Vibe Coding是编程革命还是技术债陷阱？1000+开发者观点大碰撞_服务软件

1. Vibe Coding

2. 一文搞懂什么是 Vibe Coding？

3. Vibe Coding 入门与 Python 实战教程

4. Vibe Coding - 零成本使用claude code 、gpt-5、grok-code-fast-1编程

5. 如何最大限度地利用Vibe Coding | 创业学校

6. 谷歌/百度大脑之父「吴恩达」

7. VibeCoding

8. VibeCoding一周，我的认知刷新了

9. 别傻傻写代码了！用Vibe Coding这个方法，10分钟验证你的产品梦

10. AI 编程范式演进

11. 【系统扫盲】Vibe Coding 入门指南

12. Vibe Coding爆火，让编程像点外卖一样简单

13. 颠覆传统编程

14. 啥是vibe coding？

15. Vibe Coding 的四个心法

16. 人机共舞

17. Vibe Coding革命

18. 从AI辅助编程到Vibe Coding

19. Vibe Coding vs. Agentic Coding

20. Vibe Coding是什么？Vibe Coding的原理是什么？

21. 从写代码到指挥AI

22. 2026 AI编程新范式

23. 人机协作并非简单相加，而是…

24. 协作总莫名掉链子？AI正把百年老办法打碎重来

25. 6 种常见 AI 编程协作方法总结

26. AI编程会成为未来主流吗？答案

27. Anthropic 发布 2026 Agent 编程趋势

28. 你是否支持Vibe Coding(氛围编程)？

29. 你的 Vibe Coding 水平达到哪一等级了？

30. AI智能体编程重构软件开发

31. Claude Opus 4.5

32. AI编程工具能提升团队协作效率吗？全网观点大PK

33. 多智能体协作编程是AI编程的未来吗？全网观点大PK

34. AI时代

35. 从氛围编程（Vibe Coding）到结构化协作

36. 什么是 Vibe Coding？

37. 程序员必看！Vibe Coding是福利还是陷阱？AI写代码的优缺点都在这

38. Vibe Coding

39. 零基础外行搞 vibe coding，不是乌托邦，但你得知道坑在哪

40. 浅谈 Vibe coding

41. Vibe Coding

42. QECon参感-Vibe Coding-企业雇佣知识工作者，而面临知识缺失的窘境

43. VibeCoding

44. vibe coding

45. vibe coding开局爽，后期难

46. Vibe Coding

47. Vibe Coding 六个月后

48. Vibe Coding的十条心法

49. Vibe Coding 还有哪些坑？最大的坑不在技术，在信息差

50. 两种Vibe Coding

51. Vibe Coding 失效案例标准化分类学(Taxonomy)

52. 谈谈 vibe coding

53. Vibe Coding 现状研究报告

54. Agent与程序员结对编程 | 利弊分析

55. AI辅助编程会削弱程序员核心能力吗？全网观点大PK

56. 【深度洞察】LLM辅助编程的现实与未来

57. “氛围编程（Vibe Coding）”没有杀死开源，但它会先一步杀死程序员的学习能力。

58. [Alan の思考] 别拿 AI 工具清单冒充“超级个体”, AI 编程最危险的不是报错，是能力幻觉

59. Vibe Coding（氛围编码）

60. 10 天用掉 10 亿 tokens 后，我的一些 vibe coding 经验总结

61. 分享我的第一次Vibe Coding经历

62. Vibe Coding 半年经验: 从"写代码"到"说清楚"

63. 法律人的新神器来了

64. 产品新人用AI编程画原型，容易走歪

65. 我真的离不开VibeCoding了，救我。虽毕业，师生情不能断。。

66. 普通人如何开始VibeCoding？这是我的经验教训！ Vibe Coding是时代给普通人的巨大机会。

67. 实测 MiniMax 2.5 和 Kimi K2.5 真实开发

68. Vibe Coding

69. 小白如何快速上手Vibe Coding

70. 编程小白vibe coding

71. Vibe coding真的能战胜程序员？Vibe Coding 玩儿了一年后，我的一些想法

72. AI程序（Vibe vs. Spec）

73. 【AI 编程】氛围编程 vs 传统 AI 开发

74. Vibe Coding是革命性编程范式还是短暂潮流？1000+开发者观点大碰撞

75. 重磅开源！智谱GLM-5技术全公开，编程范式要变天了！

76. 2026 编程巨变

77. 2026: Agentic Working 之年｜Anthropic 编程趋势报告解读

78. 2026 编程巨变

79. Anthropic重磅报告

80. 从“Vibe Coding”到“Vibe MBSE”

