Vibe Coding - 用自然语言写代码的时代已经来了

2025年初，前特斯拉AI总监、OpenAI创始成员Andrej Karpathy在X（原Twitter）上发了一条帖子，描述了他最新的编程工作流："我不怎么写代码了。我就对着编辑器说话，告诉它我要什么，它生成代码，我点Accept All，代码合入。出错了就把报错信息丢给它，通常就修好了。我已经一个多月没认真读过diff了。"

他用了一个词来形容这种新范式：Vibe Coding。

这个词在开发者社区里炸了。不是因为Karpathy说了什么新东西——用AI辅助写代码这件事从2021年GitHub Copilot发布之后就一直在发生——而是因为他用一个恰如其分的词命名了一个大家已经在做、但还没有语言来描述的行为。就像"远程办公"在2020年之前就存在，但需要一个集体事件来让它成为一个有名字的类别。Vibe Coding在Karpathy发帖之前就已经在发生，但那篇帖子是催化剂。

《纽约时报》科技专栏作家Kevin Roose在随后的评论中称Vibe Coding为"自2008年Stack Overflow诞生以来，软件开发领域最重大的范式转移"。风险投资机构Andreessen Horowitz在2025年底发布的一份市场分析中估计，"AI原生编程——Vibe Coding是其消费者端的表达形式——正在重塑一个4000亿美元的全球软件开发市场，它把价值从手工编写代码的劳动转移到了AI辅助的产品创造上。"

根据GitHub 2025年Octoverse报告，Copilot用户合入的PR中46%的代码由AI生成（2023年这个数字是27%）。Stack Overflow 2025年开发者调查发现，67%的专业开发者每周至少使用一次AI编程工具，38%的人表示AI编程"从根本改变了"他们的工作流。

而涂鸦的AI编程平台则将Vibe Coding带到了IoT和智能硬件这个最复杂的软件开发领域——在这里，固件、云端配置和移动App三端的整合复杂度，一直让硬件开发成为门槛最高的软件工程方向之一。一句"帮我生成一个每30秒采集一次温度数据并上报到云端的固件模块"就能直接生成可以编译、可以烧录的C代码——这就是Vibe Coding从实验室走进工厂流水线的时刻。

想用自然语言开发IoT硬件？涂鸦AI编程让你用一句话描述产品需求，自动生成固件、云端配置和App界面——一站式完成。

Vibe Coding不是凭空出现的

Vibe Coding的底层技术可以追溯到2017年Google Brain团队发表的Transformer架构论文"Attention Is All You Need"。Transformer让机器第一次能够以足够的精度处理自然语言——并且把自然语言翻译成代码。

但Vibe Coding的直接演变经历三个阶段：

第一阶段：GitHub Copilot（2021年）。 它不是第一个AI编程工具，但它是第一个让开发者真切感受到"AI在帮我写代码"的产品。当你在函数上面写一行注释"// 解析这个CSV文件并返回一个用户对象列表"，然后AI在下面自动生成一整段可以直接运行的实现代码——那一刻，程序员和机器的关系发生了质变。

第二阶段：ChatGPT代码生成能力（2022-2023年）。 ChatGPT是一个通用对话AI，但它碰巧非常擅长写代码——这个"碰巧"改变了整个行业。原本不用Copilot的开发者开始把报错信息、函数签名、API文档粘贴进ChatGPT，让它帮忙调试、重构、解释。斯坦福人本AI研究所（HAI）2024年AI指数报告指出，代码生成是ChatGPT专业用户中最常见的单类用例。

第三阶段：智能体式编程平台（2024-2026年）。 现阶段的产品——Cursor、Replit Agent、Claude Code和涂鸦AI编程——代表了一次质的飞跃。AI不再是一个"代码补全工具"，而是一个"自主编程代理"：开发者用自然语言描述任务，AI自主规划实现方案、跨文件编写代码、运行测试、修复自己引入的错误、部署应用。开发者的角色从"代码的写作者"变成了"AI生成代码的审查者"。

Karpathy在原始帖子中描述他的工作流："我就对着编辑器说话，手几乎不碰键盘。我让它做一些蠢到家的事情，比如'把侧边栏的内边距减半'，因为我懒得自己找到那行代码。我永远点'接受全部'，我不看diff了。出错的时候我就把报错信息原样粘贴给它，不加任何注释，通常它就修好了。"

