AI编程的隐形陷阱：为何“氛围编程”正在制造系统性安全危机

Thoughtworks 技术团队深入剖析了“氛围编程”现象，即非技术人员利用生成式 AI 快速构建应用所引发的系统性安全风险。文章指出，尽管 AI 工具显著加速了原型开发，但 AI 智能体天然倾向于选择“阻力最小路径”，频繁建议不安全的配置（如将存储桶设为公开访问或授予过高的服务账户权限）。数据显示，高达 25% 的 AI 生成代码包含已确认漏洞，且针对应用漏洞的攻击逐年上升。作者强调，仅靠提示词要求 AI“保持安全”是远远不够的，这属于概率性控制而非确定性约束。为此，文章提出了“约束工程”解决方案，主张编写安全上下文文件并在每次会话中加载，同时结合 SAST 扫描、凭证扫描等确定性计算传感器，构建从提示到部署的全流程安全防御体系。

事件分析

💡 核心观点：AI 编程的安全悖论在于，仅靠提示词无法驯化大模型的概率性风险，必须建立非协商性的确定性检查机制，将安全左移至模型上下文层面。