命名范式转变的一条推文

2025年2月2日，前 OpenAI 联合创始人、特斯拉 AI 总监、深度学习领域最受尊敬的人物之一——Andrej Karpathy 在 X (Twitter) 上发布了一条消息，将数百万开发者虽有同感却无法言明的事物具象化了：

有一种我称之为“vibe coding”的新型编程方式，你完全顺应直觉，拥抱指数级增长，甚至忘记了代码的存在。[……] 我总是“全部接受”，不再看差异对比。[……] 有时 LLM 无法修复 bug，我就绕过它，或者要求随机修改直到 bug 消失。对于周末随手做的废弃项目来说，这还不算太糟，但也相当有趣。

这条推文累计获得了超过 680 万次浏览、6000 次转发和 33000 次点赞。几周之内，“vibe coding”一词就突破了 Karpathy 的时间线，成为了一种从根本上截然不同的软件构建方式的全球通用代名词。

1.Vibe Coding 的真正含义——以及它不是什么

Karpathy 最初的定义是刻意狭隘且带有自嘲意味的。他并非在提出一种方法论，而是在描述一种周末黑客美学：和你的 AI 对话，接受它生成的一切，出问题时把错误复制粘贴回去，懒得看差异对比。“我就是看看东西，说说话，跑跑程序，复制粘贴一下，大多数情况下它就能跑起来。”

独立开发者、Datasette 联合创始人 Simon Willison 很快意识到，这个词已经被过度滥用得面目全非。他的澄清至今仍是最精辟的界定：

Vibe coding 是指在不审查 LLM 编写代码的情况下，使用 LLM 构建软件。 如果 LLM 为你编写了代码，随后你对其进行了审查、全面测试，并确保能向他人解释其工作原理——那就不是 vibe coding，而是软件开发。

这一区分至关重要。Willison 认为，将所有 AI 辅助编程与 vibe coding 混为一谈，不仅会淡化该词的含义，还会对究竟何为负责任的行为造成错误认知。Vibe coding 描述的是一种与 AI 工具之间的特定关系：这是一种顺从，而非监督。

2.媒体爆炸：从黑客玩笑到年度词汇

几个月内，该词以开发者文化中罕见的速度渗透到了主流媒体：

日期	里程碑	来源
2025年2月2日	Karpathy 在 X 上创造了“vibe coding”一词	X/@karpathy
2025年3月	Ars Technica 深度报道：“Vibe Coding 是极客还是鲁莽？或许两者兼有”	Ars Technica
2025年3月	Simon Willison 发表定义性博文	simonwillison.net
2025年（年中）	《纽约时报》播客“The Daily”直播探讨 vibe coding	NYT（引自 IT Revolution）
2025年6月	首篇实证学术论文在 arXiv 发表（Sarkar & Drosos）	PPIG 2025
2025年	IEEE 发表关于 vibe coding 的多声部系统映射研究	IEEE SNPD 2025
2025年11月	《柯林斯词典》将“vibe coding”评为 2025 年度词汇	CNN
2025-2026年	Gene Kim 与 Steve Yegge 出版 《Vibe Coding: Building Production-Grade Software with GenAI, Chat, Agents, and Beyond》	IT Revolution

据 CNN 报道，《柯林斯词典》的宣布或许是最具超现实色彩的里程碑。柯林斯董事总经理 Alex Beecroft 表示，该词反映了人类创造力与机器智能协作方式的重大转变。入围词汇包括“clanker”、“broligarchy”和“micro-retirement”——“vibe coding”最终胜出，因为它是积极的，关乎创造事物，并传递了一种任何人都能成为创造者的愿景。

3.结构性矛盾：速度与责任

这场运动很快催生了一种反叙事，而且出自一个令人意外的来源：Karpathy 本人。

2025年10月，他发布了 Nanochat——一个极简的、从零开始的全栈训练与推理流水线。该项目包含大约 8000 行“相当干净的代码”。当被问及是否使用了 vibe coding 来构建它时，他的回答耐人寻味：

“它基本上完全是手写的（使用了 Tab 自动补全）。我试着用了几次 Claude/Codex Agent，但它们根本不够好，实际上反而帮了倒忙，可能是因为这个代码库偏离数据分布太远了。”

正如 Futurism 和 Gizmodo 所报道的，这本身并不是对 vibe coding 的全盘否定——Karpathy 一直强调它仅适用于“周末随手做的废弃项目”。但它暴露了这场运动核心的结构性矛盾：当复杂度超过某个阈值时，vibe coding 就会失效，而不理解自身代码的代价将变得致命。

