中科院计算所发布首篇Vibe Coding系统综述，分析超千篇论文揭示AI编程新范式。研究指出成功关键不在AI智能程度，而在于系统化工程方法，为开发者提供实践指南。
智能速览
Vibe Coding定义为人类、项目、AI智能体三方协作新范式
首次用数学形式化建模为受约束马尔可夫决策过程
提出五种开发模式：从无约束自动化到上下文增强
AI编程智能体需具备规划、记忆、工具调用、反思四大能力
现实数据显示AI工具生产力提升仅20-30%，非宣传的10倍
精华内容
这篇综述将看似’佛系’的编程方式转化为可研究优化的工程问题，为AI时代软件开发提供系统性框架。
概念定义
Vibe Coding是以LLM为核心的软件开发方法论，构建人类开发者、软件项目、编程智能体三方动态协作关系。人类从代码编写者转型为意图表达者和质量裁判，项目从静态代码库扩展为多维信息空间，AI在双重指导下自主完成开发任务。
理论建模
研究团队首次用受约束马尔可夫决策过程形式化定义Vibe Coding。状态空间由项目状态构成，动作空间是AI行为集合，转移函数受规范约束，奖励函数由人类评估决定。这种数学建模将模糊的’凭感觉编程’转化为可优化评估的工程问题。
实践分类
论文提出五种开发模型：无约束自动化（UAM）适合快速原型，迭代对话协作（ICCM）用于需求不明场景，计划驱动（PDM）服务复杂系统，测试驱动（TDM）保障高可靠性，上下文增强（CEM）支撑大型代码库。开发者可根据项目特点选择合适模式。
技术架构
现代编程智能体需具备四大核心能力：规划分解（如CoT、ToT方法）、长期记忆（MemGPT扩展上下文）、工具调用（执行shell、运行测试）、自我反思（Self-Debugging机制）。结合调试的系统在HumanEval基准达到98.2%准确率。
现实挑战
研究显示经验开发者使用Cursor后任务完成时间反增19%，生产力提升实际仅20-30%。48%的AI生成代码存在安全漏洞，2025年5月Lovable平台曝出170个应用安全事件。这提醒我们Vibe Coding是工具而非万能药。
Vibe Coding正在重新定义软件开发，但成功依赖系统化工程而非单纯AI能力。开发者需掌握意图表达、上下文工程等新技能，企业要投资开发环境和协作模式建设。理解其边界和最佳实践，是AI时代保持竞争力的关键。
