Vibe Coding

Vibe Coding

参考：https://juejin.cn/post/7537644857381109769

什么是Vibe Coding?

Vibe Coding（氛围编程），一种更注重直觉、感觉和流畅的状态，而非严格遵循规范或理论。这是一种人工智能辅助的软件开发方式，让开发者不在亲自编写每行编码，通过与对话时AI进行交流，让AI根据自然语言提示自动生成程序。

起源：

在“氛围编程”流行之前，“Vibe Check”（氛围检查）已经非常火爆，用于询问或评估某人/某事的当前状态或感觉。

Vibe Coding是人工智能专家安德烈·卡帕斯提（Andrej Karpathy）于2025年初提出，Karpathy当时调侃道：“我称之为一种新的编程方式——vibe coding，就是完全沉浸在感觉中，拥抱指数级提升，忘记代码本身的存在”。Vibe 是vibration单词的变体。

与传统coding的区别

• 旧模式： 手写代码 -> 调试错误 -> 运行检查。
• Vibe Coding 模式： 自然语言描述需求 -> AI 生成全套实现 -> Vibe Check（运行并检查功能和体验是否符合预期）。

实现流程

Prompt(提示词)：用自然语言向AI尽可能清晰的、明确的描述你要实现的目标。

AI生成代码：AI根据你的自然语言描述生成代码，你此刻只需要作为一个需求者，不需要操作任何代码。

运行然后查看结果：AI生成代码之后，你只需要关注结果，是否达到了自己的要求。

反馈问题并进行调整：根据运行结果，向AI提供反馈并提出修改要求。

最后重复迭代：上述“生成->运行->反馈”的循环会反复进行，直到代码满足需求为止。每一轮迭代，开发者都在引导AI逐步逼近目标。整个过程更像是在与AI对话调试，而非独自埋头写代码。

Vibe Coding就是整个编码全程不需要进行code,通过提示词来一遍一遍的完善编码，先实现一个基本功能，然后根据结果和要求来一步步的优化迭代。

借助AI编程助手开始Vibe Coding

• ChatGPT/GPT–4(对话式AI助手)
  • 特点：ChatGPT提供的是自然语言对话体验，特别适合从无到有的构思尝试，实现vibe coding的完整循环。另外，新版的ChatGPT（如GPT-4）在理解复杂需求、编写多段代码方面能力更强，OpenAI也推出了面向代码的强化模式（如Code Interpreter、Advanced Data Analysis插件）帮助执行代码和分析输出。这些都让ChatGPT非常胜任vibe coding的场景。
  • 不足之处是，目前ChatGPT对长代码上下文的掌控有限（上下文窗口限制），对于大型项目可能需要分模块沟通。
• GitHub Copilot(IDE内代码补全助手)：Copilot是由OpenAI模型驱动的，在编辑器（VS Code、JetBrains等）中使用的AI编码助手。更适合代码片段级的vibe codinghttps://githubdocs.cn/en/copilot/quickstart
  • 特点：与ChatGPT不同，Copilot不像聊天机器人那样直接对话，而是在您编码时实时给出建议。通过你写的注释来推测完成你需要的功能，通过tab键来接受或者写注释来完成修改。
• curosr(带AI助手的代码编辑器）:Cursor支持双模式：一是编写Prompt文件或注释，让AI据此批量生成/修改代码；二是在聊天面板直接下指令，让AI对当前项目操作。特别之处在于，Cursor可以利用项目上下文，进行诸如“全局替换/重构”、“解释这段代码”等深度操作。
• Sourcegraph Cody（代码库AI助手）：Cody是代码搜索公司Sourcegraph推出的AI编程助手，定位于了解你代码库的聊天助手。它可以索引整个项目的代码，并在聊天中参考项目内容给出回答或修改建议。
  • 实践方法：将Cody接入你的代码仓库（支持本地VS Code插件或Sourcegraph平台），然后你可以问它关于代码的问题，或者让它基于现有代码实现新功能。
  • Cody让vibe coding从孤立的“小工具”拓展到了团队协作场景——AI可以融入整个代码库的生命周期。当然，实现这一切的前提是对Cody进行权限配置，以读取必要的仓库内容，并保证敏感代码不泄露给云端模型。这涉及到公司安全策略，在实践时需遵守企业规定。

Vibe Coding实践中常见的一个流程是：先用聊天式工具生成初版代码，再进入IDE用Copilot/Cursor细调，两者结合将AI能力发挥到最大。

总结

Vibe Coding就是让开发者变为需求者，不需要编码，只需要将你的需求明确的提给AI,然后AI根据你的需求编写代码，然后再进行验证，不需要用户关注代码生成的细节，之一关注结果是否符合，如果不符合的话再反馈给AI,进行调整和修正，最后重复之前的行为，经过多次迭代生成优美符合要求的代码。

问题在于：对于大型的项目来说，缺少了代码review，开发人员思考，多个开发人员使用AI，会造成内部逻辑不清晰，维护起来比较困难，有问题在排查bug的时候比较难。开发人员都不清楚自己的代码，那么在其他人员接手的时候难免可读性比较差。