培训课件：从代码编写到意图编程Vibe CodingAI时代编程范式

证

券研究报告

金融工程动态报告Vibe

Coding：AI时代的编程范式革命从代码编写到意图编程发布日期：2026年3月18日提纲01.觉醒解构Vibe

Coding

的诞生与定义核心工作原理与技术架构方法论与最佳实践02.03.

实践04.

生态05.

思辨工具生态系统与传统编程的全面对比06.07.价值展望应用场景与价值主张挑战、趋势与未来展望核心观点Vibe

Coding代表了软件开发范式的根本性跃迁：将开发者从语法实现者重塑为意图架构师的人机协作革命。其核心在于通过自然语言驱动开发，以"零到一"的极致速度（数小时完成传统数周工作）验证想法，大幅降低创新试错成本，使非专业背景者也能参与软件创造。然而，这种"氛围编程"的代价是潜在的技术债累积与架构漂移——AI生成的代码常如"黑箱"，短期效率换来长期可维护性风险。因此，未来的高效开发者必须掌握混合策略：在原型阶段拥抱Vibe

Coding的指数级速度，在生产阶段回归工程纪律；同时修炼新的技能树——需求拆解、系统品味、上下文管理与Prompt工程。资料：中信建投摘要简介：本文深入解析了Vibe

Coding的技术机制与核心理念。其技术实现遵循"AI生成效果=LLM(

Task+

Context+

Prompt)"公式，其中Context（语境）在复杂项目中起到决定性作用。工作流程涵盖自然语言提示、AI代码生成、迭代反馈、代码审查与部署维护五个环节，形成高频互动的"Human-in-the-Loop"协作循环。三大核心理念包括：自然语言驱动——用日常语言描述需求；意图导向——关注"做什么"而非"怎么做"；以及持续迭代优化。实践中存在两种模式："纯粹模式"追求极致速度，完全信任AI输出，适用于快速原型与概念验证；"负责任模式"则将AI视为pair

programmer，保持人工审查与测试，适用于生产级开发。方法论：方法论层面，文章提出了九大最佳实践：设计先行（产出PRD与用户故事）、模块化开发（控制上下文复杂度）、小步迭代（最小有意义增量）、四要素Prompt框架（上下文/角色、指令、内容、格式）、扩展思考模式（think

harder指令）、建立项目规则（.editorconfig等规范文件）、及时会话管理、任务拆分从微小模块开始，以及分路径优化（先抽象后样式）。这些方法论强调架构先行与上下文管理的重要性。生态：工具生态方面，GitHub

Copilot、Cursor、Replit、Claude

Code、Windsurf及Google

AI

Studio等构成了完整的Vibe

Coding工具矩阵，分别适用于从初学者到专业开发者、从快速原型到全栈开发的不同场景。文章通过多维度对比表格揭示了Vibe

Coding与传统编程的差异：在开发速度、可访问性、学习曲线上具有压倒性优势——人力成本降低60%，2小时可完成传统方式2周的工作；但在代码可维护性、复杂性处理能力、长期架构健康度方面存在固有局限。资料：中信建投1.1

什么是Vibe

CodingKarpathy

的经典描述Vibe

Coding(氛围编程)是AI时代全新的编程范式,由

OpenAI联合创始人AndrejKarpathy

于2025年2月提出。它主张"忘记代码的存在,专注于想法的实现",通过自然语言与大型语言模型交互,让AI生成代码,开发者从编写者转变为引导者和协作者。"我完全沉浸在氛围中,拥抱指数级增长,忘记代码的存在""我

barely甚至不碰键盘,直接对AI说'把侧边栏的内边距缩小一半'"这是一种从"命令式编程"向"语义级编程"的跨越,是人与AI共舞的新范式。"我总是点击'Accept

All',不再阅读diff""看到问题就直接说出来,让AI去改,我懒得自己翻代码找"核心理念角色转变开发者完全沉浸于编程的"氛围"中,甚至忘记代码的存在。通过语音或自然语言描述需求,AI负责实现细节。从Coder(编码者)转变为Commander(指挥官),从"写代码的人"变成"指挥AI写代码的人"。诞生背景提出者时间Andrej

Karpathy2025年2月身份OpenAI联合创始人资料：中信建投1.2

Vibe

Coding

核心概念自然语言驱动意图导向迭代优化用日常语言描述需求,AI负责转化为代码。不再需要记忆复杂的语法和API,只需清晰表达意图。关注"做什么"而非"怎么做"。将精力集中在产品思维、用户体验和业务逻辑上,实现细节交给AI。通过持续反馈和对话优化代码。测试应用,发现问题,用自然语言描述修改需求,AI快速响应。示例对话:描述用户故事和旅程定义功能需求和验收标准思考架构和系统设计"创建一个带有搜索功能的用户列表页面,支持按姓名和邮箱筛选,使用React和Tailwind

