什么是 Vibe Coding

“Vibe Coding”一词由 Andrej Karpathy 在 2025 年 2 月提出（原始帖子）。它最初描述一种高度依赖大模型、弱化逐行阅读代码的编程方式：开发者主要用自然语言提出需求，接受并运行 AI 生成的改动，再根据结果继续反馈。

需要区分两个概念：

AI 辅助编程：开发者仍理解、审查并负责代码，只是借助 AI 提高效率；
Vibe Coding：更强调“描述意图—运行结果—继续调整”，甚至暂时忽略实现细节。

因此，Vibe Coding 很适合原型、个人工具和探索性项目；对于生产系统，更稳妥的做法是把它与需求评审、代码审查、测试、安全检查和运维流程结合，而不是把提示词当作全部工程工作。

flowchart LR
    subgraph Vibe Coding AI 全栈开发新范式
        direction LR
        %% 左栏
        subgraph 传统开发
            L1["语法难度"]
            L2["手工实现"]
            L3["代码驱动"]
            L4["实现细节优先"]
        end

        %% 中间箭头
        ARROW["AI 赋能"]

        %% 右栏
        subgraph Vibe Coding新模式
            R1["直达产品价值"]
            R2["产品主理人"]
            R3["意图驱动"]
            R4["用户体验优先"]
        end

        L1 & L2 & L3 & L4 --> ARROW --> R1 & R2 & R3 & R4
    end

    %% 底部标语
    Note1["降低实现门槛，更快验证产品价值"]
    Note2[["AI 生成代码仍需审查、测试与维护"]]

    %% 样式
    classDef darkBox fill:#1a1a1a,stroke:#ddd,color:#f8f8f8
    class L1,L2,L3,L4,R1,R2,R3,R4 darkBox

核心转变：
- 从”代码驱动”转向”意图驱动”
- 从”实现细节优先”转向”用户体验优先”
- 从“如何实现”扩展到“要达成什么目标”
技术特征：
- 基于智能体(Agent)架构，集成多种开发工具
- 典型工具包括Cursor、Claude Code等AI编程助手
- 开发者通过对话交互实现需求迭代

典型应用

flowchart LR
    subgraph 适用场景
        S1["快速原型设计"]
        S2["内部工具/小App开发"]
        S3["创新性实验代码"]
        S4["非工程人员参与开发"]
    end
    Note["Vibe Coding 不替代传统软件工程，而是简化流程、加速创新、提升协作"]
    subgraph 三大价值
        V1["简化流程"]
        V2["加速创新"]
        V3["提升协作"]
    end
    S1 & S2 & S3 & S4 --- Note --- V1 & V2 & V3

快速原型设计：用自然语言描述即可生成可演示原型
内部工具开发：非技术人员可自主创建小型应用
创新性实验：降低技术验证门槛，加速idea落地

效率提升：
- 实际收益取决于任务类型、代码库质量、模型、工具权限和验收标准
- 应通过团队自己的交付周期、缺陷率和返工次数衡量，不宜直接套用固定的“10 倍提效”数字
核心价值：
- 简化流程：自动处理代码细节，开发者专注业务目标
- 加速创新：分钟级实现想法验证，缩短试错周期
- 提升协作：降低技术沟通成本，促进跨职能合作
与传统开发关系：
- 不是替代软件工程，而是优化开发流程
- 保留需求分析→架构设计→测试部署完整生命周期

核心特性

flowchart TD
    %% 样式定义
    classDef card fill:#181818,color:#ffffff,stroke-width:3px
    classDef box1 stroke:#4298f5
    classDef box2 stroke:#4fc068
    classDef box3 stroke:#f29037
    classDef box4 stroke:#b168e0
    classDef box5 stroke:#38c2c2
    classDef noteBox fill:#121212,color:#fff,stroke:#ddd,stroke-dasharray:8 4

