“有一种全新的编码方式，我称之为“vibe coding”（氛围编码）。你完全沉浸在氛围里，拥抱指数式增长，甚至忘记代码本身的存在。这之所以可行，是因为大模型（比如 Cursor Composer 搭配 Sonnet）已经强大到离谱了。”
——Andrej Karpathy
这个由前 OpenAI 研究员 Andrej Karpathy 在今年 2 月提出的概念——“Vibe Coding”，如今正在硅谷乃至更广泛的技术圈中持续走红。
据硅谷知名创业孵化器 Y Combinator（YC）的最新消息显示，在 2025 年冬季（W25）这一批 YC 创业公司中，有四分之一的初创团队表示其 95% 的代码都是 AI 生成的。YC 管理合伙人 Jared Friedman 在一档讨论 Vibe Coding 的播客节目中公开了这个数字。
值得一提的是，这些创始人并不缺乏技术背景，过去也能从零开始编写产品，“但如今，他们更愿意直接把绝大部分编码都交给 AI。”
YC CEO Garry Tan 在播客中更是直接指出：“Vibe Coding 不是一阵风潮，也不会消失；它是编码的主流方式，如果你不这么做，就可能被落在后面。”
过去一年里，许多专注 AI 辅助编程的初创公司（如 Bolt.new、Codeium、Cursor、Lovable、Magic）纷纷获得大额融资，也反映了市场对这一领域的强烈兴趣。
一、用“vibe coding”来创作
“我只是在看到什么就说什么，运行，复制粘贴，然后基本能跑起来。如果发生错误，就把错误信息再塞给 AI，接受它的改动，试试看能不能行，然后反复这个流程。”这是 Karpathy 此前在帖子中对 vibe coding 过程的描述。
显然，vibe coding 与传统软件开发的最佳实践——如严格规划、测试和深入理解实现细节——截然不同。Karpathy 当时在帖子中也带着幽默的口吻承认，这种方式适合追求极致“懒人体验”的程序员——“我会提一些很简单的需求，比如‘把侧边栏的内边距缩小一半’，因为我懒得去找那段代码了。我只管点 ‘全部接受’，都不再看 diff。”
“vibe coding 的方式对于那些有创意但编程能力不强的人帮助很大，对于有较强编程能力的人来说也是有效的。”正马软件 CTO 沈凎近日在 InfoQ 的一场直播上提到，他最近在做一个研究项目，涉及到一个复杂的前端界面模拟。虽然他并非前端工程师，但通过 AI 工具，他只需简单描述，工具就能快速生成前端界面，如此一来，验证其他部分想法时就能更加高效。
“对于有一定工程素养的人来说，描述清楚后，AI 可以在半小时到一小时内完成整个界面的生成，这种方式对探索新事物和创意实现非常方便。”沈凎说道。
微软工程师 Peter Yang 最近也在一条 X 帖子中演示了 vibe coding 的应用。通过一系列对话式提示输入给 Cursor 和 Claude 3.7 Sonnet，做出了一个简单的 3D 第一人称射击丧尸游戏。Yang 还用了语音转文字应用，以便他能直接用口述来描述需求，并在不断迭代中完善原型。
无论如何，从本质上说，vibe coding 能让只具备基本沟通能力的人，至少在做一些小项目时，变成“用自然语言编程”的开发者。
不过，在当前的大模型里，能够一次性处理多少代码（即上下文大小）仍是限制之一，意味着使用 vibe coding 创作的项目规模有一定上限。如果项目太复杂，用户就需要主动扮演更高层的项目管理角色，将 AI 生成的代码片段拼装到更大的架构中。随着每一代 AI 大模型的技术限制逐渐放宽，这种束缚或许终有一天会消失。
二、vibe coding 的隐忧：调试与理解
在 vibe coding 所带来的高效与随性背后，也暗藏了调试和维护难度的坑。
当初创公司仅有数十或数百用户时，Vibe Coding 效率惊人。但如果产品迅速积累数百万乃至上亿用户，如何保证系统的稳定性就成了严峻挑战。
YC 的 Garry Tan 认为，到了那时候，如果 AI 不能很好地帮你调试，你还是要下到底层去看。你需要知道那些代码到底在干什么。他表示，创始人如果希望产品能走得更远，就需要具备传统的编码训练背景。