81. 5行代码，逼疯整个硅谷！澳洲放羊大叔，捅开AI编程奇点

82. 今天看到一篇文章，作者（Joe Mag）是亚马逊的一位工程师，他所在的一个资深工程师团队，过去三个月里借助 Coding Agent，代码产出效率是普通高效团队的 10 倍。但作者可不像傅老板那样说人类程序员要被替代，毕竟人家是专业程序员，他反而是来浇冷水的。他用亲身经历告诉我们：当你的速度提升 10 倍时，你面临的风险和瓶颈，可能也放大了 10 倍。并且“AI Coding”带来了新的变革”——它彻底改变了软件工程中关于“成本”和“收益”的传统计算方式。他们的用法是这样的：他自己提交的代码里，有 80% 是 AI 写的。但这绝不是“Vibe Coding”。他们管自己的工作流叫 “Agentic Coding”（智能体编码）。AI 在这里扮演一个“能力超强、但没有责任感”的初级程序员。人类工程师则是那个经验丰富的“技术主管”或“架构师”。工程师的工作流变成了：1. 拆解任务（自己先想明白，或者和 AI 一起头脑风暴）。2. 给 AI 下指令。3. 逐行审查 AI 的输出。4. 反复迭代，直到对质量完全满意。5. 最终提交PR，并为这些代码负全责。这里面人的作用是最重要的，并没有闲着，只是把工作重心从手写代码转移到了“提要求”和“代码审查”上。我以前打过一个比方：如果说 AI 编程就像汽车引擎一样，可以越来越快，但是软件项目交付速度并不会跟着一起变快，因为汽车跑得快，光引擎快还不够，还要考虑路况、司机的能力。作者在文章中也用了一个类似的比喻：> 当你在赛道上以 200 迈的速度狂飙时，你需要巨大的“下压力”来把车死死按在地面上，否则你会在第一个弯道就飞出去。在软件工程里，“飞出去”指的就是 Bug 和系统崩溃。编码的速度上去了，相应的 Bug 出现的概率和系统奔溃的概率也会跟着上升：- 过去：一个团队可能一年才会遇到一两次严重的生产环境 Bug。- 现在：当你以 10 倍的速度提交代码时，哪怕 Bug 出现的概率不变，你遇到 Bug 的绝对数量也会翻 10 倍。以前一年一次的事故，现在可能每周都来一次。这种“事故率”是任何团队都难以承受的。而很多吹捧 Vibe Coding 的人有意无意都忽略了这些问题。要享受 AI 带来的 10 倍编码速度提升，相应的你也必须要想办法把“出问题的概率”降低 10 倍，甚至更多。当然作者也给了一些具体建议：1. 借助 AI 降低本级搭建开发测试环境的成本，做好“风洞测试”提高代码质量最好的办法就是加强测试。作者一直很推崇一种“风洞测试”的思路。就像造飞机一样，在真正上天前，会把模型放进风洞里吹。在软件里，这就是指在本地搭建一个“高仿真模拟环境”。比如，你的系统依赖了 10 个外部服务（数据库、认证、支付等），你就把这 10 个服务全本地运行或者模拟出来。然后，在你的电脑上就能完整地跑一遍端到端的测试，甚至可以模拟各种极端失败情况。这种测试能抓出大量在“组件”之间缝隙中隐藏的 Bug。以前为啥不做？太贵了！模拟和维护这些服务的工作量太大，大多数团队都放弃了。现在为什么能做了？AI 擅长干这个！ AI 智能体非常擅长写这种逻辑清晰、行为明确的模拟服务。作者的团队在 AI 的帮助下，只花了几天时间，就为他们那个相当复杂的系统搭建起了一套完整的本地“风洞”。过去要几周甚至几个月的活，现在几天搞定。2. 做好持续集成部署（CI/CD）早些年瀑布开发的时候，模块划分好后，都是各自开发，开发后再集成，集成时会很多问题，要花很长时间才能稳定下来。后来持续集成开始流行：> 越早集成越早可以得到反馈，越频繁集成越是可以减少问题复杂度。到现在 CI/CD 已经是公认的软件工程最佳实践，但真正做好的团队也不算太多，原因同样也是搭建和维护这样一套流程成本不低。另外还有一个问题就是很多团队虽然做了 CI/CD，但是流程耗时巨长，一个 PR 等所有各种测试、发布跑一遍，少则十分钟，多则上个小时。以前没有 AI 的时候，这些问题还不明显，现在 AI 能力强了反而成了障碍。特别像汽车引擎速度上来了，还是跑在土坑路上。所以 CI/CD 也需要跟着一起升级，把反馈循环从“小时级”压缩到“分钟级”。你需要一套快到夸张的基础设施，能在几分钟内发现、隔离并回滚有问题的改动，让其他没有问题的改动继续前进。3. 决策和沟通系统也要升级10 倍的代码产出，意味着也要 10 倍以上的沟通和决策效率。以前开发个系统，需要各种开会，讨论很久，最后才开工干活，毕竟要依赖其他人的模块，要先定义好协议，否则后面都没法集成。另外各种技术决策也要反复讨论很久，毕竟那时候开发成本高，如果决策错了返工代价太大。而现在如果还是以前的沟通效率，会极大的拉低整体效率，也许最高效的是尽可能的减少沟通，每个人做的事情尽可能不依赖于其他人。包括我以前提到过的微服务方案，也许在 AI 时代是个不错的选择。对技术决策来说，现在反倒是可以有更多机会试错了，不必像以前一样过于严谨的去反复论证技术决策。AI 带来的 10 倍编码速度，它更像是一个给汽车升级了一个全新的“引擎”。如果你只是把它装在原来的“老爷车”上，你得到的不会是 10 倍的速度，而是 10 倍的问题。AI Coding 的真正价值，不仅仅是写得快，更是它让那些过去“好是好，但太贵”的最佳软件工程实践（比如CI/CD、自动化测试）变得便宜可行了。就像你不仅仅是升级汽车的引擎，还把汽车经常跑的马路一起升级一下，以前的老司机不是让 AI 替代，而是让他们能适应新的高速引擎，给他们舒服和安全的驾驶环境。---原文：The New Calculus of AI-based Coding 网页链接译文《AI 编程带来的新变革》：网页链接

