Vibe Coding（氛圍編程），如今成為硅谷最新流行語。

首次提出這一概念的AI大神Karpathy，再度分享了自己的編程新姿勢——用Swift編寫首個完整卡路里追蹤的iOS應用。

令人驚訝的是，他完全沒有Swift編程經驗，也沒有翻閱任何文檔。

通過與ChatGPT的多輪對話，Karpathy僅用1小時完成整個開發過程，并成功部署到手機上。

不僅如此，在氛圍編程爆火之后，各路網友紛紛開發各種游戲、網頁等各類應用，甚至就連科技公司也掛上招聘「氛圍編程師」的職位。

一則YC招聘啟示中，一則YC招聘啟示中，明確提出工作內容中的50%代碼，均是由AI完成，年薪高達120k美金（87萬元）。

職位介紹中，每天工作12-15小時，卻成為了全網的華點。

如果AI真的提高了生產力，為啥還會有人每天狂干12-15個小時呢？

400行代碼，ChatGPT化身編程導師

Karpathy如何用嘴，迅速完成一個iOS應用的開發？

推文中，他具體分享了自己與ChatGPT對話的四次過程：啟動應用；功能增強；使用AppStorage持久化數據；部署到手機。

在啟動應用階段，Karpathy從0開始，告訴ChatGPT自己的需求：剛剛下載了Xcode，希望用SwiftUI構建一個iOS應用。

ChatGPT在接下來開啟了「手把手」教學。

首先安裝和啟動Xcode，就這個環節已經細致到，打開點擊具體某個選項。然后配置項目，包括命名、界面、編程語言等選擇。

接下來，ChatGPT還提供了基礎代碼，包括SwiftUI的界面布局和邏輯實現，幫助Karpathy快速搭建了一個可運行的原型。

有了原型之后，便開始實操了——構建一個體脂追蹤的計時器APP。

Karpathy就像一位產品經理一樣，給出了自己的具體要求：「計時器」主要體現隨時間變化而自然消耗的熱量，用大號數字顯示在屏幕中央，還要每秒更新一次消耗的熱量。

ChatGPT按照指令，給出了分布構建過程，以及下一步建議。

接下來，Karpathy還要求其給出不同按鍵對應的功能代碼搭建過程，以及每秒更新的配置。

第二部分，在基礎版本完成之后，就是去做功能增強。

比如，支持明暗模式切換，簡單的加減按鈕、觸覺反饋和動畫等，ChatGPT均提供了具體的代碼片段和實現建議。

圖片

為了讓數據在應用關閉后依然保存，Karpathy還向ChatGPT詢問了如何使用AppStorage。

ChatGPT詳細講解了AppStorage的使用方法，并幫他將卡路里數據存儲到UserDefaults中。

圖片

最后一步，Karpathy需要將這款應用部署到iPhone上，ChatGPT指導他完成了Xcode配置、證書設置、設備部署的步驟，并最終讓應用成功運行在手機上。

經過1小時的對話，卡路里計時器的應用完成了。

下面是計時器的主要功能，一共200行代碼，只有幾個UI元素和一些簡單的邏輯。

第二天，Karpathy又通過與ChatGPT的3次對話，為應用添加了一些新功能：動畫環、將固定值顯示在 [-3500, 3500] 區間內。

剛剛，他還為其添加了日志、為+100/-100添加小字說明并隱藏BMR兩個功能。

截至目前，這款應用代碼也僅有400行。

網友瘋狂整活

隨著氛圍編程越來越火，圈內大佬Min Choi也總結了一波效果拔群的案例。

開發者Luke Van In用大約1萬行Claude編寫的代碼構建了一款游戲。

他認為，當前代碼庫的復雜庫已經接近可控的極限，Claude已經能夠重構20%代碼，并自動添加了武器后坐力和鏡頭抖動的效果。

對于貼花系統，Luke又借助了Grok進行了一些手動調整。

xAI工程師kache設置了一種方法，可以動態重新加載客戶端和服務器邏輯，無需用戶刷新頁面，就可以實時更新和迭代。

他還特意強調，如果自己清楚想要做什么，氛圍編程才能發揮其優勢。

