1.最近，科技圈掀起了一股“Vibe Coding”(氛围编码)热潮，概念由前OpenAI研究员Andrej Karpathy提出，允许非编程人员通过AI工具轻松完成应用、游戏等开发。
2.Karpathy在X平台上分享了自己的“氛围编码”最新成果，仅用1小时就开发出了一款iOS应用，展示了AI在编程领域的强大辅助能力。
3.然而，Vibe Coding并非万能，对于有经验的开发者来说，这种方式可能更适合作为快速迭代的起点，而专业级别的软件开发仍需严谨的调试、优化和专业工具。
4.另一方面，有人担心AI生成的代码可能存在安全漏洞，未经充分审查就直接投入使用，可能会被黑客利用。
以上内容由腾讯混元大模型生成，仅供参考
最近，科技圈掀起了一股“Vibe Coding”（氛围编码）热潮。这个概念由前 OpenAI 研究员 Andrej Karpathy 提出，简单来说，就是“把想法说出来，AI 帮你写代码”。哪怕不懂编程原理，也能靠着 Cursor、ChatGPT 这样的 AI 工具，轻松搞定应用、游戏等开发。用 Andrej Karpathy 自己的话来描述，“看见什么就说什么，运行、复制、粘贴，然后基本就能跑起来。”
只不过，和个人用“氛围编码”创业有所不同，这家公司在招聘启事中写道：
“我们 50% 的代码由 AI 编写，所以团队规模较小。但过去半年，我们跑了 10 多个城市，工作时间通常是 12-15 小时/天。”
因此招聘要求包括：
目前至少 50% 的代码需要由 AI 编写，具备氛围编码（Vibe Coding） 经验是硬性要求。
能接受高强度工作，包括长时间加班和周末工作，以实现公司的雄心目标。
这让不少人开始质疑：Vibe Coding 真的能让开发更轻松吗？如果 AI 这么厉害，为啥还要加班来做这份工作？未来，它会成为主流编码方式，还是昙花一现？
值得注意的是，就在刚刚过去的周末，“氛围编码”概念的提出者 Karpathy 恰巧也在 X 上分享了他的“氛围编码”最新成果——完全没有用过 Swift 的他，仅用 1 小时就开发出了一款 iOS 应用。这是怎么做到的？放到普通开发者身上，我们又会需要多久完成一款应用？我们不妨先来看看他的经验。
Karpathy：1 小时开发 iOS 应用，零 Swift 经验，全程由 AI 指导
Karpathy 在 X 上（https://x.com/karpathy/status/1903837879937486912）强调，此前自己从未使用 Swift、也没有提前查阅任何文档资料，上手即是通过 ChatGPT 进行对话式编程，在短短 1 小时内完成了从项目创建、功能优化、数据持久化到手机部署的全流程。详细流程如下：
第一步：创建应用
Karpathy 使用的提示词其实非常简单，直接询问 ChatGPT：“你能教我如何编写我的第一个 iOS 应用吗？我正在下载并安装 Xcode。我想使用最基本和推荐的设置（我想使用 SwiftUI 等等）。我现在只关心 iOS，不关心其他平台。”
随后，ChatGPT 一步步指导 Karpathy 安装并启动 Xcode、配置项目、选择入门模板、并成功运行应用，手把手完成整个软件搭建流程。
Karpathy 进而向 ChatGPT 提出自己想要开发一个体重追踪工具：
基本逻辑是这样的：人体有一个基础代谢率，即每天消耗的热量。假设我每天需要 2,000 kcal，那么我希望应用显示一个以卡路里为单位的计时器，实时更新因时间流逝而被动燃烧的热量。
这个数值将成为界面上的核心，以大号字体置于屏幕中央。计算方法很简单：2,000 ÷ 24 ÷ 60 ÷ 60，得到每秒消耗的热量，然后每秒刷新一次，显示累计消耗的卡路里。
这只是第一步，后续还会加入更多功能。现在，先来实现这个计时器。
短暂时间后，ChatGPT 直接给出了开发一个干净的“计时器”的代码：
初步搭建应用后，Karpathy 继续改进交互体验，让 ChatGPT 在界面上加上两个按钮。不过，当他运行 ChatGPT 给出的代码时就发现问题了——计时器无法正常更新，还直接报错。