    %% 第一行横向三模块
    subgraph TopRow
        direction LR
        F01["01 自然语言驱动\n用自然语言描述需求，AI 自动生成代码\n帮我写一个 TODO List 的 Web 应用\n→ AI 生成 HTML、CSS、JavaScript"]
        F02["02 AI 作为主要编码者\nAI 不只是自动补全，而是核心代码生成者\n开发者角色转变：定义意图 → 确认结果\n→ 调整输出，而非逐行编写代码"]
        F03["03 交互性与快速迭代\n对话式、循环式的开发过程\n提需求 → AI 输出 → 检查测试 → 反馈调整\n快速循环，敏捷实验想法"]
    end

    %% 第二行横向两模块
    subgraph BottomRow
        direction LR
        F04["04 降低技术门槛\nAI 负责繁琐技术细节\n无传统编程经验也能构建应用\n软件开发民主化，更贴近产品想法"]
        F05["05 目标与结果导向\n不关注代码怎么写，关注能否实现功能\n意图驱动、结果导向的思维转变\n不纠结实现细节，聚焦最终效果"]
    end

    Core["核心理念\nVibe Coding 让开发者从写代码转变为指导 AI，专注于创意和产品价值，\n而非技术实现细节。这是编程方式的根本性变革。"]

    %% 层级关系
    TopRow
    TopRow --> BottomRow
    BottomRow --> Core

    %% 统一附加样式（后置批量赋值，规避多类叠加报错）
    class F01 card,box1
    class F02 card,box2
    class F03 card,box3
    class F04 card,box4
    class F05 card,box5
    class Core noteBox

自然语言驱动

工作方式: 开发者用自然语言描述需求，AI自动生成代码
典型案例: “帮我写一个TODO List的Web应用”→AI生成HTML、CSS、JavaScript
效率判断：简单、边界清晰的任务通常更容易提速；复杂任务仍需验证和调试

AI作为主要编码者

角色转变:
- 开发者：从”写代码”转变为”定义意图→确认结果→调整输出”
- AI：从”自动补全”升级为”核心代码生成者”
工作关系: 开发者如同”主人”或”管理者”，AI如同”员工”执行具体编码任务
实现过程：部分工具支持自动选模，但具体策略取决于产品与套餐，并非所有工具都会自动匹配模型

交互性与快速迭代

开发流程: 提需求→AI输出→检查测试→反馈调整的循环过程
修改示例: 页面颜色从白色改为绿色只需简单自然语言指令
敏捷特性: 支持快速循环调整，符合敏捷开发理念

Vibe Coding 是更简单，还是更难

flowchart TD
    %% 全局样式定义
    classDef greenBox fill:#181818,color:#fff,stroke:#48b860,stroke-width:3px
    classDef redBox fill:#181818,color:#fff,stroke:#e05555,stroke-width:3px
    classDef circleBox fill:#111,color:#fff,stroke:#aaa,stroke-dasharray:6 3
    classDef bottomWrap fill:#121212,color:#fff,stroke:#9966dd,stroke-width:3px
    classDef newBox fill:#223322,color:#fff,stroke:#70e070
    classDef devBox fill:#332222,color:#fff,stroke:#f07070
    classDef valBox fill:#333311,color:#fff,stroke:#f0d060

    %% 顶部标题
    title["Vibe Coding 到底是难还是简单？"]

    %% 左侧：看起来简单（绿色框）
    subgraph LeftSide [看起来简单]
        L1["不需要写代码语法\n用自然语言描述需求\nAI 自动生成代码"]:::greenBox
        L2["低门槛快速产出\n简单页面、小工具、原型\n几句话实现功能"]:::greenBox
        L3["√ 少受语法阻碍\n√ 快速看到成果"]:::greenBox
    end

