Vibe Coding

核心观点

Vibe Coding 是 Andrej Karpathy 在 2025 年初提出的概念：用自然语言描述需求，让 AI 生成代码，你只管验收结果。

说得更直白一点：你不用写代码，只需说有节奏感地"感觉"出需求，AI 就把代码写出来了。

这个概念迅速火遍开发者社区。Collins Dictionary 把它评为 2025 年度词汇。Y Combinator W2025 批次的创业者中，25% 的项目代码由 AI 生成比例超过 95%。

为什么火了

Vibe Coding 火的根本原因不是技术突破，是门槛降低。

以前会编程是一个硬壁垒。现在只要你能把需求描述清楚，AI 就能生成可运行的代码。这意味着：

• 产品经理可以自己搭原型
• 设计师可以自己实现前端
• 非技术创业者可以在没有 CTO 的情况下做出 MVP

对独立开发者来说，Vibe Coding 的最大价值是速度。从一个想法到可演示的版本，时间从几周缩短到几天——在某些场景下甚至几小时。

什么时候 Vibe Coding 有效

我自己的实践来看，以下场景 Vibe Coding 效果很好：

• 原型验证：快速做出 Demo 给用户测试
• 个人项目：你自己维护、自己用的小工具
• 非核心功能：管理后台、配置页面、文档站点
• 学习和探索：用 AI 生成代码来学习新框架

在这些场景里，代码的"可维护性"不是首要目标。真正重要的是快速看到结果、验证想法。

什么时候不该用

以下场景我对 Vibe Coding 持保留态度：

• 生产环境的核心业务逻辑：支付、权限、数据一致性——这些地方出错代价太大
• 需要长期维护的项目：AI 生成的代码可读性参差不齐，半年后你自己都看不懂
• 安全敏感功能：用户数据加密、认证流程——AI 不了解你的安全上下文
• 性能关键路径：AI 生成的代码通常不优化，复杂场景下性能差

风险不是你用 AI 写了代码，而是你没有审核代码就上线。

风险：GitClear 的数据告诉我们什么

GitClear 的分析发现，AI 辅助编程带来了几个问题：

• 代码重复率上升了 4 倍。AI 倾向于复制模式而不是抽象复用。
• 重构率下降。既然 AI 能写新代码，很少有人愿意花时间重构旧代码。
• 代码质量不稳定。AI 在常见模式上表现好，但在边界情况和异常处理上容易出问题。

这些数据指向一个结论：Vibe Coding 能帮你写更多代码，但不一定能帮你写出更好的代码。

怎么 Vibe Coding 不伤脚

我踩过坑后的经验：

1. 看懂每一行 AI 生成的代码再提交。至少知道它在做什么。不需要理解所有细节，但关键路径和控制流必须清楚。
2. 区分"AI 写的"和"你理解的"。有些代码看起来对但逻辑是错的。花时间理解比花时间调试划算。
3. 核心模块手写，非核心模块让 AI 写。业务逻辑、支付、权限——这些你写。UI、CRUD、工具脚本——AI 写。
4. 定期重构。AI 生成的代码技术债务积累很快。我每周留 2 小时给 AI 生成的代码做清理。

我的判断

Vibe Coding 被两种极端评价包围：要么是"编程已死"的末日论，要么是"躺着赚钱"的童话。

我的看法：Vibe Coding 是一个强大的杠杆，但它放大的仍然是你的能力。

你理解编程的逻辑，AI 可以帮你 10 倍速产出。你不理解编程是什么，AI 就只是帮你生成一堆有 bug 的代码拼图。Karpathy 本人也说得很清楚——Vibe Coding 的前提是你以前就会编程。有了这个基础，Vibe Coding 就是超级武器。没有这个基础，它就是新手村陷阱。

下一步

• AI Agent — Agent 能让 Vibe Coding 更强大
• AI 编程工具与环境设置 — 配置你的 AI 编程环境