当前位置: 首页 > news >正文

Vibe Coding

VibeCoding

参考https://juejin.cn/post/7537644857381109769

什么是VibeCoding?

VibeCoding(氛围编程)一种更注重直觉、感觉和流畅的状态,而非严格遵循规范或理论。这是一种人工智能辅助软件开发方式,让开发者不在亲自编写每行编码,通过对话时AI进行交流,AI根据自然语言提示自动生成程序

起源

在“氛围编程”流行之前,“Vibe Check”(氛围检查)已经非常火爆,用于询问或评估某人/某事的当前状态或感觉。

VibeCoding人工智能专家安德烈·卡帕斯提(Andrej Karpathy)于2025年初提出Karpathy当时调侃道:“我称之为一种新的编程方式——vibe coding,就是完全沉浸在感觉中,拥抱指数级提升,忘记代码本身的存在”。Vibevibration单词变体

传统coding区别

  • 旧模式:手写代码 -> 调试错误 -> 运行检查。
  • Vibe Coding 模式:自然语言描述需求 -> AI 生成全套实现 ->Vibe Check(运行并检查功能和体验是否符合预期)。

实现流程

Prompt(提示词)用自然语言向AI尽可能清晰的、明确的描述你要实现的目标

AI生成代码AI根据你的自然语言描述生成代码此刻需要作为一个需求不需要操作任何代码

运行然后查看结果AI生成代码之后需要关注结果是否达到了自己要求

反馈问题进行调整根据运行结果,向AI提供反馈并提出修改要求

最后重复迭代:上述“生成->运行->反馈”的循环会反复进行,直到代码满足需求为止。每一轮迭代,开发者都在引导AI逐步逼近目标。整个过程更像是在与AI对话调试,而非独自埋头写代码。

Vibe Coding就是整个编码全程不需要进行code,通过提示词一遍一遍完善编码实现一个基本功能然后根据结果要求一步步优化迭代

借助AI编程助手开始VibeCoding

  • ChatGPT/GPT-4(对话式AI助手)
    • 特点ChatGPT提供自然语言对话体验特别适合从无到有构思尝试实现vibecoding完整循环另外,新版的ChatGPT(如GPT-4)在理解复杂需求、编写多段代码方面能力更强,OpenAI也推出了面向代码的强化模式(如Code Interpreter、Advanced Data Analysis插件)帮助执行代码和分析输出。这些都让ChatGPT非常胜任vibe coding的场景。
    • 不足之处是,目前ChatGPT对长代码上下文的掌控有限(上下文窗口限制),对于大型项目可能需要分模块沟通。
  • GitHubCopilot(IDE内代码补全助手)CopilotOpenAI模型驱动在编辑器(VS Code、JetBrains等)中使用的AI编码助手。适合代码片段vibecodinghttps://githubdocs.cn/en/copilot/quickstart
    • 与ChatGPT不同,Copilot不像聊天机器人那样直接对话,而是在您编码时实时给出建议通过你写注释来推测完成你需要功能通过tab接受或者注释完成修改
  • curosr(带AI助手的代码编辑器):Cursor支持双模式:一是编写Prompt文件或注释,让AI据此批量生成/修改代码;二是在聊天面板直接下指令,让AI对当前项目操作。特别之处在于,Cursor可以利用项目上下文,进行诸如“全局替换/重构”、“解释这段代码”等深度操作
  • Sourcegraph Cody(代码库AI助手):Cody是代码搜索公司Sourcegraph推出的AI编程助手,定位于了解你代码库的聊天助手。它可以索引整个项目的代码,并在聊天中参考项目内容给出回答或修改建议。
    • 实践方法:将Cody接入你的代码仓库(支持本地VS Code插件或Sourcegraph平台),然后你可以问它关于代码的问题,或者让它基于现有代码实现新功能。
    • Cody让vibe coding从孤立的“小工具”拓展到了团队协作场景——AI可以融入整个代码库的生命周期。当然,实现这一切的前提是对Cody进行权限配置,以读取必要的仓库内容,并保证敏感代码不泄露给云端模型。这涉及到公司安全策略,在实践时需遵守企业规定。

VibeCoding实践中常见的一个流程是:先用聊天式工具生成初版代码,再进入IDE用Copilot/Cursor细调,两者结合将AI能力发挥到最大。

总结

VibeCoding就是开发者变为需求者不需要编码只需要将你需求明确提给AI,然后AI根据你的需求编写代码然后进行验证不需要用户关注代码生成细节之一关注结果是否符合如果符合反馈AI,进行调整修正最后重复之前行为经过多次迭代生成优美符合要求代码

问题在于:对于大型项目来说缺少了代码review,开发人员思考多个开发人员使用AI造成内部逻辑不清晰维护起来比较困难有问题排查bug时候比较开发人员都不清楚自己代码那么其他人员接手时候难免可读性比较差

http://www.cnnetsun.cn/news/837946.html

相关文章:

  • League Akari:革新LOL竞技体验的智能辅助工具
  • 从零开始:用ccmusic-database/music_genre搭建个人音乐分类工具
  • DeepSeek-R1-Distill-Qwen-1.5B实战案例:树莓派上运行数学80分AI助手
  • SeqGPT-560M高性能推理教程:FP16混合精度+TensorRT加速完整部署流程
  • CogVideoX-2b开源优势:可自主部署的文生视频大模型
  • 避坑指南:CosyVoice-300M Lite部署常见问题全解
  • 模组安装总失败?这款神器让你5分钟变身圣巢大师
  • springboot图书借阅系统_i0521
  • VibeThinker-1.5B-WEBUI从零开始:新手部署保姆级教程
  • HY-Motion 1.0实战案例:为无障碍APP生成手语翻译动作,支持听障人群信息获取
  • GTE中文向量模型入门必看:中文长文档分块策略与跨段落实体消歧实践
  • 对比多个抠图模型,BSHM的实际表现令人惊喜
  • 零样本音频分类神器CLAP:小白也能快速上手指南
  • Flowise效果实测对比:本地Qwen2.5 vs OpenAI GPT-4 Turbo响应质量
  • Qwen3-4B-Instruct-2507效果展示:创意故事生成连贯性实测
  • Z-Image-ComfyUI显存占用过高?16G消费级显卡适配方案
  • HY-Motion 1.0部署优化:GPU显存占用降低技巧详解
  • 科哥魔改版GLM-TTS,开箱即用免配置
  • 使用Python爬虫的重要原因和6大常用库推荐
  • 4步极速出图:WuliArt Qwen-Image Turbo的高效生成体验
  • SeqGPT-560M实战教程:结合LangChain构建带记忆的零样本对话式信息抽取
  • Qwen2.5-Coder-1.5B零基础入门:5分钟搭建你的第一个代码生成AI
  • ChatGLM-6B实际用途揭秘:写邮件、做总结、答问题全搞定
  • AutoGLM-Phone-9B深度解读|跨模态融合与边缘推理优化方案
  • CCMusic黑科技:用视觉模型识别音乐风格的奇妙体验
  • all-MiniLM-L6-v2惊艳效果:同义问法匹配准确率超BERT-base的实测报告
  • 从入门到精通:coze-loop代码优化全流程手把手教学
  • MedGemma-X中文交互优势:支持‘右肺中叶斑片影,考虑什么?’类口语化提问
  • 价值投资者如何看待加密货币和数字资产
  • 如何快速调通YOLO11?保姆级环境部署教程来了