1 Vibe Coding

1.1 什么是 Vibe Coding

Vibe Coding 一词最初出现在 2022–2023 年的开发者社区讨论中，用来描述 AI（如 GitHub Copilot、Cursor、Codeium）带来的“跟随氛围写代码”的体验。与传统“提示驱动”（prompt-driven）的方式不同，它强调一种“流畅的开发氛围（coding vibe）”。

整体而言，Vibe Coding 是一种人机协作式编程范式，强调 AI 模型与开发者持续交互，AI 不仅响应明确指令，还会基于上下文、代码风格、项目结构，主动提供代码建议。可以类比为“AI 与程序员结对编程（pair programming）”。

常见的Vibe Coding工具有Github Copilot、Cursor、Codeium、Tabnine、JetBrains AI Assistant等，大致可分为被动型Vibe 和主动型Vibe两类：
被动型Vibe是指 AI 仅在开发者输入时做联想补全，比如 GitHub Copilot 基础功能。
主动型Vibe是指 AI 根据上下文主动提出重构建议、生成文档、发现 bug，比如Cursor 的自动建议。

Vibe Coding的工作流程基本可概括为：
(1) 程序员写代码
(2) AI 模型实时读取上下文，包括文件、项目依赖、甚至整个仓库
(3) AI 自动给出补全/改写建议，不需要程序员下达明确指令
(4) 程序员选择接受、修改或拒绝AI的建议
在整个开发过程中，持续进行以上4个步骤，形成“人+AI”的连续编程过程。

举个例子
假设你在 Python 里输入：

def fetch_data(url):
    response =

在 Vibe Coding 工具里，AI 会立即自动补全：

    response = requests.get(url)
    if response.status_code == 200:
        return response.json()
    return None

1.2 Vibe Coding的特点和现状

优点：流畅；上下文敏感；类似于结对编程；尤其适用于编写模版代码或一些基础的、常见的代码逻辑。

缺点：一旦AI对项目结构理解错误，就有可能生成错误方向的代码；AI 给出的建议本身有可能带来安全隐患，比如拼接 SQL。

主要研究方向：
(1) 生产力评估: 如测量 Copilot 使用者代码产出效率的提升
(2) 人因研究：研究开发者是否更容易进入心流、是否产生过度依赖
(3) 安全性研究：如 vibe coding 提高了“有漏洞代码被无意识接受”的概率
(4) 可解释性研究：解释补全逻辑

---

2 Prompt Engineering

2.1 什么是 Prompt Engineering

Prompt Engineering 是一种设计输入提示（prompt）以控制大模型输出的技术。本质是通过精心设计输入语句，使模型生成符合预期的结果。

常见的Prompt Engineering可大致分为：
零样本提示，Zero-shot prompting，只给任务描述；
少样本提示，Few-shot prompting，提供任务描述 + 示例；
链式思维提示，Chain-of-thought prompting，引导模型逐步推理；
上下文学习，In-context learning，通过长提示模拟“训练”；
系统提示 / 模板提示：固定规则。

常见的Prompt Engineering工具有：OpenAI Playground / ChatGPT、LangChain / LlamaIndex、PromptLayer、FlowGPT 等。使用时，AI工具会首先分析目标任务，常见任务有生成、推理、转换等；随后程序员给出初始 prompt，一般包含目标描述、限制条件、示例等；AI给出输出后，程序员对prompt进行改进，直到输出质量满足需求。

举个例子
Prompt：请你写一个 Python 函数，输入一个整数 n，返回前 n 个斐波那契数。
AI收到prompt后，应输出正确的 Fibonacci 函数。

2.2 Prompt Engineering 的特点和现状

优点：灵活，几乎适用于所有大模型任务；迭代快，调整prompt后立刻就能见到效果。

缺点：结果不稳定，很小的改动也可能导致输出差异巨大；依赖程序员的开发经验。

主要研究方向：
提示优化：自动搜索最优 prompt；
少样本学习理论；
安全性：prompt injection 攻击、越权指令研究；
工具化：如 Prompt-as-Code，prompt version control。

---

3 Vibe Coding vs Prompt Engineering

相同点：都属于人类与AI大模型交互生成代码；依赖上下文影响输出；都存在安全问题。

不同点：Vibe Coding的交互方式为持续协作、实时补全，Prompt Engineering为一次性任务；Vibe Coding的上下文是项目结构、文件内容，Prompt Engineering的上下文是prompt内容本身；Vibe Coding主要用于IDE内写代码，Prompt Engineering则可用于广义任务，如写作、问答等。

目前二者正在被逐渐融合：在 vibe coding 的基础上嵌入 prompt engineering（比如配置、规则、模板），形成“AI 辅助开发流水线”。