83. 演示一下我 Vibe Coding 的结果：一个把文本、PDF 变成 Slides 的产品并且对于生成的结果可以二次编辑，导出成 pptx，下面是项目介绍和项目源代码链接。创作过程的提示词讲解：http://t.cn/AXUwMlOn Slide Deck 是一款本地优先（Local-first）的 AI 演示文稿生成与编辑工具，旨在把“一个想法”快速变成“可直接拿去展示的漂亮 Slides”。它结合了 Gemini 的推理与语言能力，以及 Nano Banana 的绘图能力：你只需要输入主题或需求，系统就能自动生成结构清晰的内容大纲、配套文案与风格统一的视觉图片，让做 PPT 不再从空白页开始。与“一次性生成就结束”的工具不同，Slide Deck 强调“生成之后依然可控、可编辑”。你可以随时：调整幻灯片顺序，优化叙事节奏 - 删除不需要的页面 - 添加新页面补充内容 - 编辑文字样式（字体、字号、对齐、颜色等） - 撤销/重做，放心试错 - 对不满意的页面一键重新生成完成后，支持一键导出为 PPTX 文件，下载后可在 PowerPoint 或 Keynote 中继续二次编辑与协作。同时，Slide Deck 的所有数据都存储在本地设备，尽可能减少隐私泄露风险，适合商业方案、课堂课件、个人创作等对安全性敏感的场景。它解决的是人们每天都会遇到的“做幻灯片太耗时、太难看、反复改”的摩擦点，让表达更高效、更专业、更轻松。 AI Studio 上的项目地址（你可以自己试试）： http://t.cn/AXUZmjCz http://t.cn/AXUZm1wX

84. 爆火的Seedance2.0，终结AI视频角逐赛！ #燃起来了大国重器 #春节世界观察 #新年囤点专业货

85. 美国大学毕业季最诚实的一次演讲天才教授安杰拉•达克沃思公开承认用AI写稿，但就是这份人机协作的演讲稿，解开了AI时代教育最大的两个困惑 #ai #教育 #AI学习