還有一位開發者Louie Bacaj僅用Claude 3.7+o1 Pro，在幾個小時內通過氛圍編程做出一個益智游戲。

圖片

還有角色扮演的小游戲，也是通過氛圍編程就能完成。

還有人用兩條提示，就能讓游戲中NPC駕駛飛機。

圖片

不是所有AI輔助編程都是「氛圍編程」

值得注意的是，并不是所有用上AI輔助的編程，都能稱之為「氛圍編程」。

在最近的一篇博客中，知名web框架Django的共同作者Simon Willison，就對這一概念進行了非常詳盡的解釋。

并且，還獲得了「發明人」Karpathy的大加贊賞：

就個人體驗而言，當我處于類似下面這條狗的狀態時，就會稱之為「氛圍編程」——比如昨晚開發iOS應用時的場景。

但實際開發中，我很少徹底放任AI自由發揮，更多時候保持著漸進式迭代：審閱生成代碼、分階段增加復雜度、通過持續提出澄清問題來逐步理解模塊間的交互邏輯。

氛圍編程正當時

自從Andrej Karpathy在2月3日首次提出「氛圍編程」后，這一概念隨即登上各大主流媒體，并引發無數線上討論。

為了避免偏離初衷，這里必須強調——氛圍編程絕不等同于借助LLM編寫代碼，而是在不審查LLM產出代碼的情況下構建軟件。

「氛圍編程」可以你完全沉浸在氛圍中，擁抱指數級進步，甚至忘記代碼本身的存在。這是因為LLM（例如Cursor Composer搭配Sonnet）已經變得足夠優秀。我甚至可以只用SuperWhisper與Composer進行對話，幾乎無需摸鍵盤。

我會提出最基礎的要求，比如「將側邊欄的內邊距減半」。并且總是點擊「全部接受」，而不去查看代碼差異。遇到報錯，就直接復制到對話框中讓LLM去修復。代碼的復雜程度已超出我的日常認知，真要理解必須逐行細讀。有時LLM無法修復bug，我就直接繞過或隨機調整直到問題消失。

對于周末隨便做的項目來說，可謂是充滿趣味。只是觀察、口述、運行、復制粘貼，結果居然大部分都能跑通。

作為天賦異稟的資深程序員，Andrej本無需AI輔助。他選擇這種編程方式，是因為嘗試瘋狂的創意充滿樂趣，且LLM的代碼生成速度比最頂尖的人類程序員快幾個數量級。

對于低風險的原型開發，何不放手讓它發揮？

使用LLM寫代碼≠氛圍編程

與專業軟件工程師使用LLM的方式相比，這種「忘記代碼存在」的開發方式有著本質差異。

首先，軟件工程師需要構建的是符合多重標準的系統——不僅要可驗證運行，還需具備人類可讀性（及機器可解析性），并能支撐長期迭代開發。

其次，軟件工程師需要在同時考慮顯性需求與隱性約束的情況下，從數十種潛在方案中篩選出最優解，進而實現性能、可訪問性、安全性、可維護性、成本效益等指標之間的平衡。

第三，軟件工程師還需要對代碼進行審查。生產環境AI輔助開發鐵律是：任何無法向其他人精確解釋工作原理的代碼，都禁止進入版本庫。

不難看出，當LLM生成代碼后，軟件工程師會完整地執行審查、測試，以及確保可解釋性這一系列流程。也就是說，這本質上仍是傳統軟件開發范式。工具鏈中是否包含LLM，并不改變工程實踐的屬性。

氛圍編程的價值

雖然氛圍編程≠用LLM進行編程，但這并不意味著它是一種不負責任的開發方式。

這種突破性的編程形式，實則蘊含著改變世界的潛能——讓數百萬沒有計算機學位或經過編程培訓的普通人，也能借助工具，讓計算機完成高度定制化任務，打造屬于自己的個性化工具。

如此一來，那些原本和編程沒什么交集的人可能會因此點燃熱情，并最終成長為專業開發者。這個行業的最大壁壘——如同攀登懸崖般的初始學習曲線——將被氛圍編程徹底鏟平。

而資深的工程師們，也可以借此訓練自己對模型能力邊界的認知。正如此前所論述的，使用LLM編碼如同在暗藏技術雷區的迷宮中探索，需要持續積累直覺經驗。

一句話總結就是，「氛圍編程」值得所有「段位」的開發者親身投入體驗。