他把问题抛给 ChatGPT，AI 迅速排查、找出原因并修复：
最终给出了一份可以直接复制粘贴的完整代码：
第二步：功能优化
应用的初版搞定后，接下来就是优化阶段。Karpathy 直接让 ChatGPT 提点改进建议。
ChatGPT 虽然很客气地提醒，具体怎么改还是得看开发者个人需求，但还是列出了一些实用优化建议，比如增加重置按钮、调整时间显示、优化配色逻辑、增加触觉反馈或动画效果、支持动态 BMR 输入等。
Karpathy 认同了 ChatGPT 的建议，并让其着手准备相应的功能。ChatGPT 没有抱怨一句话，便逐个完成了具体的功能实现：
还让 ChatGPT 看看怎么把界面调整得更美观一些：
第三步：数据持久化（AppStorage）
为了确保应用在关闭后仍能保留数据，Karpathy 让 ChatGPT 指导他使用 AppStorage 进行状态管理。这样，即使重启应用，之前的热量数据也不会丢失。
第四步：部署到 iPhone
最后，他请教 ChatGPT 如何将应用部署到 iPhone 进行真实测试。ChatGPT 详细讲解了 Xcode 配置、开发者账号申请、真机调试等步骤，帮助他顺利完成部署。
Karpathy 根据 ChatGPT 提供的代码，成功运行了应用，并分享了界面截图：
Karpathy 表示，「本质上，这款应用是一个以卡路里为单位的计时器。如果我的基础代谢率设定为 2,000 kcal，那么我即使躺在沙发上啥都不干，也会以 2,000 ÷ 24 ÷ 60 ÷ 60 = 0.02 kcal/s 的速度“自动”燃烧热量。
中间的数值显示的是我的当前热量盈亏。
吃了 300 kcal 的零食，就按 +100 三次。
跑步消耗 200 kcal，就按 -200 两次。
还能一键重置归零，并切换深色/浅色模式 😃。
此外，应用使用了 AppStorage，所以即使关闭再打开，数据也不会丢失。
说白了，它并不复杂，就几个 UI 元素，加上一点简单的逻辑，总共才 200 行代码。但关键是，这一切只花了 1 小时就完成了，而且对我来说真的很实用。比如，如果我想保持每天 500 kcal 的热量赤字，这个应用就能随时告诉我今天还能吃多少，不会超标。」
第二天，Karpathy 又给应用加了点新功能，比如动画进度环。代码量一下子翻倍到 400 行，开发也开始变慢、变复杂。
他思考着接下来的优化方向：
1. 直接把 ChatGPT 接入 Xcode（最近的新功能）。
2. 或者连到 Cursor 继续开发。
同时，他打算看看有没有机会把应用上架 App Store。目前整体进展还不错：
毋庸置疑，Karpathy 再次证明了 AI 在编程领域的强大辅助能力，让即便是 Swift 新手也能迅速完成开发、优化和部署。
普通开发者：开发游戏也不在话下的“氛围编码”
也许有人说 Karpathy 自己的编码能力有目共睹，但并非人人都如他这么厉害，那么“氛围编码”的门槛究竟如何？
另一名开发者 Jose Antonio Lanz 试了试。他在 Decrypt 的测试中发现，Claude 3.7 Sonnet 的编码能力比 Grok-3 更强，于是他决定选用 Claude 3.7 Sonnet 为氛围编码工具。
他的目标很简单：做个轻松有趣的打字游戏。屏幕上方不断掉落单词，玩家必须快速输入正确的单词，否则游戏结束。
他给 AI 的需求也很直接：“做个好看、放松的游戏，我需要快速输入单词才能生存。单词从上往下掉，每输入一个字母，这个字母就会慢慢消失。”
几分钟后，Claude 生成了一款看起来完整的游戏……但当他点下“开始”按钮，什么也没发生。
Jose 立刻告诉 Claude，AI 很自信地回复：“找到 bug 了，正在修复。”
修复后，新版本出炉。他再试，还是不行。
这时候，他决定不自己看代码（毕竟“氛围编码”不就是要省事吗？），直接让 Claude 继续改：“游戏启动不了，按钮没反应。”
