2025 年初，前 Tesla AI 总监、OpenAI 创始成员 Andrej Karpathy 在社交媒体上提出了”Vibe Coding”这个词：程序员不再逐行编写代码，而是用自然语言描述需求，让 AI（如 Claude、Copilot 或 Cursor）生成代码，然后通过运行程序来”感受”结果是否符合预期。如果不对，继续描述修正需求，再次生成，直到满意。
这一范式的出现不只是工具层面的更新，它正在重新定义”编程”的本质和门槛。
## Vibe Coding 的核心流程
传统编程要求程序员理解语言语法、数据结构、算法，并能精确表达逻辑。Vibe Coding 的流程截然不同：
1. **描述意图**：用自然语言告诉 AI 你想要什么（”创建一个能上传 CSV 并显示数据图表的网页”）
2. **运行生成的代码**：直接执行，看效果
3. **描述问题**：如果不对，描述”哪里不对”（”图表颜色太暗，x 轴标签重叠”）
4. **迭代**：重复上述过程直到满足需求
Karpathy 描述自己用这种方式快速构建了一些他不可能”传统方式”完成的项目，因为他不熟悉相关语言和框架，但 AI 能生成可运行的代码，他能判断结果是否正确。
## 主流 AI 编程工具生态
**GitHub Copilot**：微软/OpenAI 出品，深度整合于 VS Code，目前最广泛使用的 AI 编程助手。支持代码补全、聊天式代码生成和代码解释。2024 年月活超过 130 万开发者。
**Cursor**：基于 VS Code 的 AI 优先 IDE，将 LLM 深度整合到编辑器流程中，支持对整个代码库的对话式操作。许多开发者认为 Cursor 是目前体验最好的 AI 编程工具。参见 [cursor.com](https://cursor.com)。
**Claude（Anthropic）**：擅长长上下文代码理解和生成，支持处理完整代码库。Claude 3.7 Sonnet 在多项编程基准上排名靠前。
**OpenAI Codex/GPT-4o**：通过 ChatGPT 和 API 提供，o1/o3 系列模型在推理密集的编程任务上表现突出。
**Replit Agent**：直接在浏览器中完成从描述到运行的全流程，无需本地开发环境，适合初学者和快速原型。
**Devin（Cognition AI）**：定位为”AI 软件工程师”，能自主完成任务规划、代码编写、调试和部署，是 Agentic 编程的代表。
## 对传统开发工作流的影响
Vibe Coding 不是对传统编程的完全替代，而是在特定场景的大幅加速：
**适合的场景**：快速原型验证、自动化脚本、前端 UI 生成、单次使用的数据处理任务、个人工具开发。
**仍需人工判断的场景**：系统架构设计、安全敏感代码（认证、加密）、性能关键路径、大型团队协作维护的生产代码、复杂的业务逻辑设计。
多项调查数据显示，2025 年，25-40% 的代码在提交时已由 AI 协助生成（不同公司和语言差异明显）。GitHub 数据显示，Copilot 用户的代码提交速度提升约 55%。
## 谁能从 Vibe Coding 中获益最多
**非专业程序员**：数据分析师可以用 AI 生成 Python 分析脚本；产品经理可以快速原型验证想法；研究人员可以自动化数据处理。
**专业程序员**：在熟悉的领域使用 AI 加速，在陌生领域（不熟悉的语言或框架）的快速学习和实验。
**独立开发者（Indie Hackers）**：大幅降低了”一个人做一款产品”的技能门槛，2025 年出现了更多单人开发者上线产品的案例。
## 潜在风险
AI 生成的代码可能包含安全漏洞（尤其是认证和输入验证），也可能依赖过时的 API 或引入版权有争议的代码片段。”Vibe Coder”可能无法识别这些问题。最健康的做法是将 Vibe Coding 理解为加速工具，而非替代思考——在输出代码上进行 review 仍然必要。
参见[AI编程工具比较](https://sunqi.org/ai-coding-tools-comparison-zh/)及 [GitHub Copilot 研究报告](https://github.blog/2023-06-27-the-economic-impact-of-the-ai-powered-developer-tooling/)。
—
