跳转到内容

氛围编程

来自VeritasWiki 真理百科

氛围编程(vibe coding)是一种以自然语言提示驱动大型语言模型生成代码的软件开发方式,开发者不再逐行编写与调试代码,而是描述目标、运行模型给出的结果,再依据实际效果用自然语言反馈修改,形成"描述—生成—检验—再描述"的迭代循环。该表述由 OpenAI 联合创始人、前特斯拉人工智能主管安德烈·卡帕西(Andrej Karpathy)于2025年2月提出,随后在技术社区、产业界与大众媒体中迅速传播,并引申出对编程门槛、软件质量与开发者角色的广泛讨论。中文语境下也译作"氛围编码""直觉式编程"或"凭感觉编程",其共同含义是把开发者的注意力从代码语法转移到意图表达与结果判断上。氛围编程并非某种新的编程语言或特定软件产品,而是一种围绕现有生成式 AI 工具形成的工作习惯。

概念来源

2025年2月2日,卡帕西在社交媒体上发布了一条简短动态,描述一种他正在使用的开发方式:用日常语言说明想要什么,直接运行模型返回的代码,不去操心底层代码本身,并把这种方式称为 vibe coding。他后来把这条动态形容为随手写下的内容,且明确其适用范围有限——主要针对风险接近于零的周末小项目;他本人作为资深程序员,曾用约一小时在没有 Swift 经验的情况下做出一个可用的 iOS 应用。

这一表述之所以快速流行,与其对"编程门槛"的直观描述有关。传统软件开发要求开发者掌握编程语言、程序结构、调试方法与大量基础设施细节,而氛围编程把其中相当一部分工作交给模型:代码依然构成软件的基石,但在新的工作流中更多成为模型在后台处理的"语言"。上海市虹口区人民政府发布的公益工作坊介绍中,把其核心理念概括为"完全投入到'氛围'中,拥抱技术的指数级发展,并忘记代码的存在";这类表述强调的正是开发者注意力的转移,而非编程能力的彻底消失。

工作流与特征

典型的氛围编程流程包括四个环节:其一,用自然语言给出高层意图,例如"做一个点击按钮后随机推荐午餐的网页大转盘";其二,由模型生成可运行的代码甚至完成环境配置与部署;其三,开发者以使用者视角检验效果,不深入逐行审阅实现细节;其四,把问题或新需求再次用自然语言反馈给模型,要求其修改。这一循环的关键特征在于,反馈主要以结果描述而非代码补丁的形式给出,开发者对实现过程的介入程度显著低于传统调试。

由此带来两个直接后果。一方面,从想法到可运行原型的路径被大幅缩短,缺乏系统训练的用户也能制作网页、小程序、浏览器插件等简单应用;科普与教育领域已出现面向青少年和零基础人群的 AI 编程工作坊。另一方面,开发者对代码的理解可能停留在行为层面,难以判断生成代码在安全性、可维护性与边界条件上的隐患,这为后续的争议埋下伏笔。提出者本人也承认,当代码"偏离训练数据分布"、涉及真正新颖的问题时,这种工作方式会触及能力边界。

工具生态

氛围编程的实现依赖一整套 AI 编码工具,而不是单一产品。面向专业开发者的代表包括 Cursor、GitHub Copilot 与 Devin:Cursor 能够分析项目结构、创建与修改多个文件并提出建议;Devin 则主打从需求分析、规划、编码、测试到部署的端到端自主任务;GitHub Copilot 是较早普及的代码补全与生成工具。面向普通用户的代表包括 Replit 与 Lovable,它们把应用创建、数据库与托管整合在浏览器界面中,使没有编程背景的人也能生成并上线应用;国内厂商如百度、阿里、腾讯等也推出了相关开发工具或平台,字节跳动的"扣子"平台在2026年初升级为一站式开发环境。此外,Trae 等工具被用于教学场景中的网页与小程序开发实践。

资本与市场的反应同样迅速。据新华网报道,2025年6月4日,为 AI 生成应用提供数据库与云服务的 Supabase 宣布完成5亿美元融资、估值达105亿美元;同期 Cognition AI 完成超10亿美元融资,投后估值约260亿美元,其自主编码产品 Devin 是核心卖点之一。市场研究机构 Research and Markets 的数据称,2025年全球 AI 编程相关工具市场规模约295.7亿美元,预计到2030年增至646.8亿美元,年复合增长率约17.1%。Cursor 发布的开发者习惯报告则称,到2026年5月,开发者每周人均编码量在一年多时间里翻倍,单次拉取请求新增代码量同比增长约2.5倍,工作重心从"敲代码"转向审阅与架构设计。这些数字反映的是产业趋势而非单一工具的成效,需结合具体统计口径理解。