    %% 中间迭代循环虚线椭圆区域
    subgraph CenterLoop [迭代循环本质]
        direction LR
        D[Describe]
        G[Generate]
        V[Validate]
        R[Refine]
        noteC["不是线性，而是迭代"]
        D --> G
        G --> V
        V --> R
        R --> D
    end
    class CenterLoop circleBox

    %% 右侧：实际很难（红色框）
    subgraph RightSide [实际很难]
        R1["自然语言有歧义\nPrompt 设计是一项技能"]:::redBox
        R2["AI 输出不稳定\n需要反复验证和调整"]:::redBox
        R3["需要理解并修正代码\n检查、调试甚至重写"]:::redBox
        R4["复杂系统需要工程能力"]:::redBox
    end

    %% 底部核心理解大框
    subgraph BottomCore [核心理解]
        direction LR
        B1["新手\n看起来很简单——模糊技术细节\n让人更快看到结果"]:::newBox
        B2["资深工程师\n并不简单——生产级软件需处理\n安全性、可维护性、架构设计"]:::devBox
        B3["现实价值定位\n快速原型、创意验证，提高生产率\n而非完全取代传统软件工程"]:::valBox
        footText["简单演示 → 复杂业务逻辑 → 可维护架构 → 高质量软件工程\n需要掌握：Prompt 设计、调试方法、底层编程、架构知识"]
    end
    class BottomCore bottomWrap

    %% 页面布局连线（控制排版层级）
    title --- LeftSide & CenterLoop & RightSide
    LeftSide -.-> CenterLoop
    CenterLoop -.-> RightSide
    LeftSide & CenterLoop & RightSide --- BottomCore

开发方式变化：开发者可以先描述目标，让 AI 生成初版代码，再通过测试和反馈迭代
角色转变: 开发者从”写代码”转变为”指导AI”，专注于创意和产品价值而非技术实现细节
开发流程: 采用对话式、循环式的开发过程：提需求→AI输出→检查测试→反馈调整
典型案例: 用自然语言描述”帮我写一个TODO List的Web应用”，AI可自动生成HTML、CSS、JavaScript代码
价值定位: 实现软件开发民主化，让无编程经验者也能构建应用，更贴近产品想法

看起来简单实际很难

自然语言歧义性:
- 中文博大精深，同一提示词可能有不同理解角度
- 大模型对提示词的理解存在不确定性，可能导致输出偏差
输出不稳定性:
- AI生成的代码可能部分满足需求(如10个需求点中7个正确，3个需要调整)
- 需要反复验证和调整，开发流程呈迭代式而非线性
工程能力要求:
- 复杂系统仍需处理安全性、可维护性、架构设计等问题
- 修改功能时可能产生连锁反应(如修改C功能影响A功能，新增D功能影响B功能)
技能要求:
- 需要掌握Prompt设计、调试方法、底层编程和架构知识
- 需建立将不确定性转化为确定性的方法论
适用场景:
- 优势领域：快速原型开发、创意验证、小型工具/页面开发
- 局限领域：生产级软件仍需传统软件工程能力
用户群体影响:
- 新手：可快速开发简单项目，模糊技术细节
- 资深开发者：提高效率，但仍需处理复杂工程问题
- 架构师：能快速实现高质量架构设计

Enterprise SDLC 软件开发生命周期

开发周期的七个阶段

阶段	核心目标与活动	关键产出
1. 规划 (Planning)	明确项目范围、目标和高层需求，进行初步的可行性分析。通过头脑风暴和 stakeholder 访谈，确定软件要解决的问题、目标用户等。	初始项目计划、软件需求规范（SRS）初稿
2. 分析 (Analysis)	深入收集、分析并细化详细需求。这可能包括市场调研、用户访谈、合规性及安全需求分析。	详细的需求文档
3. 设计 (Design)	将需求转化为具体的软件架构和技术蓝图。定义系统架构、数据库结构、API接口、安全模型等。	软件设计文档（SDD）
4. 实施/编码 (Implementation)	开发人员根据设计文档编写实际代码。此阶段需遵循编码规范和最佳实践。	功能性的软件原型或代码库
5. 测试 (Testing)	通过单元测试、集成测试、系统测试和用户验收测试（UAT）等多种方式，发现并修复缺陷。	经过验证、优化的高质量软件
6. 部署 (Deployment)	将测试通过的软件发布到生产环境，供最终用户使用。可能采用分阶段或灰度发布等策略。	可用的、正在运行的软件系统
7. 维护 (Maintenance)	软件上线后的持续监控、问题修复、性能优化和功能更新。	持续更新的软件版本

