大型语言模型（LLM）在代码生成领域应用广泛，但其生成的代码往往存在功能缺陷或安全漏洞。现有研究要么分别评估功能性和安全性，要么侧重于生成后查找漏洞，而缺乏同时保证两者的方法。近年来，文本生成领域涌现出多种对齐技术，其中任务向量算术通过线性操作调整模型权重，能够低成本增强特定输出质量（如有用性、无害性）。受此启发，本文提出SecVecCoder方法，利用任务向量同时提升代码的功能性和安全性，无需生成后修正。该方法在三族六种编码LLM（包括CodeGuard+基准测试）上进行了评估，结果表明：SecVecCoder将可信代码完成率提升2.1至36个百分点，且对未见过的CWE类型提升高达39.1个百分点。由于仅需修改模型权重，SecVecCoder无需特定解码方法，平均解码延迟仅增加0.6%。本文的核心贡献在于提出一种轻量级的对齐技术，能够在不影响效率的前提下显著增强LLM生成代码的可靠性与安全性，为安全代码生成提供了新思路。