CSS实现"提示生成测试反馈高频互动循环资料：中信建投1.3

两种实践模式Pure

Vibe

CodingResponsible

AI-Assisted纯粹模式负责任模式完全信任AI输出,不读diff,直接接受,追求速度而非质量。开发者完全沉浸在"氛围"中,将AI视为pair

programmer,保持人工审查、测试和理解。开发者对最终产品承担忘记代码的存在。完全责任。典型行为核心原则总是点击"Accept

All"不阅读代码diff审查AI生成代码编写测试验证功能理解代码逻辑和设计承担代码所有权复制粘贴错误信息给AI代码超出正常理解适用场景适用场景快速原型周末项目概念验证学习实验生产级开发团队协作企业应用复杂系统优势:

极快的开发速度,几小时完成传统方式几天的工作风险:

代码质量不可控,技术债累积,难以维护优势:

质量可控,安全性高,适合长期维护挑战:

需要更多审查时间,速度略慢于纯粹模式资料：中信建投2.1

技术实现原理核心公式AI生成效果

=LLM(Task

+

Context

+

Prompt)Context(语境)在复杂项目中至关重要,它补充了任务本意和提示语意,帮助AI更好地理解整体需求工作流程12345自然语言提示AI代码生成迭代反馈审查与测试部署与维护资料：中信建投2.2

人机协作新范式角色转变AI的能力边界擅长领域传统角色编码者

CoderVibe

Coding角色指挥官

Commander代码生成、重构、bug修复、文档编写、样板代码、API集成局限性复杂系统设计、性能优化、安全审计、长期架构规划、业务逻辑理解传统职责新职责关键洞察:AI是强大的执行者,但人类的专业判断、创造力和系统思维仍然不可或缺•

编写每一行代码•

调试和修复bug•

理解所有实现细节•

需求定义和表达•

架构设计和决策•

结果验收和优化迭代目标满足循环提示

Prompting评估

Evaluating调试

Debugging优化

Refining用自然语言描述需求和意图快速扫描代码,测试应用功能发现问题,提供反馈和修改建议持续改进,直到满足需求资料：中信建投3.1

Vibe

Coding

最佳实践(上)设计先行Design

First模块化开发Modular

Development0102用AI写产品设计文档+拆分里程碑。项目启动时,先产出完整的设计文档,包括目标、用户故事、将UI按模块拆解,独立开发再组装。对于复杂界面,不要一次性要求AI生成整个页面。为每个模块开启独立的对话进行开发,最后再组装成完整页面。模块、里程碑、界面原型等。关键洞察:

受制于上下文长度限制,需要先整体规划再分解任务,避免协作偏离主要轨道实践案例:

开发Dashboard页面时,拆分为导航栏、侧边栏、内容区、数据卡片等模块独立开发小步迭代Small

Steps

Iteration四要素PromptFourElementsPrompt0304采用最小有意义增量。一次生成太多代码会导致混乱和bug。使用最小预算(1,024

token)开始,上下文/角色

+指令

+

内容

+格式。使用结构化的Prompt框架,确保AI准确理解需求。根据问题复杂度逐步增加。上下文指令"你是Android性能优化专家""重构此ViewModel"黄金法则:

定义最小增量

→

AI编写代码

→

立即运行测试

→

失败则修复

→

重复内容格式实际代码块"提供代码+注释"资料：中信建投3.1

Vibe

Coding

最佳实践(上)扩展思考模式Extended

Thinking

Mode05对复杂问题使用think指令。对于复杂算法、不明确原因的bug、架构决策等,使用扩展思考模式让AI进行深度推理。think4,000

token10,000

token31,999

token性能提升:

SWE-bench

Verified从62.3%提升至70.3%,数学问题达96.2%。从最小预算开始,根据问题复杂度逐步增加。think

hardthink

harder资料：中信建投3.1

Vibe

Coding

最佳实践(下)建立项目规则和指南文件06创建规则文件定义编码规范。通过.editorconfig、detekt.yml、docs/coding-standards.md等文件,定义编码规范、测试要求、文档标准和安全策略,让AI自动遵循项目规范。.editorconfigdetekt.ymllint.xmlconventions.md统一代码格式代码质量检查Lint配置开发规范及时会话管理Session

Management分路径优化Path-basedOptimization任务拆分Task

Breakdown070908清理/新建/压缩会话从微小模块开始,逐步递进。对于大任务,AI看似可以一次做完,但迭代反馈慢,容易偏离预期。先抽象再修样式/结构。改结构/样式直接动可能会破坏UI一致性,甚至导致AI无法修复。清理会话先识别公共部分/重复结构,将它们提成组件或共享样式。确保组件接口稳定,再改样式或布局。给AI下任务需从单页面开始,每完成一个小模块就Review。在任务拆解中写出清晰子任务列表,标明顺序及依赖。任务切换或AI混乱时使用新建会话开始完全不同任务时压缩会话长会话保留关键信息资料：中信建投3.2