应用与影响

氛围编程最成熟的应用场景是快速原型验证与内部工具开发。在这类场景中,软件生命周期短、错误代价低、需求边界清晰,生成速度带来的收益明显:个人开发者可以在很短时间内把想法做成可用产品,教育者可以用它让青少年完成作业助手、小游戏等作品,研究者甚至可以借助它快速生成形式化验证代码。新华网与中新经纬的报道都提到,门槛降低让"超级个体"式开发成为可能,竞争重心从技术实现转向需求判断与用户触达。

当同样的方法被用于处理生产系统、企业代码库与关键基础设施时,问题开始显现。中新经纬采访的多位从业者指出,大多数氛围编程开发者难以靠产品盈利,常见卡点在于产品是否满足真实需求、质量是否经得起深度使用;艾媒咨询首席分析师张毅认为,AI 编程工具属于"局部生产力的革新",目前存在被市场过度炒作的现象,本质上偏向"许愿式开发"——它解决的是实验效率问题,却无法弥补产品逻辑与商业闭环的缺失。这一批评把讨论从技术可行性转向工程与商业的组织能力。

争议与实证讨论

安全问题是批评最集中的方向。安全公司 Tenzai 在2025年12月进行的一项测试中,用五个知名 AI 编码工具(Claude Code、OpenAI Codex、Cursor、Replit、Devin)依据预先设定的提示各自构建相同的三个测试应用,共15个应用,累计发现69个漏洞,其中约45个为低至中危,另有若干高危与约六个"严重"级别。最突出的问题集中在 API 授权逻辑与业务逻辑:模型擅长规避 SQL 注入、跨站脚本等有通用解法的问题,却难以判断"某个操作是否本应被允许"这类依赖具体上下文的边界,因为安全与危险之间往往没有可套用的统一规则。研究者由此主张把安全检查嵌入生成过程本身,而非事后追加。

生产力的主观感受与客观测量之间的落差,是另一项被广泛引用的证据。模型评估机构 METR 在2025年进行了一项随机对照试验:16位在自己长期贡献的成熟开源项目上工作的资深开发者完成246个真实任务,任务被随机分配为允许或禁止使用 AI 工具(允许时主要使用 Cursor Pro 搭配 Claude 3.5/3.7 Sonnet)。开发者事前预测 AI 会把完成时间缩短24%,事后仍认为缩短了20%,实际结果却是使用 AI 时耗时增加19%。METR 明确限定该结论只适用于"熟悉代码库的资深开发者"这一特定群体和2025年初的工具水平,不能推广到所有场景,但它清楚地表明团队对自身速度的判断可能失真。

可维护性与技术债务构成长期隐忧。由于模型没有跨会话持久记忆,且上下文窗口有限,随着项目增长,生成代码容易在架构决策、命名与实现方式上出现不一致;缺乏统一架构的人类团队能够逐步建立并修订约定,而纯生成式流程难以做到这一点。批评者还担心技能传承问题:调试、代码评审与架构推理历来是通过底层编码实践养成的,若初级岗位随之减少,未来由谁来解决大规模生成代码的问题将变得难以回答。

概念边界与治理

随着使用范围扩大,"vibe coding"一词的含义也发生漂移:它最初特指放弃审阅、只凭结果判断的轻量实验,如今被用来泛指几乎所有借助大型语言模型编写的代码,包括经过严格评审的工程实践。开发者西蒙·威利森(Simon Willison)在2025年3月指出,这种语义扩张会让人误以为负责任的人工智能辅助编程就是"忘记代码的存在",并建议用"vibe engineering"区分两类实践:若模型写下每一行代码,但开发者逐行审阅、测试并理解其含义,那更接近把 AI 当作打字助手,而非氛围编程。

由此形成的治理共识是分层使用:在一次性原型、内部脚本与探索性实验中,可以容忍较高的"凭感觉"成分;进入生产环境则必须恢复代码评审、自动化测试、静态与动态分析、权限校验等标准流程,并遵循 OWASP 安全编码实践等既有框架。对于企业而言,更现实的路径不是禁止工具,而是明确其适用边界——让速度红利停留在实验阶段,把可靠性要求留给人来把关。

参见

  • 大语言模型
  • 代码生成
  • 软件工程
  • 人工智能助手
  • 技术债务
  • 程序开发

参考资料

  1. 新华网. 不会编程也能开发应用?Vibe Coding 让"人人皆可创造"成为现实. 新华网, 2026-06-22.
  2. 中新经纬. "手搓App,我赚了40万元". 中新经纬.
  3. 上海市虹口区人民政府. AI编程实战工坊首次重磅来袭. 上海市虹口区人民政府, 2025-07-01.
  4. Becker, J., Rush, N., Barnes, B., Rein, D. Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity. arXiv, 2025-07.
  5. METR. Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity. METR 官方博客, 2025-07-10.
  6. Cybersecurity In Focus. Output from vibe coding tools prone to critical security flaws, study finds. Cybersecurity In Focus.