86. TRAE中国版白送SOLO，一人指挥一支AI大军重磅消息！SOLO终于上线TRAE中国版了，Waitlist免费开放中本期视频实测TRAE的新版本，亮点很多 1、先规划再动手的 Plan 模式 2、带专家团一起干活的 Subagent 子智能体 3、DiffView 差异视图 4、多任务并行 5、上下文智能压缩长时运行不掉链子 SOLO终于把AI从“瞎干活的外包”变成了“懂协作的队友” #AI #人工智能 #TRAE #AI编程 #vibecoding

87. 基于行业深度观察指出，Karpathy指出了2025年大语言模型迎来的六大关键变革，重塑训练、智能认知、应用形态、部署路径、编程模式与人机交互。他的结论是：2025年的大模型，比他预期的聪明，也比他预期的蠢，行业将持续高速进步，同时仍有大量基础与应用问题待解决。

88. 用 AI 后，我效率翻 3 倍，人却更疲惫，别再掉进这个陷阱了

89. 真香！刚骂完AI，Linux之父的首个Vibe Coding项目上线

90. 说个业内偏硬一点的AI大模型未来发展情况。很多大厂都在把大模型纳入自己的开发流程。最近打听到一个项目，使用Vibe Coding的方法，做一个中小型项目的开发，开发时间能缩短至少一半，代码看不懂都行，直接问看过代码的大模型就行。甚至HW，他们目前也在使用仿真脚本（python写的用于效果验证的），都是大模型快速生成消费者怀疑AI是不是泡沫是正常的，C端的AI只是一个搜索引擎、创作者少、变现难。而对大厂来说，AI已经出现生产力革新...

91. 德国萨尔布吕肯计算机科学团队的最新研究显示，软件开发者在使用 AI 编码助手时，往往比与人类搭档协作时更难保持批判性思考。这种变化不仅影响代码质量，也削弱了知识共享的效果。相关成果已于 11 月 16 日在首尔召开的第 40 届 IEEE / ACM 自动化软件工程国际会议上发布。该研究由萨尔大学计算机科学教授斯文・阿佩尔（Sven Apel）团队开展，研究者将参与者分为两组：6 组采用传统两人协作，7 组使用 AI 助手协作（采用 GitHub Copilot）。任务涉及算法开发与项目集成，通过尼科拉斯・施耐德（Niklas Schneider）设计的测量方法评估知识传递效果。实验显示：与人类搭档协作的开发者更倾向质疑讨论，而使用 AI 助手的组别普遍持有“代码大概能正常工作”的态度，79% 的人直接接受 AI 生成的代码建议，很少进行深入审查。据介绍，在传统“双人协作编程”中，两名程序员通过持续讨论和合作，可以避免错误并互相学习，使团队中更多人熟悉代码库。然而，这种优势在与 AI 协作时显著减弱。虽然人机团队也会交流问题和解决方案，但内容更集中于代码本身，讨论范围明显更窄。Apel 认为，这种更容易信任 AI 的倾向可能会在其他领域同样出现，也可能导致更多“技术债务”积累，即未来为修复隐藏问题所需的成本。研究团队表示，目前的 AI 工具在处理简单重复性任务时具有实用价值，但尚无法替代人类间在复杂问题上的深度交流。

92. 硅谷10天干出AI爆款，背后真相到底是啥？你认为AI时代最该被淘汰的，是哪些低效的管理方式？#大咖观察 #红衣聊AI #硅谷 #效率神器

93. 能上生产才是硬道理！Coding Agent 评测，终于开始关注过程了

94. 因为AI编程，Tailwind CSS差点死了

95. 让 AI 干活反而累成狗？Vibe Coding 正在掏空我的大脑

96. 新买的笔记本，竟然会记录我所有的操作？！

97. 当有人说“编程已死” 我更愿意说一句：死的是“打字员式编程”，活下来的是“定义价值的编程”。#大咖观察 #红衣聊AI #openclaw #ChatGPT#编程