Vibe

Coding

开发流程实践Design

Document:将需求提交给Gemini，进行反复讨论完善，创建一个

Markdown

格式的PRD文档

：design-document.mdTech

Stack

&

Claude.md/Agent.md：向

GPT

询问最适合此项目的技术栈（例如，Vite+ThreeJS

和

WebSocket

用于多人

3D

游戏）。将此保存为

tech-stack.md在终端中，打开

Claude

Code，然后使用

/init

命令。它将使用创建的两个

.md文件。这将创建一组规则，指导你的

LLM

正确地进行操作关键是要仔细审查生成的规则。

确保它们强调模块化

（多个文件）并避免单体

（一个巨大的文件）。您可能需要手动调整或添加规则。还请检查它们触发时的规则。Implementation

Plan:提示词：创建一个详细的实现计划，其中包含

AI

开发者的分步说明。要求：步骤应该小而具体每一步都必须包括测试，以验证正确实施没有代码：只需提供明确的指示重点放在“基础功能”上，而不是完整的功能集资料：

EnzeD/vibe-coding，中信建投3.2

Vibe

Coding开发流程实践:核心在于

计划-执行-测试，也可以采用oh

my

claude

code、superpowers、everything

claude

code等插件/skill

自动化完成上述workflow资料：

EnzeD/vibe-coding，中信建投4.1

主流工具矩阵GitHub

CopilotCursorReplitAI

Pair

ProgrammerAI-Integrated

IDEBrowser-based

Platform业界首个大规模应用的AI编程助手,集成到VS

Code、JetBrains等主流IDE中,提供实时代码补全和建议。专为AI协作设计的集成开发环境,深度整合AI能力,支持基于浏览器的云端开发平台,内置AI助手,支持快速原型开发和一键部署,无需本地环境配置。自然语言命令和代码重构。代码自动补全函数生成自然语言命令多文件重构代码解释零配置启动协作编程快速部署bug修复建议Claude

CodeTerminal

AgentWindsurfCode-first

InterfaceGoogle

AI

StudioApp

Generation

PlatformAnthropic推出的终端代码智能体,支持复杂的代码生成和多步任务执行,擅长处理大型项目。专注于代码优先界面的AI编程工具,支持agentic

AI工作流,提供强大的全栈开发功能。谷歌推出的应用生成平台,支持单提示生成完整应用,集成Firebase后端,快速原型神器。命令行交互扩展思考模式多文件操作Agentic工作流全栈支持单提示生成全栈应用集成后端代码理解资料：中信建投4.2

Claudecode安装安装Claude

Code：npm

install

-g

@anthropic-ai/claude-code

（需要安装Node.js以及Git

for

Windows）替换模型，以智谱为例：访问

智谱开放平台，点击右上角的「注册/登录」按钮，按照提示完成账号注册流程。使用GLM

Coding

Tool

Helper

配置API：npx

@z_ai/coding-helper进入一个代码工作目录，在终端中执行

claude命令即可开始使用

Claude

Code资料：/,中信建投5.1

开发范式对比对比维度Vibe

Coding快

-

AI辅助加速传统编程开发速度可访问性所需技能代码理解调试方式代码质量长期可维护性复杂性处理关注点慢

-

手动编码易上手

-

自然语言提示/审查/系统难上手

-

需语法知识语法/算法/调试黑箱式

-

接受不完全理解AI辅助

-

对话修复不稳定

-

依赖AI能力可能更难

-

技术债风险受AI限制

-

难维护大项目高层次

-

产品思维平缓

-

边做边学深度理解

-

完全控制手动调试

-

理解逻辑可控

-

遵循最佳实践更容易

-

结构良好无限制

-

完全控制实现细节

-

手动编码陡峭

-

系统学习学习曲线资料：中信建投5.2效率与成本的权衡短期速度优势长期可维护性零到一阶段速度无可匹敌。人力成本降低60%,2小时可完成传统方式2周的工作一到N阶段更具优势。清晰的架构、完善的测试、良好的文档确保长期可维护性。。代码复用性高回归bug少快速启动新项目原型验证加速添加功能简单样板代码自动化零到一

vs

一到N0→11→N零到一阶段一到N阶段速度是唯一目标。快速验证想法、测试市场、获取用户反馈。Vibe

Coding优势明显。系统工程能力。处理大规模用户、高并发、复杂架构。需要传统工程的严谨性。适合:

原型、MVP、概念验证适合:

生产系统、规模化应用隐藏成本:

重工税(Rework

Tax)重工税:

