Vibe coding: programming through conversation with artificial intelligence
Vibe Coding：通过与人造智能对话进行编程
摘要
这篇论文被视为对 vibe coding 的首个系统性实证分析，作者通过框架分析法研究了来自 YouTube 和 Twitch 的长时段 vibe coding 会话，关键词包括 LLM-based code generation、framework analysis、developer workflows、debugging practices。 研究发现，典型 vibe coding 工作流呈现出“迭代目标满足循环”：开发者在提出目标、由 AI 生成代码、快速扫描与测试、再进行微调或手动修改之间不断切换，而提示往往混合了模糊高层描述与非常细节的技术约束。 重要结论是：vibe coding 并没有消除对编程专业知识的需求，而是把专业性重新分配到上下文管理、结果评估与“何时接管手写”的决策上，同时信任建立是动态和情境化的，需要通过持续验证而不是盲目接受，这为构建更安全、更可控的 AI 开发工具提供了理论依据。
原文链接
Vibe coding: programming through conversation with artificial intelligence