98. AI编程大战正式开打！ Claude vs GPT同一天放大招，不是比谁代码写得好，而是AI开始自己组队当项目经理了。#大咖观察 #红衣聊AI #编程 #ChatGPT

99. 我和欧洲“达里奥”做了一场对谈，如何用AI预测未来，用AI把工作效率提升10倍#AI #拉斯特维德 #超智能与未来 #AI预测未来#AI对普通人的影响

100. #余承东称要把简单带给开发者# 鸿蒙和Rust都是一个问题，在LLM起飞以后生态还没发展起来，训练的语聊太少，导致其它软件平台通过Vibe Coding开发门槛越来越低，效率越来越高，但是自己不进则退。在GPT o3以前，LLM甚至写不出来Rust能编译通过的代码，把错误丢给它也绕来绕去，分析不出来生命周期问题。

101. TRAE年度报告大公开，手搓一个背景素材生成器凌晨3点还在敲代码？我用AI一年手搓了13万行代码！作为@TRAE.ai 的重度用户，我的2025年终报告简直离谱：最晚干到凌晨3:42，单日Tab补全90次，一年采纳了13万行代码。在TRAE的高强度辅助下，我把自己想要的小工具全搓出来了本期视频给大家拆解我是怎么用 TRAE做【视频素材生成器】 2026年我要试着把痛点全交给AI，改掉人力死磕的毛病 #AI#人工智能 #AI编程 #TRAELAND #TRAE

102. 英伟达“护城河”要塌了？但这次是老黄自己动的手【X.PIN】

103. 这次春节AI大战，国产模型与国产芯片第一次，双向奔赴！ #春节世界观察 #新年囤点专业货 #燃起来了大国重器 #大咖观察 #红衣聊AI

104. 一个视频带你快速盘点2025年GitHub热点项目

105. 小白 Vibe Coding 发行全平台&可变现应用指南

106. 未来十年世界会怎样？华为给出答案华为发布《智能世界2035》，预测未来十年世界会变成什么样！10年算力增长10万倍；全球AI智能体数量达到9000亿，平均每个人100个；超过90%家庭拥有智能机器人；80%慢性病能被预防，从被动治疗到主动预防；汽车成为移动第三空间；手机app将退出舞台；人类进入全息生活空间！看完134页报告，我给自己列了三点行动指南，陪你一起迎接这十年巨变 #华为 #算力 #2035算力总量10万倍 #智能世界2035 #AI