后来用来解开当时看似合理的捷径的时间——重复逻辑、不清晰的命名、不一致的模式、遗漏的边界情况。表现:表现:表现:资料：中信建投5.3

混合执行策略先Vibe探索,再工程化交付先用Vibe

Coding快速探索和验证想法,一旦价值被证实,用工程化纪律和最佳实践重写或加固原型阶段工程化阶段生产阶段PrototypeEngineeringProduction快速验证想法重写或加固代码确保质量安全性澄清需求和边界测试市场反应添加测试和文档设计清晰接口监控和优化长期维护迭代工具:

Pure

Vibe

Coding工具:

Responsible

AI-Assisted工具:

传统工程

+

AI辅助不可妥协的规则自动格式化+Lint小且命名明确明确边界禁止复制粘贴依赖节制pre-commit钩子或CI每个概念一个文件UI、逻辑、数据分离粘贴两次就提取函数解释为何优于内置方案资料：中信建投6.1

核心应用场景快速原型与MVP内部工具与自动化几小时内将想法转化为可演示原型,加速产品市场验证。传统方式需要几周的工作,VibeCoding可以在几小时内完成,大幅降低试错成本。创建一次性脚本、数据转换工具、自动化流程,大幅提升工作效率。特别适合不需要长期维护的内部系统和临时工具。典型案例:

创业公司用2小时完成产品原型,快速获取用户反馈,验证市场需求典型案例:

数据团队用Vibe

Coding生成数据清洗脚本,自动化日常数据处理流程⚡

时间:

2小时

vs

2周

成本:

降低60%⚡

效率:

提升5-10倍

复用:

一次性工具学习与实验绿色项目快速学习新语言、框架,进行技术探索。通过AI的示例代码和解释,快速掌握新技术栈的核从零开始的项目,约束少,适合快速启动。没有历史包袱和复杂的现有代码,AI可以更好地理心概念和最佳实践。解整体架构和需求。典型案例:

开发者通过Vibe

Coding在2天内掌握React+TypeScript,完成项目迁移典型案例:

独立开发者用Vibe

Coding在周末完成SaaS产品MVP,周一上线获取首批用户

学习:

快速掌握

实验:

低风险试错

约束:

少⚡

启动:

快速资料：中信建投6.2

价值与影响开发效率提升编程门槛降低角色转变创新加速团队规模优化非专业开发者也能参与软件创造,democratize软件开发编码者产品思考者数十倍的编码速快速验证想法小团队也能实现大成果,AI架构决策者度提升充当虚拟团队成员Coder

→Commander5-10x-60%-80%-50%速度提升门槛降低角色升级试错成本团队规模局限性说明不适合高风险、高复杂性的生产系统需要长期维护和可扩展性的项目需谨慎安全和合规要求严格的场景需要人工审查资料：中信建投7.1

核心挑战与风险代码质量与可维护性调试复杂性技术债累积AI生成代码可能inefficient、存在subtle

bugs、缺乏文档。虽然功能正确,但性能、安全性和可维护性可能存在问题。开发者不完全理解代码逻辑,prompt-and-try循环可能导致猜测式修复,而不是深入理解根因。"先跑起来再说"心态导致重工税,快速迭代有时会选择重新生成代码而不是深入调试。风险:

技术债累积,后期修改成本指数级增长风险:

"我机上能跑"问题增加,生产环境难以定位bug风险:

技术债快速累积,后续开发和维护变得困难架构风险技能退化安全与合规代码结构可能演变为"一次性"状态,缺乏长期可维护性设计。用户量增长时可能遇到指数级的难度增长。过度依赖AI可能导致基础编程能力退化,特别是对于"AI编码原生代",如何培养良好的代码品味成为挑战。AI生成代码可能引入安全漏洞,不符合合规要求。AI可能使用不安全的API、硬编码密钥等。风险:

最终需要大规模重构甚至重写风险:

失去独立思考和解决问题的能力风险:

数据泄露、安全漏洞、合规问题资料：中信建投7.2

未来发展趋势从Vibe到Agent多模态交互VibeCoding

→Agent

CodingMultimodal

Interaction从被动生成到主动执行的AI智能体,能够自主测试、优化和部署。AgentCoding将带来更深度的自动化。支持语音、图像、手势等多种输入方式,进一步提升开发体验。开发者可以用语音描述需求,AI理解并生成代码。核心差异:

Agent在执行环境中执行自主行动,独立测试,无需人工干预场景:

Karpathy已使用语音+AI工具编程,

barely触碰键盘垂直领域特化代码理解提升深度工作流融合编程教育新范式针对特定领域(如金融、医疗、游戏)的专用AI编程工具AI能够生成更易理解、更可维护的代码,AI成为不可或缺的pair

programmer,无从学习语法到学习需求表达和系统设计自动生成文档和测试缝集成到开发