这段描述同时被一些人视为未来的蓝图和被另一些人视为工程严谨性的警示——这种矛盾心态恰恰捕捉到了Vibe Coding运动的真实张力。

Vibe Coding如何改变软件开发的经济模型

Vibe Coding最重要的影响不是技术层面的，而是经济层面的。当"写一行代码"的边际成本趋近于零，"谁能开发软件"和"什么样的软件值得开发"这两个问题的答案就被改写了。

麦肯锡QuantumBlack AI部门2025年的一项分析估计，AI编程工具可以将常见开发任务——CRUD接口、API集成、UI组件、数据处理管道——的完成时间减少40-60%。对于一个开发MVP（最小可行产品）的创业公司，工程成本从"招两三个开发干三到六个月，花5-15万美元"变成了"订阅AI编程工具加一个兼职技术审查，花5千到1.5万美元一个月出原型"。

对于大型企业，效果更多体现在"容量"而非"成本"上。一个1000人的软件组织，规模化采用AI编程工具后，可以实现在不增加人员的情况下将产出提升30-50%——或者在维持当前产出的前提下解放工程师去解决更高价值的问题。德勤2025年Tech Trends报告将AI编程称为"生成式AI在企业中ROI最快的部署方向"，理由是"不同于营销、法务、客服等领域的AI应用——它们需要工作流重新设计、变革管理和领域特定的调优——AI编程工具可以直接嵌入开发者现有的工作流，几乎不需要适应成本。"

涂鸦AI开发者平台将涂鸦AI编程的核心能力以API和SDK的形式开放给企业和团队，让Vibe Coding可以集成到现有的CI/CD流水线和开发流程中。

Vibe Coding的三层境界

不是所有的Vibe Coding都是一回事。它有三个递进的层次：

第一层：辅助型。 开发者仍然手写代码，但AI作为实时顾问——粘贴函数签名让它补全实现、询问API用法、让它生成测试用例、让它解释不熟悉的代码库逻辑。开发者完全掌控代码；AI加速单个任务。这一层已经是多数专业开发者的日常标配。

第二层：协作型。 开发者用自然语言描述任务，AI跨文件生成实现方案，开发者审查、修改、通过后合入。开发者和AI是同级协作者——开发者提供判断，AI提供速度。这是Karpathy描述的层级，也是Cursor Agent Mode、Claude Code 和涂鸦AI编程默认的工作流。

第三层：自主型。 AI接收一个高层次的产品需求——"搭建一个实时展示IoT设备传感器数据的Web仪表盘"——然后自主规划架构、选择技术栈、编写全部代码、编写并运行测试、部署应用、监控错误。开发者和系统的交互像"产品经理"而不是"共同作者"——定义什么要做、评估结果质量，但不阅读每一行代码。这一层在定义明确、范围狭窄、技术栈成熟的场景下已可实现，但对于有严格安全、可靠性和合规要求的生产级系统还不够可靠。

涂鸦AI编程在IoT固件开发领域主要定位于第二层，在标准产品品类（如温湿度传感器、智能插座、灯光设备等）的固件生成中可以接近第三层。

为什么Vibe Coding对IoT开发尤其重要

IoT开发一直是最碎片化、门槛最高、整合成本最大的软件工程领域之一。开发一个联网温度传感器，你需要：写嵌入式C固件（理解GPIO、I2C、定时器、中断）；配置云端设备接入和认证服务；开发一个用户能看温度读数的手机App界面；实现固件OTA升级逻辑；保证设备认证和数据加密。其中每一层用的是不同的语言、不同的开发工具、不同的构建系统、不同的部署流水线。

一个资深的IoT工程师当然能搞定所有这些东西。但新手呢？一个只有App开发经验、想在自家阳台上搭一个自动浇水系统的Maker呢？一个想快速验证一个硬件产品创意的创业者呢？在Vibe Coding之前，他们的选择要么是花几个月学嵌入式C，要么是放弃。

Vibe Coding改变了这个局面——它提供的是一个覆盖IoT全栈的、自然语言驱动的统一编程接口。你不需要在一个C项目、一个云端控制台App、一个手机App项目之间来回切换。你用一句话描述你想要的设备行为——"一个检测到人靠近就自动亮的智能夜灯，支持WiFi连接和手机远程开关"——然后涂鸦AI编程帮你同时生成固件、云端配置和App界面，而且三端的数据模型和通信协议天然一致，因为它们是同一条自然语言Prompt生成的。

