Vibe Coding 是什么

这一课你将能做到

1. 说清楚 Vibe Coding 的定义、适用场景和边界
2. 判断一个任务适合「全托管给 AI」还是「AI 辅助、人来把关」
3. 建立 Vibe Coder 的正确心态：你是负责人，AI 是执行者

为什么要学

2025 年 2 月，Andrej Karpathy（前 OpenAI 联合创始人、特斯拉 AI 总监）提出了「Vibe Coding」这个词：你完全沉浸在氛围里，接受 AI 写的代码，甚至忘记代码的存在，只关注结果对不对。这个提法迅速流行，因为它描述了一种真实存在的开发方式——用自然语言描述需求，让大模型生成代码，人来验收。

人话：传统编程是你一行行写砖，Vibe Coding 是你当包工头，AI 是施工队。但包工头必须看得懂图纸、验得了质量，否则楼会塌。

和实际开发的关系：真实项目里，AI 已经能承担 60%-80% 的代码编写量（脚手架、CRUD、单测、正则、SQL），但剩下的 20%-40%——架构决策、边界条件、安全审查——恰恰是决定项目生死的部分。这一课帮你建立「什么时候放手、什么时候抓紧」的判断力。

先建立图像

传统编程：        Vibe Coding：
┌──────────┐     ┌──────────┐
│ 人想需求  │     │ 人想需求  │
│ 人写代码  │     │ 人写提示词│
│ 人调 bug  │     │ AI 写代码 │
│ 人做评审  │     │ 人验收结果│
└──────────┘     │ 人做评审  │ ← 这一步永远不能省
                 └──────────┘

两者的差别不在「谁写代码」，而在「人的时间花在哪」：从写代码转移到描述需求、设计结构、验证结果。

跟着做

步骤 1：体验一次完整的 Vibe Coding 循环

打开任意一个 AI 编程工具（Cursor、Claude Code、Copilot Chat 均可），给一个真实的小需求，比如：

用 Python 写一个命令行工具，读取当前目录下所有 .md 文件，
统计每个文件的行数和字符数，输出为表格，按行数降序排列。
要求：处理文件读取异常；输出包含合计行。

步骤 2：观察 AI 的输出并验收

AI 通常会一次性给出完整脚本。你要做的不是复制粘贴就跑，而是按清单验收：

1. 读一遍代码，确认每段在干什么——读到不懂的地方，贴回给 AI 让它解释
2. 跑一遍，用真实目录测试
3. 故意制造异常（比如放一个无权限的文件），看异常处理是否生效
4. 检查边界：空目录、0 字节文件、非 UTF-8 编码文件、文件名带空格的情况

验收时的心态：把 AI 当成一个能力很强但没有责任心的外包——它交付的东西，你要当验收方逐条过。

步骤 3：做一次「纯 Vibe」和一次「把关 Vibe」的对比实验

• 纯 Vibe：不看代码直接运行，记录遇到的问题
• 把关 Vibe：逐段审查后再运行，对比两者花费的总时间和最终结果质量

这个实验会让你直观理解：小工具纯 Vibe 没问题，但进生产代码必须把关。

步骤 4：建立你的「任务分级」直觉

把你日常的开发任务分成三级：

• A 级（可全托管）：一次性脚本、原型 Demo、学习性代码。出错代价≈0，放手让 AI 干。
• B 级（AI 起草+人审查）：业务功能、API 接口、组件开发。出错代价可控，AI 出初稿，你逐段审。
• C 级（人主导+AI 辅助）：架构设计、支付/鉴权逻辑、并发控制、数据迁移。出错代价高，AI 只当参谋（出方案、查资料、做对比），决策和实现你亲自来。

拿不准的任务就按高一级处理——宁可多审一遍，不要漏审一次。

讲清楚要点

1. Vibe Coding 不等于不负责任：Karpathy 的原话场景是「周末项目、一次性工具」。把它用在生产系统上而不审查，是事故的标准开局。
2. AI 是放大器，不是替代品：它能放大一个优秀工程师的产出，也能放大一个初学者的混乱。你懂多少，决定了你能从 AI 那里拿到多少。
3. 验收能力是核心技能：Vibe Coding 时代，「读代码并判断对错」比「从零写代码」更常用。读不懂的代码，不要合进项目。