经过调整，游戏终于能跑了。
但很快，Jose 又发现了新问题：游戏的词汇库太小，玩久了就会觉得重复。与其让 AI 加载整本字典，他让 AI 编码工具随机混合真实单词和虚构单词，既保证代码简洁，又增添了一些趣味性。
整个过程中，他完全用自然语言和 Claude 交流，而不是直接修改代码。14 轮迭代后，终于有了一个勉强能拿出手的版本：游戏能够随机生成单词，但不支持移动端，当然这一点是 Jose 自己故意让 AI 设定的。
游戏界面如下（https://jaldps.itch.io/tranquil-type）：
“氛围编码”会成为未来主流吗？
现实来看，“氛围编码”确实可以节省大量的时间，但它也不是万能的。从应用层面来看，Jose 通过这次尝试以及其他实验，总结出了一些可能对想要尝试“氛围编程”的人有所帮助的经验：
1. 快速原型可行：从概念到可玩的游戏，仅用了极少的技术输入就完成了。这对编程能力有限的初学者来说是个好消息。不过，对于有经验的开发者来说，这种方式可能更适合作为快速迭代的起点。
2. 迭代是关键：第一版很少能完美运行，成功往往来源于不断的对话式优化和明确的反馈。在这个阶段，有经验的开发者可能会放弃“氛围编程”，转向正常的调试流程，把 AI 作为数字助手来辅助自己。不过，那些想要深入体验“氛围编程”的人可能会从更精准、更详细的提示中获益。你的提示越丰富、结构越清晰，最终的结果就越好。
3. 别操之过急：学会在合适的时候简化需求，能更快得到一个可用的产品。理想情况下，不要一次性让 AI 解决所有问题，而是像搭建模型一样，一层层添加内容。先实现基础功能，然后逐步修复小 bug，再添加具体的功能……一步步完善它。
4. 质量是有上限的：虽然我们做出了一个能玩、还挺有趣的游戏，但它缺乏专业开发软件应有的打磨和优化。别指望用 Grok 开发出《上古卷轴 5：天际》。
5. 调试就像聊天：我们并没有去找代码里的 bug，而是直接描述哪里出了问题，让 AI 自己想办法修复。这种方式挺好用的，但如果是技术专家，可能会通过检查代码或和 AI 讨论技术细节来加快修复速度，而不是只关注结果。
那要问“氛围编码”会成为未来主流吗？
在 ChatGPT 看来，“氛围编码”可能不会是编程的终极形态，但它确实代表了一种趋势。
在开发者 Jose 看来，“只要有耐心，引导 AI 反复迭代，‘氛围编码’确实能产出可用的软件。但它能达到生产级别的质量吗？完全不行。想做出真正专业的应用，还是得靠严谨的调试、优化，以及各种专业工具。”
不过，他也补充说：“话说回来，当年《Flappy Bird》的开发者也靠一个简单的游戏赚了上百万，根本不需要什么复杂架构或系统。有时候，你只需要一个好点子，也许和 AI 一起‘氛围编程’，它帮你赚到第一桶金。”
也有网友认为，有些人对“氛围编码”的批评有点太极端了：“如果完全依赖 AI，确实会有问题。但对于那些已经掌握编程基础、只是想用新语言或新工具折腾点新东西的人来说……基本上全是好处。”
当然，质疑的声音也不少。有人担心，AI 生成的代码可能存在安全漏洞，未经充分审查就直接投入使用，可能会被黑客利用。还有人认为“氛围编码”过度依赖 AI，久而久之会让开发者工程能力退化。此外，在社交平台上，还有一些人把“氛围编码”的成功案例包装成个人能力或财富积累的炫耀，这种做法容易引发争议。
你怎么看“氛围编码”的崛起？你的开发模式又是什么样的？欢迎留言分享！
参考：
https://x.com/karpathy/status/1903671737780498883
https://news.ycombinator.com/item?id=43455266
https://decrypt.co/311183/we-built-game-vibe-coding-ai-claude
https://x.com/minchoi/status/1903089440886583672