Vibe Coding

氛围编程是指用日常语言向 AI 模型描述想要的功能，然后不阅读它生成的代码就接受代码，只根据程序表面上能否运行来判断结果。Andrej Karpathy 是 OpenAI 创始成员之一，曾任特斯拉 AI 负责人；他于 2025 年 2 月将这种实践称为“一种新型编程”，并形容其特点是“你完全顺着感觉来，拥抱指数级增长，忘记代码本身的存在”。他描述了自己通过语音与 Cursor 的 Composer 对话、不看差异就点击“全部接受”，并在没有任何说明的情况下粘贴错误消息的做法，还称这种方式“用来做周末的一次性项目还不错”。几个月内，这个词就远远超出了程序员圈子；《柯林斯词典》将“vibe coding”评为 2025 年度词汇。Cursor、Claude Code 和 Replit Agent 等编程智能体，以及 Lovable、Bolt 和 v0 等应用构建工具，让没有编程经验的人也能从提示词开始，构建并部署 Web 应用。

氛围编程的工作方式#

用户描述想要的行为并测试结果，AI 智能体则负责编写、编辑和调试代码。每一轮的结果可能是运行成功、出现错误后由用户粘贴回来，或者看起来不对劲而需要重新描述：

这种方法之所以可行，是因为大型语言模型（LLMs），尤其是经过代码训练的推理模型，如今能够为 Web 前端和 Python 脚本等常见技术栈生成可运行的程序；此外，编程工具的智能体运行框架可以自行运行程序并读取错误，无需人工协助。这种方法适合原型、内部工具和只有作者本人使用的个人软件，因为这类场景中 Bug 的代价很低，而速度最重要。

氛围编程与相关实践#

• AI 辅助编程：使用 LLM 编写代码，再由开发者审查并理解代码。Simon Willison 在文章《并非所有 AI 辅助编程都是氛围编程》中划分了两者的界限：如果你审查并充分测试了 LLM 编写的代码，而且能向他人解释它，那么这就是软件开发。
• 智能体式编程：编程智能体从头到尾完成任务，这些工具也正是氛围编程使用的工具。专业团队会在开发流程中保留代码审查、测试和持续集成（CI）。
• 低代码和无代码平台：通过可视化构建工具，让非程序员使用预制组件组合应用。氛围编程则会生成任意语言或框架下的常规源代码。
• 生成式 AI：能够生成文本、图像和代码的更广泛技术。氛围编程是使用这项技术的一种方式。

使用氛围编程构建计算机视觉应用#

计算机视觉原型是常见的氛围编程项目，因为只需一个简短脚本，就能在网络摄像头画面中检测、计数或跟踪对象。生成的代码是否最新，取决于模型的训练数据；因此，只凭记忆工作的智能体可能会推荐过时的模型权重或参数。Ultralytics Agent Skills为 Claude Code、Codex、Cursor 和其他兼容智能体提供了模型选择、数据集准备、训练、推理和导出流程。这些流程以固定到某个 ultralytics 版本的目录为依据，并要求智能体在目录与已安装包的 yolo checks 和 yolo cfg 输出不一致时，以已安装包的输出为准。像“在我的数据集上训练一个 YOLO26检测器并将其导出为 ONNX”这样的请求，就会按照技能文档中的训练和导出流程执行，而不是依赖模型对旧版本的记忆。

未经审查代码的风险#

Karpathy 指出，代码“会变得超出我平时的理解范围”，因此后续的修改和修复也会依赖模型；没有人查看的地方就会累积技术债务。拥有 Shell 访问权限的智能体可以删除文件或运行破坏性命令，因此编程工具会让它们在智能体沙箱中运行，并在执行高风险操作前征求许可；智能体读取的依赖项或网页也可能携带提示词注入。安全漏洞也可能以同样的方式随软件发布：Veracode 于 2025 年针对 80 项编程任务对 100 多个 LLM 进行测试，结果发现生成代码在 45% 的情况下引入了安全漏洞；Java 的失败率超过 70%，Python、C# 和 JavaScript 则在 38% 到 45% 之间。