做智能硬件但不想从头学嵌入式C？涂鸦AI编程让你用一句话生成完整IoT固件——从传感器驱动到云端连接，全部自动搞定。

批评者的声音：Vibe Coding错在哪里？

对Vibe Coding的反扑和它的热度一样猛烈。软件工程研究者Hillel Wayne在一篇广泛传播的博客中写道："Vibe Coding在它有效的时候很有效，在它失效的时候你完全不知道为什么失效——因为代码不是你写的，你接受了AI的黑箱输出，你对现在由你负责维护的这个系统没有任何心智模型。"

图灵奖得主、LaTeX的创造者Leslie Lamport的批评更尖锐："Vibe Coding是'不理解下的编程'。你可以得到一个看起来能跑的东西，但你不确定它在AI没有预料到的条件下会继续跑——而工程学中所有重要的条件，都是AI没有预料到的。"

这些批评是有分量的。它们指向一个负责任的中间地带：Vibe Coding是探索、原型开发、和"失败后果可接受"的标准任务（样板代码、CRUD、UI组件、测试、标准IoT固件模式）的强大工具，但它不能替代安全关键、合规管制的系统中的工程严谨性。2026年最有效的工程组织，是那些学会了区分"好任务"（让AI写传感器驱动和云端配置，审查后合入）和"坏任务"（让AI写支付安全逻辑然后不看diff就上线）的团队。

Vibe Coding接下来会怎样？

三个趋势正在定义Vibe Coding的下一阶段。

领域专用AI编码模型。 通用AI编码模型在各类语言和框架上表现都不错，但在专业领域（带硬件约束的嵌入式C、FPGA设计的Verilog、主机系统的COBOL、游戏引擎的GPU Shader）上性能大幅下滑。下一代AI编码工具将使用在特定领域代码库和文档上微调的专用模型。涂鸦AI编程是一个早期案例——它的模型在IoT专用代码库、涂鸦SDK文档和IoT固件常见模式上做了微调，在处理涂鸦平台开发任务时天然优于通用工具。

多模态编程交互。 当前的Vibe Coding是"文字输入→文字输出"。下一代会支持多模态输入——草图、示意图、语音描述、参考图片——并产生多模态输出——代码 + UI设计稿 + 架构图 + 部署配置。一个开发者在平板上画一个粗略的UI布局，对着麦克风说"基于这个布局给我做一个能实时显示三种传感器数据的IoT仪表盘"，然后系统自动生成前端、后端和设备端的三套代码。这个体验距离落地大概还需要一到两年。

具有长期记忆的编程Agent。 当前的AI编程Agent每次会话结束后就忘了上次做了什么。下一代Agent将拥有对代码库、团队规范、项目历史和个人偏好的持久记忆——像一个永久的、在语境中持续成长的工程团队成员，而不是每次任务开始都需要重新交代背景和约定的外部工具。这是涂鸦AI编程正在构建的方向：一个随着积累项目上下文、开发习惯和领域知识而变得越来越有用的AI编程伙伴。

Vibe Coding不会消灭程序员，但会重新定义"编程"

Vibe Coding不是软件工程的终结。它终结的是一个旧时代的瓶颈——"把正确语法写对"这件事，曾经占据了一个开发者的主要工作时间和大脑缓存。现在这个瓶颈被移除了。

留下来的是什么？留下来的是定义正确的问题、设计正确的架构、用专业判断去审查AI的输出、在你自己的领域有足够深的理解以便分辨AI生成的代码"看起来正确但实际上完全错了"。这些能力没有因为AI编程工具的出现而贬值——正相反，它们更贵了。

对于IoT开发者来说，涂鸦AI编程给了你一个进入Vibe Coding世界的入口——在这个领域中，固件、云端和App三端全栈的高门槛一下被拉到了"你会用自然语言描述产品需求就行"。它不要求你成为嵌入式C专家。它只要求你知道你想要的温度传感器应该每30秒而不是每30分钟采集一次数据——然后把剩下的交给AI。

今天就开始Vibe Coding。涂鸦AI编程——用一句话描述你的硬件产品，获取可编译、可烧录、可上线的固件、云端配置和App界面。免费开始。

本文为涂鸦（Tuya）原创内容，保留所有权利。未经涂鸦事先书面许可，不得复制、分发或引用本内容的任何部分。版权所有 © Tuya Inc. 保留所有权利。