YC 合伙人 Diana Hu 亦指出，目前很多大模型在系统调试能力上仍显不足。即使开发者或产品创造者高度依赖 AI，他们仍需具备一项重要技能：阅读代码并发现 bug。“你必须有足够的训练和对代码质量的判断力，知道大模型吐出来的是好东西还是坏东西。要想做好 ‘vibe coding’，你依旧需要能分辨好坏的‘品味’与知识。”
开发者 Ben South 在 X 上调侃 vibe coding 很有趣，可一旦需要“vibe debug“就是另一回事了
独立开发者兼 AI 研究者 Willison 最近在其博客中提到，如果 AI 编程工具出现“幻觉”并生成不存在的东西倒也没那么可怕，因为代码工具带有“内置事实核对”：如果有虚构的代码，运行就会报错。
但是，vibe coding 在专业环境中的风险回报比要复杂得多。个人或小规模项目可以容忍，然而对于企业来说，代码的可维护性与可靠性会有更高要求，而 vibe coding 生成的代码往往难以满足这些标准。如果代码无法如预期般工作，要想修复就必须了解它在做什么——这正是 vibe coding 通常跳过的环节。
谈到如何划定什么是真正的 vibe coding，Willison 做了一个重要区分：
“如果你让 LLM 写了所有代码，但你还是对它进行了审阅、测试并理解了其原理，那并不算 vibe coding——那其实只是把 LLM 当成一个打字助手。相反，vibe coding 是在没有充分理解代码如何工作的情况下就直接接受。”
尽管最初可能只是 Karpathy 的半开玩笑提法，vibe coding 却可能反映了一部分开发者思路的转变——他们更看重速度与实验，而不再执着于深入的技术理解。
Willison 还强调说，开发者还是必须为自己产出的代码承担责任：“我一直坚信，作为开发者，你得为自己编出的代码负责——如果你要署上自己的名字，那就得对它如何运行、为什么这样运行有把握，最好到能讲解给他人的程度。”
三、编程工作的未来是否会被 Vibe Coding 颠覆
那么，vibe coding 会不会让人类程序员面临失业？从本质上说，编程始终是告诉计算机如何运行。具体的方法虽然一直在演变，但总有人在“精确指令”这件事上比别人更擅长——即便是借助自然语言。某种意义上，这些擅长与 AI 沟通的人，可能会成为新时代的“程序员”。
回顾历史，在 20 世纪 70 年代末到 80 年代初，很多专家曾预测，要想有效使用计算机，每个人都需要编程技能，因为当时几乎没有现成的软件可用。于是世界各地的教育体系都开始普及“计算机编码”课程。可没过多久，人们开发了足够多的应用软件，让非程序员也能轻松使用电脑——无需编程。即便如此，程序员也依然没有消失，他们反而借助这些应用去编写更庞大、更复杂的软件。或许， AI 编程工具也会经历同样的过程。
类似地，就像自动驾驶仪使超音速飞行更安全、更高效，AI 在编程领域也让人类可以“抽象掉”一些繁琐的手动编码环节，进而探索更复杂或更创新的软件体验。
可是，到那个时候，人类还能理解并调试那些由 AI 生成的大规模代码吗？也许不能。到时候，我们也许会对 AI 工具产生全面依赖。
至于 “vibe coding” 能否长期在编程领域占据一席之地，抑或只会停留在原型开发阶段，更多取决于组织在代码质量、可维护性和技术债上愿意承担多大风险，而不仅仅由 AI 模型的技术能力来决定。就目前来看，vibe coding 更像是 AI 与人类开发者之间又一次“既合作、又实验”的互动——或许还谈不上全自动，但的确逐渐模糊了“谁才是真正程序员”的界限。
参考链接：
https://techcrunch.com/2025/03/06/a-quarter-of-startups-in-ycs-current-cohort-have-codebases-that-are-almost-entirely-ai-generated/
https://www.youtube.com/watch?v=IACHfKmZMr8
本文来自微信公众号：InfoQ，作者：燕珊