flowchart TD
    %% 样式统一后置，避免解析报错
    classDef center fill:#302030,stroke:#dd99bb,stroke-width:4px,color:#fff
    classDef p01 stroke:#4286e0,fill:#181818,color:#fff
    classDef p02 stroke:#48c068,fill:#181818,color:#fff
    classDef p03 stroke:#f29037,fill:#181818,color:#fff
    classDef p04 stroke:#a878e2,fill:#181818,color:#fff
    classDef p05 stroke:#e85454,fill:#181818,color:#fff
    classDef p06 stroke:#38bbbb,fill:#181818,color:#fff
    classDef p07 stroke:#38bbbb,fill:#181818,color:#fff
    classDef iter stroke:#f29037,fill:#181818,color:#fff
    classDef sideNote stroke:#666,fill:#101010,color:#eee,stroke-dasharray:5 3

    %% 中心核心圆
    Core((SDLC
持续循环
永不停止)):::center

    %% ========== 顶部 01 业务规划 ==========
    P01["01 业务规划与立项\nPlanning"]:::p01
    P01 --> Core
    %% 左侧虚线备注框 Planning
    subgraph SidePlan
        direction TB
        PlanTxt["Planning 阶段
· 是否值得做
· ROI 是否合理
· 资源是否匹配
产出：立项书 / Roadmap"]:::sideNote
    end
    PlanTxt -.-> P01

    %% ========== 右上 02 需求分析 ==========
    P02["02 需求分析与PRD\nRequirements"]:::p02
    P02 --> Core
    %% 右侧虚线备注 Requirements
    subgraph SideReq
        direction TB
        ReqTxt["Requirements
· 用户渠道
· 业务程序
· 功能边界
产出：PRD / SRS"]:::sideNote
    end
    ReqTxt -.-> P02

    %% ========== 右中 03 系统设计 ==========
    P03["03 系统设计\nSystem Design"]:::p03
    P03 --> Core
    %% 右侧虚线备注 System Design
    subgraph SideDesign
        direction TB
        DesignTxt["System Design
· 模式拆分
· 数据模型设计
· 服务调用
产出：HLD/LLD / API"]:::sideNote
    end
    DesignTxt -.-> P03

    %% ========== 右下 04 开发实现 ==========
    P04["04 开发实现\nImplementation"]:::p04
    P04 --> Core
    %% 右侧虚线备注 Implementation
    subgraph SideImpl
        direction TB
        ImplTxt["Implementation
· 前后端开发
· Code Review
· CI 构建
特点：Git Flow / MR"]:::sideNote
    end
    ImplTxt -.-> P04

    %% ========== 底部 05 测试验证 ==========
    P05["05 测试验证\nTesting"]:::p05
    P05 --> Core
    %% 右侧虚线备注 Testing
    subgraph SideTest
        direction TB
        TestTxt["Testing
· 单元测试
· 健康测试
· E2E测试
· UAT 验证
数据修复成本高"]:::sideNote
    end
    TestTxt -.-> P05

    %% ========== 左下 06 上线交付 ==========
    P06["06 上线交付\nDeployment"]:::p06
    P06 --> Core
    %% 左侧虚线备注 Deployment
    subgraph SideDeploy
        direction TB
        DeployTxt["Deployment
· 灰度发布
· 多环境隔离
· 管服流程
产出：Release Note"]:::sideNote
    end
    DeployTxt -.-> P06

