iPAS 備考專區 登入

iPAS AI 應用規劃師 初級 科目二 生成式 AI 應用與規劃・115 年第一次・L12・第 19 題

Vibe Coding 生成的程式碼如何降低品質與安全風險?

原題

某新創公司採用 MVP(Minimum Viable Product)策略,導入 Vibe Coding 以加速開發,雖然初期能快速產出可運作功能,但技術主管提醒,在正式上線前仍可能存在程式碼品質與安全風險。下列哪一項措施最合理,以降低品質與安全問題?

白話

某新創公司用 MVP 策略快速開發,靠 Vibe Coding 短時間內產出可以跑的功能。技術主管提醒:在正式上線前,程式碼的品質和安全性可能還有問題。

問你:要降低 Vibe Coding 生成程式碼的品質與安全風險,上線前應該採取哪一項措施?

一句話總結

AI 生成的程式碼不能直接上線,必須納入人工審查、重構與安全測試的流程,才能降低品質問題和安全漏洞的風險。

情境

先感受問題:Vibe Coding 快速出貨,但安全誰來把關?

假設你是「快閃科技」新創公司的技術主管,團隊三個月就用 Vibe Coding(AI 生成程式碼)做出一個訂閱制 SaaS 產品原型。創辦人很興奮,想直接讓用戶付費使用。

你心裡有個聲音:這三個月裡,工程師主要在「告訴 AI 要做什麼」,然後讓 AI 生成,再快速測試功能有沒有跑起來。但有多少安全細節被跳過了?登入邏輯有沒有被 bypass 的漏洞?資料庫查詢有沒有 SQL 注入的風險?付款流程的邊界條件有沒有都處理到?

這些問題靠「提示詞更好」是解決不了的,因為問題不是 AI 寫得不夠好,而是整個開發過程缺少了人工的驗證環節。真正的保障只有一種:在上線前,讓人工審查、重構和安全測試把這些漏洞找出來。

舊方法

直接讓 AI 程式碼上線,會有哪些風險

  1. 安全漏洞:AI 生成的程式碼可能包含已知的安全弱點(如未過濾的使用者輸入、硬編碼的密碼、不當的 API 授權),這些問題只有安全測試才能系統性找出來
  2. 邏輯邊界問題:功能在「一般路徑」可以跑,但邊界條件(如空值、極端數字、並發請求)沒有測試,上線後用戶就會觸發
  3. 程式碼可維護性差:AI 生成的程式碼有時結構混亂、沒有適當的抽象、重複邏輯四散,沒有重構直接上線,後期維護成本極高
  4. 依賴的函式庫有安全問題:AI 可能建議使用有已知漏洞的舊版函式庫,安全掃描才能發現這些問題
  5. 法規合規風險:涉及個人資料、金融交易的系統有法規要求,AI 不一定了解台灣的法規細節,需要人工確認

新方法

三道關卡:審查、重構、安全測試

「快閃科技」在上線前建立了三道關卡:

第一關:程式碼審查(Code Review)。資深工程師逐段審閱 AI 生成的程式碼,確認邏輯是否正確、有沒有明顯的設計問題。特別關注身份驗證、資料存取、付款流程這些高風險模組。

第二關:重構(Refactoring)。審查後發現的問題:重複程式碼整合、混亂的結構拆分、命名不清楚的重新命名。這不是為了讓程式碼「更漂亮」,而是讓後期維護者(可能是你自己半年後)能看懂和修改。

第三關:安全測試(Security Testing)。使用靜態分析工具掃描程式碼中的已知安全弱點,進行滲透測試確認登入、授權、資料保護機制是否有漏洞。

三關都過,才是真的可以上線的程式碼。Vibe Coding 負責速度,這三關負責品質。兩者缺一不可。

這就是選項 C 講的:將生成程式碼納入審查、重構與安全測試流程。

錯選項

為什麼其他選項是錯的

A直接沿用 AI 生成程式碼至正式環境,以降低開發成本

字面在說什麼

省掉審查和測試的成本,AI 說可以就直接上線。

為什麼不對

「降低開發成本」是短視的計算。AI 程式碼直接上線後若出現安全事件(資料外洩、系統被攻擊),修復成本和商譽損失遠大於前期品質管控的投入。省掉審查的成本是以無法量化的安全風險換來的,對企業來說不划算也不負責任。

誰會選錯

只看短期成本、沒有考慮風險成本的人。或者以為「MVP 就是能跑就好」的人,忽略了 MVP 也要保護用戶資料。

B持續優化提示詞,即可避免大部分品質問題

字面在說什麼

提示詞寫得更好、更精確,AI 生成的程式碼就會沒有品質問題。

為什麼不對

提示詞優化確實能改善 AI 生成程式碼的品質,但有上限。安全問題不是靠提示詞解決的:安全弱點很多都是「在你的特定系統的特定情境下才成立」的,AI 沒有你系統的完整上下文;複雜的業務邏輯和邊界條件,只有對業務有深度理解的人才能測試到。提示詞優化是輸入優化,不是輸出驗證。

誰會選錯

對 Prompt Engineering 過度信仰的人,以為只要提示詞夠好,AI 就能輸出完美程式碼。提示詞影響生成方向,但不能替代工程驗證流程。

D限制開發者修改 AI 生成之程式碼架構,以維持一致性

字面在說什麼

不讓工程師改 AI 生成的程式碼架構,確保程式碼風格一致。

為什麼不對

這是完全反向的做法。工程師審查和重構 AI 程式碼正是品質管控的核心動作。禁止修改意味著 AI 的所有問題都被鎖進去無法改善。「維持一致性」不應該犧牲品質和安全性,而且 AI 生成的程式碼通常本身風格就不一致,限制修改根本達不到一致性的目標。

誰會選錯

對「一致性」有誤解的人,以為只要不改 AI 的結構就能保持一致。實際上好的一致性來自編碼規範(linting rules、style guide),不是靠鎖死 AI 輸出。

變形題

同個考點下次怎麼變形

延伸

想再往下看,這 5 個

答案、題目或解析有問題?回報這題

出處:iPAS 經濟部產業人才能力鑑定 ・ 115 年第一次 iPAS AI 應用規劃師 初級 科目二 生成式 AI 應用與規劃 第 19 題

看官方原文 PDF

原題 © 經濟部產業發展署,AITerms.tw 僅作教學解析使用,本站解析以 CC BY-NC-SA 4.0 授權。