107. 让全景相机和无人机合体，有多难？——影翎A1全景无人机首发体验

108. 差点被订阅搞崩溃，全量开放的TRAE SOLO模式帮我手搓了个管理神器#AI编程 #科技改变生活 #玩儿个很新的东西 #TRAE #AI新星计划

109. AI 编程又进化了！TRAE SOLO中国版上线且免费 #AI编程 #TRAE #TRAE SOLO #玩一个很新的东西

110. 轻松学会！高手都在用的AI编程大法！

111. Andrej Karpathy 是 OpenAI 联合创始人、前特斯拉 AI 总监，也是全球最有影响力的 AI 研究者之一。他刚刚发布了一篇 2025 年 LLM 年度回顾。第一个大变化：训练方法的范式升级2025 年之前，训练一个好用的大模型基本是三步走：预训练、监督微调、人类反馈强化学习。这个配方从 2020 年用到现在，稳定可靠。2025 年多了关键的第四步：RLVR，全称是 Reinforcement Learning from Verifiable Rewards，翻译过来就是「可验证奖励的强化学习」。什么意思？简单说，就是让模型在「有标准答案」的环境里反复练习。比如数学题，答案对就是对，错就是错，不需要人来打分。代码也一样，能跑通就是能跑通。这和之前的训练有什么本质区别？之前的监督微调和人类反馈，本质上是「照葫芦画瓢」，人给什么样本，模型学什么样本。但 RLVR 不一样，它让模型自己摸索出解题策略。就像学游泳，之前是看教学视频模仿动作，现在是直接扔水里，只要你能游到对岸，怎么划水我不管。结果呢？模型自己「悟」出了看起来像推理的东西。它学会了把大问题拆成小步骤，学会了走错路时回头重来。这些策略如果靠人类标注示范，根本标不出来，因为人自己也说不清「正确的思考过程」长什么样。这个变化带来一个连锁反应：算力的分配方式变了。以前大部分算力砸在预训练阶段，现在越来越多算力用于 RL 阶段。模型的参数规模没怎么涨，但推理能力飙升。OpenAI 的 o1 是这条路的起点，o3 是真正让人「感觉到不一样」的拐点。还有个新玩法：推理时也能花更多算力。让模型「想久一点」，生成更长的推理链条，效果就更好。这相当于多了一个调节能力的旋钮。第二个大变化：我们终于搞懂了 AI 是什么「形状」的聪明Karpathy 用了一个很妙的比喻：我们不是在「养动物」，而是在「召唤幽灵」。人类的智能是进化出来的，优化目标是「在丛林里让部落活下去」。大模型的智能是训练出来的，优化目标是「模仿人类文本、在数学题里拿分、在评测榜单上刷分」。优化目标完全不同，出来的东西当然也完全不同。所以 AI 的智能是「参差不齐」的，英文叫 jagged intelligence。它可以在某些领域表现得像全知全能的学者，同时在另一些领域犯小学生都不会犯的错。上一秒帮你推导复杂公式，下一秒被一个简单的越狱提示骗走你的数据。为什么会这样？因为哪个领域有「可验证的奖励」，模型在那个领域就会长出「尖刺」。数学有标准答案，代码能跑测试，所以这些领域进步飞快。但常识、社交、创意这些领域，什么是「对」很难定义，模型就没法高效学习。这也让 Karpathy 对基准测试失去了信任。道理很简单：测试题本身就是「可验证环境」，模型完全可以针对测试环境做优化。刷榜变成了一门艺术。所有基准都刷满了，但离真正的通用智能还差得远，这是完全可能发生的事。第三个大变化：LLM 应用层浮出水面Cursor 今年火得一塌糊涂，但 Karpathy 认为它最大的意义不是产品本身，而是证明了「LLM 应用」这个新物种的存在。大家开始讨论「X 领域的 Cursor」，这说明一种新的软件范式成立了。这类应用做什么？第一，做上下文工程。把相关信息整理好，喂给模型。第二，编排多个模型调用。后台可能串了一堆 API 调用，平衡效果和成本。第三，提供专业场景的界面。让人类能在关键节点介入。第四，给用户一个「自主程度滑杆」。你可以让它多干点，也可以让它少干点。有个问题被讨论了一整年：这个应用层有多「厚」？模型厂商会不会把所有应用都吃掉？Karpathy 的判断是：模型厂商培养的是「有通用能力的大学毕业生」，但 LLM 应用负责把这些毕业生组织起来、培训上岗，变成能在具体行业干活的专业团队。数据、传感器、执行器、反馈循环，这些都是应用层的活。第四个大变化：AI 搬进了你的电脑Claude Code 是今年最让 Karpathy 印象深刻的产品之一。它展示了「AI 智能体」应该长什么样：能调用工具、能做推理、能循环执行、能解决复杂问题。但更关键的是，它跑在你的电脑上。用你的环境、你的数据、你的上下文。Karpathy 认为 OpenAI 在这里判断失误了。他们把 Codex 和智能体的重心放在云端容器里，从 ChatGPT 去调度。这像是在瞄准「AGI 终局」，但我们还没到那一步。现实是，AI 的能力还是参差不齐的，还需要人类在旁边看着、配合着干活。把智能体放在本地，和开发者并肩工作，才是当下更合理的选择。Claude Code 用一个极简的命令行界面做到了这一点。AI 不再只是你访问的一个网站，而是「住在」你电脑里的一个小精灵。这是一种全新的人机交互范式。第五个大变化：Vibe Coding 起飞了2025 年，AI 的能力跨过了一个门槛：你可以纯用英语描述需求，让它帮你写程序，完全不用管代码长什么样。Karpathy 随手发了条推特，给这种编程方式起了个名字叫 vibe coding，结果这个词火遍全网。这意味着什么？编程不再是专业程序员的专利，普通人也能做。这和过去所有技术的扩散模式都不一样。以前新技术总是先被大公司、政府、专业人士掌握，然后才慢慢下沉。但大模型反过来，普通人从中受益的比例远超专业人士。不只是「让不会编程的人能编程」。对会编程的人来说，很多以前「不值得写」的小程序现在都值得写了。Karpathy 自己就用 vibe coding 做了一堆项目：用 Rust 写了个定制的分词器、做了好几个工具类 App、甚至写了一次性的程序只为找一个 bug。代码突然变得廉价、即用即弃、像草稿纸一样随便写。这会彻底改变软件的形态和程序员的工作内容。第六个大变化：大模型的「图形界面时代」要来了Google 的 Gemini Nano Banana 是今年最被低估的产品之一。它能根据对话内容实时生成图片、信息图、动画，把回复「画」出来而不是「写」出来。Karpathy 把这件事放到更大的历史脉络里看：大模型是下一个重大计算范式，就像 70 年代、80 年代的计算机一样。所以我们会看到类似的演进路径。现在和大模型「聊天」，有点像 80 年代在终端敲命令。文字是机器喜欢的格式，但不是人喜欢的格式。人其实不爱读文字，读文字又慢又累。人喜欢看图、看视频、看空间布局。这就是传统计算机为什么要发明图形界面。大模型也需要自己的「GUI」。它应该用我们喜欢的方式跟我们说话：图片、幻灯片、白板、动画、小应用。现在的 Emoji 和 Markdown 只是初级形态，帮文字「化个妆」。真正的 LLM GUI 会是什么样？Nano Banana 是一个早期暗示。最有意思的是，这不只是图像生成的事。它需要把文本生成、图像生成、世界知识全部绞在一起，在模型权重里融为一体。Karpathy 的总结是这样的：2025 年的大模型，比他预期的聪明，也比他预期的蠢。两者同时成立。但有一点很确定：即使以现在的能力，我们连 10% 的潜力都没挖掘出来。还有太多想法可以试，整个领域感觉是敞开的。他在 Dwarkesh 的播客里说过一句看似矛盾的话：> 他相信进步会继续飞速推进，> 同时也相信还有大量的工作要做。两件事并不矛盾。2026 年系好安全带继续加速吧。《2025 LLM Year in Review》:网页链接

