Vibe Coding（氛围编程）

定义

Vibe Coding（氛围编程，直译"凭感觉编程"）由 OpenAI 联合创始人、特斯拉前 AI 总监 Andrej Karpathy 于 2025 年 2 月在社交媒体上正式提出。其核心理念是：开发者用自然语言向 AI 描述意图，AI 生成代码，开发者基于"感觉/直觉"（vibe）接受或微调结果，而不逐行审查代码本身。

Karpathy 的原话大意是："我大部分时间只是对着模型说话，它写出代码，我运行一下，如果不对就把报错贴回去，让它改。我几乎不看它写了什么——这就是 vibe coding。"

这是一种把 LLM 当作"黑盒代码生成器"、把人从"代码作者"转变为"意图表达者 + 结果验收者"的极端协作姿态。

核心特点

自然语言优先：主要交互媒介是自然语言（中英文皆可），而非伪代码或详细设计文档。
弱审查 / 不审查：开发者不逐行阅读生成代码，而是通过运行结果、UI 表现、测试通过与否来判断。
试错驱动：靠"运行→报错→贴回模型→再运行"的快速循环收敛，而非静态推理。
意图模糊可接受：允许"做个看起来不错的登录页"这类模糊需求，由模型自由发挥。
工具链轻量：通常只需一个支持长上下文的对话式编码助手（如 Cursor、Claude Code、Copilot Chat、ChatGPT/Claude 原生界面）。
产出即弃：代码常被视为"一次性产物"，重构、可维护性让位于"先跑起来"。

工作流程

flowchart LR
    A[用自然语言描述意图] --> B[AI 生成代码]
    B --> C{运行/预览}
    C -- 不对 --> D[把报错/截图贴回 AI]
    D --> B
    C -- 大致OK --> E[凭感觉微调或接受]
    E --> F[交付]

典型步骤：

描述意图：用一两句话或一段语音说明想要什么（"帮我写一个能拖拽排序的待办列表，用 React + Tailwind"）。
AI 生成：模型一次性或分步产出完整文件。
快速验证：直接运行 / 预览 / 跑测试，不细读实现。
反馈循环：把报错信息、控制台日志、甚至截图丢回模型，让它自纠。
接受或微调：当"感觉对了"即收工，必要时让模型做小调整。

优缺点

优点

门槛极低：非专业开发者（产品、设计、运营）也能快速做出可运行的原型。
速度极快：从想法到 MVP 可能只需几十分钟，适合探索期。
降低认知负荷：不必在脑中维护语法与 API 细节，专注意图与体验。
激发创意：模糊需求反而让模型给出意想不到的实现路径。

缺点

质量不可控：不审查意味着安全漏洞、性能问题、坏味道可能被静默引入。
可维护性差：代码常缺乏结构、命名随意、重复堆砌，后续接手困难。
调试黑盒化：出问题时，因为没读过代码，定位成本反而更高。
知识不沉淀：开发者学不到底层原理，长期依赖会削弱工程能力。
不适合严肃生产：在合规、安全、长生命周期项目上风险显著。

实战示例

场景：一个运营同学想做一个"上传图片自动生成九宫格朋友圈配图"的小工具。

Vibe Coding 风格的对话可能是：

我：帮我做一个网页，用户上传一张图，自动切成 3×3 九宫格，可以一键下载全部。用 HTML+JS 单文件，不要框架，要好看一点，配色用莫兰迪。

AI：（生成一个 self-contained HTML，含 canvas 切图、下载逻辑、莫兰迪配色 CSS）

我：（浏览器打开，发现下载是逐个弹窗）→ 把下载是逐个弹窗的，改成打包成一个 zip 下载。

AI：（引入 JSZip CDN，改写下载逻辑）

我：（再跑，OK）→ 收工。

整个过程运营同学没有读一行 JS，只看效果与报错。

注意事项

明确适用边界：原型、Demo、个人项目、一次性脚本适合；金融、医疗、核心业务系统慎用。
至少跑测试：即便不读代码，也要有自动化测试或冒烟用例兜底，避免"看起来对其实错"。
保留可回退：用 Git 频繁提交，方便在"感觉不对"时回滚。
关键路径仍需人审：涉及鉴权、支付、数据迁移的代码，务必人工 review。
警惕"幻觉 API"：模型可能调用不存在的函数或过时 API，运行报错是唯一可靠信号。
隐私与合规：不要把敏感数据/密钥贴进对话，注意所用模型的训练数据政策。

对比与选型建议

维度	Vibe Coding	Agentic Coding	传统手写
人的角色	意图表达 + 结果验收	监督者 / 审批者	代码作者
代码审查	弱 / 不审查	中等（看 Agent 日志）	强（逐行）
自主性	低（人主导循环）	高（Agent 自循环）	无
适合场景	原型/玩具/一次性	中等复杂任务	严肃生产
质量风险	高	中	低

选型建议：当你追求"快出原型、不在乎长期维护"时用 Vibe Coding；当任务有明确目标但步骤复杂时升级到 Agentic Coding；当代码要长期演进、多人协作时回归传统 + AI 辅助（Pair Programming）。

参考资料

Andrej Karpathy, "Vibe Coding" 原始推文（2025-02）
Simon Willison 对 Vibe Coding 的系列评论
"There's no speed limit" —— 关于 vibe coding 的争议与反思
实践工具：Cursor、Claude Code、GitHub Copilot Chat、ChatGPT/Claude 原生界面

01-vibe-coding