一、一个词，改变编程的定义

年 月 日OpenAI 联合创始人、前 Tesla AI 负责人 Andrej Karpathy 在 X上写道：

他描述了自己的工作流：用 Cursor Composer + SuperWhisper 语音输入。用自然语言描述需求，AI 生成代码。怎么说呢，从他说来看，"我只是看、说、运行、复制粘贴，大部分时候它能跑。"他坦诚代码长得"超出了自己的理解范围"。修 bug 的方式是"把报错丢回去，或者做些随机的改动直到问题消失"。

这条推文引爆了整个技术圈。老实说，,+ 点赞。一周之内，“ 条 Vibe Coding 规则” 的帖子又收到,+ 点赞。月 日《Business Insider》首次主流媒体报道。月 日《纽约时报》跟进， 月 日——距离那条推文不到一个月——Merriam-Webster 词典正式收录 "vibe coding" 为。 年底，Collins 词典将其列为年度词汇候选。怎么说呢，

这在语言史上是极罕见的：一个技术术语。从被创造到进词典，不到 天。

为什么这么快？

使用者痛点：开发者长期苦于“写代码太慢”“调试成本高”，却找不到统一的加速手段。Karpathy 正好命名了已经比较常见但尚未被定义的行为，让大家有了共识的标签。

Replit CEO Amjad Masad 在数小时内回应：Replit 上约 % 的使用者已经在这样编程。年 月，Y Combinator 报告其 Winter 批次中 % 的创业公司代码库 % 由 AI 生成。话说回来，

Karpathy 并不是在发明新东西。 他是在给一场已经在发生的革命命名。其实，

使用者痛点：很多团队在采用 AI 辅助编码时只停留在“让 AI 写代码”。却忽视了流程、质量和治理，从而导致产出不稳定、维护成本飙升。本节帮助你把握全貌，避免走入“AI 写完即完事”的误区。

从第一层来看。字面理解

这是 Karpathy 原始推文最直接的含义，也是最常被人误解的层面。他强调这适合"扔掉的周末项目"——不是生产级代码。

主要转变：从“人写代码”到“人描述意图，AI 实现细节”。编程门槛从“掌握编程语言”降到了“能用自然语言清晰表达需求”。

从第二层来看，工程实践

使用者痛点：团队常因缺乏统一规范而出现“AI 随意生成”、审查混乱、技术债务累积。本层提供结构化分工，让 AI 成为可靠的执行者，而非不可控的黑盒。

• 人的角色：意图架构师 + 审查者。负责定义“做什么”“为什么做”“达到什么标准”。
• AI 的角色：执行者。负责“怎么做”——生成代码、运行测试、格式化输出。

这一层的方法论包括胶水编程、Spec‑Driven Development、Context Engineering 等，将在后续章节详细展开。

说到第三层，范式转移

使用者痛点：

• 传统范式：代码即真相
• AI 原生范式：规范才是真相。代码只是产物

• A​I 能稳定生成对话、纠正语法错误、出填空题——属于生成域内；但让 AI “设计完整符合教学大纲的课程程序”则超出单次生成能力，需要人类进行架构拆解。

命题二这方面，模型吞噬