112. P图套壳也能变现？薅热点+编程思维 = 副业搞钱必杀技......

113. Seedance2.0只是前菜，未来的AI编程会更加疯狂。

114. AI 编程真的有用吗？Cursor｜TRAE 深度实测！

115. 我发现很多中低水平的程序员Vibe Coding写出来的代码还不如不会编程的人。如果你不会编程的话，把自己的需求说清楚（当然把话说清楚已经很难了），在项目复杂度不高的情况下AI就能写出来正常的代码，但是会编程又不多的人，会把自己拍小脑想出来实现方案告诉AI，因为即使是导致代码复杂度变高或者可维护性变差的错误实现方案，AI也能听话地硬写出来。

116. 未来的人和智能体应该是相互融合协作的关系。 #大咖观察 #红衣聊AI #智能体 #人机协作

117. AI Coding赛道已经卷到了一种很抽象的境界，大名鼎鼎的Y Combinator投了一款新的AI编程产品，和Cursor等竞品不同的是，这个产品并不宣扬自己编码能力有多强，而是主打一个「人无我有」的特色：程序员看着AI自动写代码的时候很无聊吧，它里面内置了一个约炮神器Tinder，让程序员可以一心二用的滑妹子⋯⋯当然要是使用者无欲无求也可以把Tinder换成TikTok、数独游戏等消遣应用，总之就是给AI编程加点乐子，不至于太过无聊。

118. 一篇92页大模型Vibe Coding技术全面综述

119. Vibe Coding 给智能制造带来的全新机遇

120. 中科院ICT：Vibe Coding范式将AI编程系统化

121. 人机协作的迷思：AI结对编程中，谁为“未知错误”负责？

122. AI会替代软件开发吗？业内专家与开发者共议人机协作新范式

123. Vibe Coding能否赋予屏幕阅读器开发者“编程超能力”？

124. 人机共舞：Vibe Coding如何重塑编程新范式

125. AI 在编程领域有何进展与挑战，未来前景如何？

126. Claude Code：重新定义编程的AI协作范式

127. 我和AI互相PUA的3个瞬间：它嫌我指令发疯，我嫌它不懂人话（附聊天记录

128. Google Vibe Coding 作品集深度分析：从近100个案例看 AI 编程的未来

129. “AI，给我整点x86汇编！”从业25年，一名编程教师顿悟：既然都在Vibe Coding了，不如直接“开摆”

130. 氛围编程（Vibe Coding）自救指南：与AI结对编程的终极工作流

131. Vibe Coding：定义、演进与实践

132. 如果你打算用Vibe Coding，那为什么不直接用 C 呢？

133. 极智编程：基于Qoder+PolarDB Supabase 实现全栈VibeCoding

134. [Vibe-Coding 101] 1-什么是Vibe-Coding

135. 关于 Vibe-Coding 和 AI Agent 的 18 个使用技巧！

136. Vibe Coding升级玩法：一小时做出一个App

137. 【bobo的流程江湖】第十七章：AI时代的"人机协同困境"

