如何正确Vibe Coding？这是来自Anthropic编程智能体负责人的大师课

文章摘要

【关 键 词】 氛围编程、AI 编程、生产力、大模型、软件工程

随着 AI 重塑软件行业，氛围编程成为提升生产力的关键议题。Anthropic 研究员 Erik Schluntz 指出，真正的氛围编程并非轻度使用辅助工具，而是完全沉浸其中并忘记代码存在。这种模式彻底降低了开发门槛，让缺乏工程背景的人群也能独立开发完整应用。 然而，将其应用于生产环境常引发失控风险，如耗尽资源或篡改数据。驱动这一变革的核心在于 AI 能力的指数级增长，目前 AI 独立处理任务长度约每 7 个月翻一倍。若未来 AI 生成代码量达到人类一周工作量，传统同步审查将成为瓶颈。

在生产环境中实践氛围编程，核心理念是忘记代码但关注产品。软件工程师需要建立无需阅读底层代码即可验证的抽象层，核心在于找到可以验证的抽象层。 针对技术债难题，建议聚焦代码库中的叶子节点，即不被其他模块依赖的末端功能，此处容错率较高。反之，系统主干与底层架构仍需人工严密保护。开发者需转换思维成为大模型的产品经理，在任务执行前花费时间与模型互动，提供详尽的代码库导航与需求规格。通过制定清晰执行计划并将上下文汇入提示词，模型的任务成功率会呈现指数级跃升。

实际操作中，Anthropic 团队曾在生产环境成功合并高达 22000 行的代码修改，其中绝大多数由 Claude 编写。原本需要人类工程师耗费两周时间逐行编写与审查的巨大工程，被压缩到了 1 天内完成。 成功经验包括严格划定修改范围、核心区域人工介入及建立可验证检查点。此外，测试驱动开发在氛围编程中极具价值，即使看不懂测试用例也能帮助模型保持自洽。同时建议强制规范模型只写极简的端到端测试，确保人类也能看懂。面对陌生的代码库，先用模型探索建立全局视图再动手修改。面对指数级增长，工程师应学会信任更高层级抽象，利用工具链协同进行更多试错。指数级的核心不仅仅是持续变好，而是它们变好的速度远远超出我们的想象。 未来软件工程界需提前思考如何安全接纳大模型直接生成的系统。

原文和模型

【原文链接】 阅读原文 [ 3407字 | 14分钟 ]
【原文作者】 机器之心
【摘要模型】 qwen3.5-397b-a17b
【摘要评分】 ★★★☆☆

阿里云百炼

大模型服务平台是阿里云基于通义大模型等多种大模型的一站式大模型开发平台。