Vibe Coding：用"感觉"写代码的新范式

林发和大约 7 分钟

Vibe Coding：用"感觉"写代码的新范式

当 AI 成为你的编程搭档，写代码变成了一种创作体验

什么是 Vibe Coding？

Vibe Coding（氛围编程）是由 AI 研究员、特斯拉前 AI 总监 Andrej Karpathy 于 2025 年 2 月在 X（原 Twitter）上提出的一个新概念。

他的原话是这样的：

"There's a new kind of coding I call 'vibe coding', where you fully give in to the vibes, embrace exponentials, and forget that the code even exists."

翻译过来就是：完全沉浸在氛围中，拥抱 AI 的指数级能力，甚至忘记代码本身的存在。

简单说，Vibe Coding 就是：

🗣️ 用自然语言告诉 AI 你想要什么
🤖 让 AI（如 Claude、GPT、Cursor 等）生成代码
🔁 看结果不对？继续用自然语言描述问题，让 AI 修
✅ 直到满意为止

你不再是逐行写代码的程序员，而是一个用意图驱动 AI 的导演。

Vibe Coding 的核心特征

1. 自然语言优先

不再需要记忆 API 文档、语法细节或库的用法。你只需要描述你想要什么效果：

"帮我写一个可以上传图片并自动压缩的 React 组件，
支持拖拽，压缩后显示对比大小"

2. 迭代式对话

Vibe Coding 不是"一次生成完事"，而是持续对话：

你：这个按钮点击没反应
AI：[修复代码]
你：好了，但样式太丑了
AI：[调整样式]
你：完美！

3. 不执着于理解每一行代码

Karpathy 本人承认，有时候他接受 AI 生成的代码，甚至不完全理解其中的细节。重点是结果能用，而不是每行都亲手写出来。

4. 低门槛、高产出

非专业程序员也可以借助 Vibe Coding 快速构建出可用的产品原型，大大降低了软件开发的门槛。

Vibe Coding 与传统编程的对比

维度	传统编程	Vibe Coding
主要工具	IDE + 文档 + Stack Overflow	AI 对话界面（Cursor、Claude 等）
思维方式	如何实现（How）	想要什么（What）
学习曲线	陡峭	平缓
适合人群	专业开发者	所有人
代码掌控度	高	相对低
开发速度	中等	极快（原型阶段）
代码质量	可控	需要审查

Vibe Coding 能做什么？

✅ 适合的场景

快速原型验证：想验证一个产品想法，几小时内跑通 Demo
个人小工具：写个自用脚本、小网站、自动化任务
前端页面：描述 UI 效果，AI 直接生成 HTML/CSS/React
数据分析脚本：告诉 AI 你的数据格式和分析目标
学习辅助：边做边学，AI 帮你解释代码逻辑

❌ 不适合的场景

大型生产系统：需要严格的架构设计和代码审查
安全敏感模块：支付、认证等不能盲目信任 AI 生成的代码
高性能要求场景：AI 生成的代码未必经过性能优化
需要深度定制的复杂业务逻辑

主流的 Vibe Coding 工具

工具	特点
Cursor	专为 AI 编程设计的 IDE，支持全文件上下文对话
GitHub Copilot	嵌入 VS Code，行内补全 + Chat 功能
Claude (Anthropic)	强大的代码理解与生成能力，支持长上下文
Bolt.new	在浏览器中直接生成并运行全栈应用
v0 (Vercel)	专注 UI 组件生成，输出 React + Tailwind 代码
Replit Agent	在线 IDE，AI 可直接操作文件和终端
Kiro CLI	终端中的 AI 编程助手，支持项目级上下文

Vibe Coding 的争议

支持者的观点 👍

民主化编程：让更多人能够构建软件，不再被技术门槛阻挡
提升效率：专业开发者也能 10x 提速
专注创意：把精力放在产品设计和用户价值上，而不是语法细节

批评者的观点 👎

"不懂代码就是技术债"：看不懂 AI 写的代码，出了 Bug 不知道怎么修
安全隐患：AI 生成的代码可能包含漏洞，非专业人士难以识别
依赖性问题：过度依赖 AI 会导致编程能力退化
幻觉问题：AI 有时会自信地生成错误代码（Hallucination）

如何正确地 Vibe Coding？

即便你选择拥抱 Vibe Coding，以下几点建议可以让你用得更好：

描述要具体：越具体的需求，AI 越能给出准确的代码
- ❌ "写个登录功能"
- ✅ "用 React + TypeScript 写一个登录表单，包含邮箱和密码字段，使用 Zod 做表单验证，失败时显示红色错误提示"
分步拆解：不要一次性提出过于复杂的需求，拆分成小步骤
看懂关键逻辑：不必理解每一行，但核心逻辑最好能读懂
做好测试：AI 生成的代码需要更严格的测试来保证质量
版本控制：每次 AI 改动后及时 commit，方便回滚