按照计算机的传统，我们习惯把AI帮助我们写代码称为“AI辅助编程”（AI-assisted coding），就像“计算机辅助设计、制造、教育”等一样。
然而，2025年初，OpenAI联合创始人Andrej Karpathy提出了一个新的概念——Vibe Coding（氛围编码），它代表了一种全新的编程范式。本文将对Vibe Coding与传统AI辅助编程进行对比，并探讨为何需要创造“Vibe Coding”这一术语。
Vibe Coding
Vibe coding（有译氛围编程）是一种使用AI辅助的编程范式，程序员会用提示描述要处理的问题，提供给软件开发专用的大型语言模型（LLM）。应用程序的源代码是由大型语言模型产生，程序员的工作从原来的撰写程式码，改为指导AI产生程式码，测试及优化程式码。Vibe coding的提倡者认为这甚至可以让新手程序员在没有以往软件工程要求技能的情形下，可以产出软件。
核心理念
开发者角色从“代码编写者”转变为“目标描述者”和“流程监督者”，通过自然语言指令（如“创建一个带登录功能的响应式网站”）驱动AI生成代码，强调“忘记代码存在，专注创意表达”。
也有人把它称为“氛围编码”，听着像是通过直觉和感官来编程，而不是通过传统的逻辑和语法。
工作流程：
- 描述需求：用自然语言定义功能目标；
- AI生成代码：工具如Cursor、Claude Code自动生成代码；
- 迭代调试：通过“氛围调试”（Vibe Debugging）复制错误信息让AI修复，或随机调整直至问题消失；
- 交付原型：快速输出可运行的最小化产品（MVP）。
典型工具：
- 对话型工具：Cursor、GitHub Copilot、Trae、winderSurf等。
- 生成型平台：V0.dev（网页生成）、Lovable（全栈应用）；
- 调试依赖：直接粘贴错误信息至ChatGPT/Claude修复。
Vibe Coding 与 AI 辅助编程的关键差异
尽管两者均使用AI生成代码，但定位、流程和适用场景存在本质区别：
| 维度 | Vibe Coding | 传统 AI 辅助编程 |
|---|---|---|
| 开发者角色 | 目标制定者、监督者 | 代码主导者、审查者 |
| 代码审查 | 通常不审查，直接信任AI输出 | 严格审查并优化AI生成代码 |
| 技能重心 | 需求描述、架构拆解、调试提示 | 编程语言、算法、代码质量把控 |
| 交互模式 | “放手式”委托（如“全部接受AI建议”） | 工具化辅助（如补全建议） |
| 适用场景 | 原型验证、个人项目、低风险工具 | 生产级开发、企业应用、复杂系统 |
| 风险 | 代码质量低、安全漏洞、可维护性差 | 可控性高，但效率提升有限 |
典型场景对比：
- Vibe Coding：产品经理用自然语言要求AI生成一个“分析冰箱食材的午餐推荐应用”，AI输出完整代码后直接部署，开发者仅调整功能描述；
- AI 辅助编程：开发者利用Copilot补全函数，但需手动重构逻辑、添加测试并优化性能。
为何需要创造“Vibe Coding”一词？
一直很烦老外总是乱造新词。但仔细推敲之下，发现“Vibe Coding”还是有一定道理。
定义范式跃迁：传统“AI辅助编程”仍属工具范畴，而Vibe Coding代表编程范式的根本性转变——从“人写代码”到“人机协同创作”，需新术语区分其颠覆性。
突显技术代差：
- 技术基础：依赖LLM的强泛化能力（如Claude 3.7的百万级上下文），使AI能理解模糊需求并生成跨文件代码；
- 工作流革新：开发者可完全脱离键盘，通过语音工具（如 superwhisper ）指挥AI，实现“无键盘编程”。
总结
现在大家越来越依赖AI来生成代码，甚至有些人认为AI可以完全取代程序员的工作。Vibe Coding 这个概念的提出，替换了”辅助“这个词，正是为了弱化人类角色，加强对AI的依赖。
现在很多开发者对AI的无条件信任态度（“相信结果有效”），甚至接受“随机调整直到问题消失”的调试方式；实际上，ai一下子生成大量的代码，即便开发人员，想要理解和审查，在时间上不是很容易的事情。现实因素加上人的惰性，导致很多人会选择直接使用AI生成的代码，而不去深入理解和审查。这也是Vibe Coding 这个概念的一个重要方面。
当年最有名的一句话就是：talk is cheap, show me the code。现在恰好反过来，code is cheap,lets talk。不经让人感慨万千。
所以，我理解Vibe Coding的功能性，但反对它。我希望AI永远只是一个辅助工具，而不是取代人类的创造力和判断力。