138. “Vibe Coding”开发流程，想法快速转化为可上线的完整 APP

139. 2025年初AI编程生态全面升级：GitHub Copilot、Visual Studio 2026引领开发范式转向“Vibe编程”，岗位需求与技能重心同步迁移

140. Vibe Coding:AI编程至尊超级终极无敌指南

141. AI编程实践：从Claude Code实践到团队协作的优化思考｜得物技术

142. 4000 Star，Vibe Coding终级指南：胶水编程

143. AI4SE人机高效协同：重新定义软件开发新范式

144. vibe-coding 最佳实践指南

145. 从确定性编程到神经导向编程：AI原生时代的系统架构演进

146. 我的Vibe Coding最佳实践 & 工作流

147. 最新的 AI 辅助编程（Vibe Coding）综述

148. Vibe Coding 能帮你快，但避不了这些坑

149. CTF比赛中人与AI的协作研究,AI很强，如何用好是关键

150. Vibe Coding ：最近很火的 Vibe Coding，到底是个啥？

151. 为什么你的 Vibe Coding 体验那么差？

152. AI会替代软件开发吗？业内专家与开发者共议人机协作新范

153. Vibe Coding：AI时代架构师的新挑战

154. 人机协作的秘密：什么时候该找人，什么时候该找AI？

155. 阿里百度腾讯美团拼VibeCoding，12岁娃直言缺点，编程门槛创新低

156. 产品经理角度——如何利用VibeCoding快速进行POC和MVP验证实现

157. Vibe Coding：AI 编程火了，对程序员到底是好事还是坏事？

158. Claude Code 很出色，但它还不是未来

159. 协作型AI：如何与人类共创“一加一大于二”的超级团队

160. 从想法到应用零门槛？阿里腾讯等VibeCoding产品优劣大起底

161. 我开源了一个 AI Coding 的尝试

162. 产品经理警惕使用Vibe Coding，几分钟做出来的产品可能是一坨屎！

163. AI日报｜AI编程新范式：Spec Coding与Kiro IDE深度解析

164. 没有编程基础，怎么开发自己的应用？—响指 Vibe Coding 完整指南

165. 零基础厂妹vibe coding从入门到入门的白痴教程。。。过年无聊不如研究如何手搓一个同人女模拟器。。

166. Vibecoding 时代，程序员会消失吗？——从“全自动”到“半自动”的冷思考

167. 首篇Vibe Coding综述，讲清楚Coding Agents的前世今生

168. Vibe Coding（氛围编程）哪家强？

169. 人机协作：未来世界的新生产力范式

170. 氛围感编程Vibe coding项目推荐：游戏+工具+网页应用

171. AI工具能否显著提升办公与编程效率？关键在于任务属性与人机协作策略

172. Vibe Coding 初体验：我用 AI 做了一个通勤播客第一次尝试 Vibe Coding，过程比我想象的曲折，但也比我想象的更有趣。为了做一个完全服务于我个人偏好的 “通勤播客网页”，我经历了： 1、和AI聊清楚自己的需求到底是什么？ 2、Google AI Studio制作前端界面后，连不上GitHub… 3、Claude Code 跑通MVP 但额度耗尽的尴尬… 4、切换 GPT Codex，继续再战完成在这个过程中，我发现很重要一个点是，搞清楚自己到底想要什么。如果你也有个小痛点想解决，尝试用AI 来帮自己实现吧。链接放到评论区了，欢迎大家体验！“如果你也能指挥 AI 做一个工具，你最想解决生活中的什么痛点需求？”欢迎大家一起交流~ #知识分享 #ai #ai工具 #coding #互联网

173. 人机协作：重塑工作模式的生产力革新 | #服务话题圈

174. AI生成PR引发的开源争议 | The PrimeTime

Vibe Coding是编程革命还是技术债陷阱？1000+开发者观点大碰撞

张大妈

张大妈

Vibe Coding是编程革命还是技术债陷阱？1000+开发者观点大碰撞

精选参考来源

张大妈

张大妈