡，整个代码库正在从内部被少数巨型函数腐蚀。

评测中的真实数据对比很能说明问题：成熟开源项目的平均冗余密度为0.15±0.06，智能代理生成代码的平均冗余密度达到0.33±0.10；开源项目的平均代码腐蚀度为0.31±0.17，智能代理生成代码的平均腐蚀度高达0.68±0.20。

两项指标几乎都翻了一倍。作者自己的一些Vibe Coding项目里，冗余密度甚至达到0.4，腐蚀度达到0.75。