    %% ========== 左中 07 运维迭代 ==========
    P07["07 运维与迭代\nMaintenance"]:::p07
    P07 --> Core
    %% 左侧虚线备注 Maintenance
    subgraph SideMain
        direction TB
        MainTxt["Maintenance
· Bug修复
· 效能优化
· 迭代补丁
属性：新需求进入下一轮"]:::sideNote
    end
    MainTxt -.-> P07

    %% 左上角回流迭代框：新需求进入下轮
    Iter["新需求进入下轮\nNext Iteration"]:::iter
    Core -.-> Iter
    Iter --> P01

    %% 底部全局说明文字
    BottomCaption["传统企业研发 = 强规划 + 强文档 + 强流程 + 强审批 -> 稳定但慢，适合高合规场景"]
    Core --- BottomCaption

传统开发 vs Vibe Coding开发

flowchart LR
    subgraph 传统SDLC七阶段
        direction TB
        s1["1.业务规划 ROI分析"]
        s2["2.需求分析 PRD"]
        s3["3.架构设计"]
        s4["4.编码 Implementation"]
        s5["5.测试 Testing"]
        s6["6.部署 Deployment"]
        s7["7.维护 Maintenance"]
    end

    subgraph 超级个体
        A["AI 助手"]
        C(("一个人"))
        B["自动化工具链"]
    end

    Formula["核心公式：Vibe Coding = 人 + 强大AI助手 + 自动化工具链"]
    Tip["从工具能力和实践可能性来看：7个阶段全部可由 AI 赋能完成"]

    %% 虚线发散连线
    s1 -.-> C
    s2 -.-> C
    s3 -.-> C
    s4 -.-> C
    s5 -.-> C
    s6 -.-> C
    s7 -.-> C
    %% 主箭头
    传统SDLC七阶段 ==Vibe Coding==> 超级个体

    传统SDLC七阶段 & 超级个体 --- Formula
    传统SDLC七阶段 --- Tip

传统开发特点：
- 强规划+强文档+强流程+强审批
- 稳定但慢
- 适合高合规场景(如金融系统)
- 需要多人协作(产品经理、架构师、前后端开发、测试、运维等)
变革点：
- 从只关注实现细节，扩展到更直接地表达目标和验收标准
- AI 可以参与七个阶段，但责任并不会自动消失
- 团队规模与效率提升需要用实际项目数据验证
不变点：
- 仍需遵循传统软件工程生命周期
- 生产级软件仍需处理安全性、可维护性等
- 复杂业务逻辑仍需人工验证

常见 AI 编程工具

下面按产品形态做简要对比。价格、套餐和默认模型变化较快，本文不再写固定月费；选型时应以各产品官网在购买当日的信息为准。

工具	产品形态	主要特点	更适合的工作方式
Cursor	AI 原生 IDE	编辑器内对话、补全、Agent 与 diff 审查	偏好图形界面和高频交互的开发者
Windsurf	AI 原生 IDE	以 Cascade 为核心的编辑器内 Agent 工作流	希望在 IDE 内完成规划、修改和运行的人
Claude Code	CLI / 桌面编码 Agent	可在授权范围内操作代码库、命令和开发工具	后端、DevOps、仓库级任务和命令行用户
Codex	CLI / IDE 扩展 / 桌面与云端任务	OpenAI 的编码 Agent，支持本地协作和云端异步任务	使用 OpenAI 生态、需要并行或异步处理任务的团队
OpenCode	开源终端 / 桌面 Agent	可配置多种模型与提供商，便于自定义	重视开源、模型选择和可控性的开发者

选型时重点比较：仓库权限控制、模型可选范围、上下文管理、测试与终端能力、团队协作、数据合规，以及失败后是否容易回滚。

Jean's Blog

Vibe Coding：概念、场景与工具