其他数据点也加深了这种担忧：

• Fastly 调查：在接受调查的 800 名开发者中，至少有 95% 的人报告花费了额外时间来修复 AI 生成的代码（引自 Gizmodo）。
• 贝恩公司报告：尽管编程是“最早部署生成式 AI 的领域之一”，但 AI 的采用所带来的成本节约却**“微不足道”**。
• METR 研究：发现在某些任务类别中，AI 编码工具实际上会拖慢开发者的速度。
• MIT 的 Daniel Jackson（经由 Wired）：警告这可能是“一场即将来临的灾难”，会培养出一批“无法应对安全漏洞”的程序员。

4.学术界的回应

到 2025 年年中，研究人员开始将 vibe coding 视为一个严肃的探索课题，而不仅仅是一个文化梗。

首篇实证研究——由 Sarkar 和 Drosos 撰写的《Vibe coding: programming through conversation with artificial intelligence》（在 PPIG 2025 上发表）——分析了超过 8 小时经过筛选的真实 vibe coding 会谈视频，并采用了“出声思考法”。他们的核心发现包括：

• Vibe coding 遵循迭代式目标满足循环：发出提示词，通过快速浏览和测试来评估生成的代码，然后手动编辑。
• 提示词混合了模糊的高层指令与详细的技术规范。
• 调试仍然是一个混合过程，结合了 AI 辅助与手动实践。
• 关键在于，vibe coding 并未消除对编程专业知识的需求——它只是将其重新分配到了上下文管理、快速代码评估以及决定何时在 AI 驱动和手动模式之间切换上。
• 对 AI 工具的信任是动态且取决于上下文的，是通过迭代验证建立的，而非盲目接受。

IEEE SNPD 2025 多声部映射研究 确定了四个主要研究主题：工具影响、开发者体验、人机协作以及文化/组织支持与变革。

5.层级框架：从辅助到自主

随着从业者的不断实验，一系列 AI 集成层级逐渐浮现。尽管尚无正式标准，但社区已经汇聚成了一个实用的六层框架（由从业者提出并在 Medium 上进行了总结）：

Level 0-1 是 2024 年之前大多数专业开发者所处的阶段。Level 2-3 是目前严肃的 vibe coding 从业者所处的阶段。Level 4 是 Claude Code、Codex 以及多 Agent 工作流等工具旨在触及的前沿。截至 2026 年初，Level 5 在很大程度上仍处于理论阶段。

6.中国关联与本项目的背景

Vibe coding 运动在中国开发者社区引起了强烈共鸣。CSDN、火山引擎开发者社区和知乎等平台上的文章向数百万中文开发者介绍了这一概念，而像本项目 vibe-coding-cn 这样的项目也随之涌现，以提供本地化、结构化的指导。

本仓库采取了一种与 Karpathy 最初描述的“全部接受，什么都不看”截然不同的姿态。它并非放弃控制，而是提倡一种我们可称之为结构化 vibe coding的理念：在利用 AI 速度的同时，通过严格的提示词工程、技能模块、工作流引擎以及胶水编码方法论来保持架构层面的监督。

这种区分是根本性的。原生的 vibe coding 将 AI 视为黑盒代码生成器，而本项目将 AI 视为初级工程师——速度很快，但需要监督、上下文和清晰的指令。此处记录的工具、工作流和知识资产，旨在弥合 AI 辅助编码带来的爆发式生产力与生产级软件所需 discipline 之间的鸿沟。

7.时间线：Vibe Coding 运动的关键时刻

8.现状

截至 2026 年初，vibe coding 处于一个微妙的位置。它同时具备以下属性：

• 一种文化现象，已进入词典和主流大众意识
• 一种两极分化的实践，将其视为解放力量的人与视为鲁莽行为的人产生了分歧
• 一个研究课题，在人机交互和软件工程领域吸引了严肃的学术关注
• 一种实践现实，数百万开发者每天都在以不同成熟度使用它

最富有成效的态度，也是本项目所秉持的态度，既不是不加批判的狂热，也不是条件反射式的否定。工具很强大。风险是真实的。知道何时让 AI 运行、何时去审查差异对比的 discipline，正是区分周末实验与生产级系统的关键技能。

正如 Anthropic 首席执行官 Dario Amodei 在 Kim 和 Yegge 合著书籍的前言中所写：“Vibe coding 是极其严肃的。截至 2025 年年中，它是市面上唯一的编码游戏。” 问题从来不在于开发者是否会采用 AI 辅助工作流。问题始终在于，他们是否能以软件工程所要求的结构化、治理和批判性思维来采用它。

延伸阅读：vibe-coding-cn 仓库将这些理念扩展成了一套结构化的方法论。关于其哲学基础，请参阅 Glue Coding 方法论 与 递归自优化元方法 页面。

                                                                                                                       下一章：社区与贡献者