Vibe Coding入门：用意图表达代替手写代码

AI 编程正在从"辅助写代码"转向"理解你想要什么"。B站一门 137 集的 Vibe Coding 实战课程把这个概念讲得很直白：你只需要告诉 AI 你想要什么，它在旁边边写边运行，你负责点头 yes 摇头 no。这套逻辑正在把创造软件的门槛拉到地板高度。

Vibe Coding 到底是什么

Vibe 这个词强调的是"氛围感"——你不需要逐行敲代码，而是把意图、目标、期望的行为描述清楚，让 AI 去实现并实时运行。课程里的定义是：Vibe Coding 的核心不是写代码，而是表达你的意图。

这个转变的意义在于，过去学编程要先跨过语法、框架、环境配置几道坎，现在这些环节被 AI 接管，人的精力可以集中在"我要做一个什么东西"上。课程把这种状态形容为创造软件的门槛被降到了地板上。

为什么现在值得学

课程给出的判断依据是生产力变化：AI 大模型已经带来了实际的生产力，而 Vibe Coding 是这套新生产力下的强力工具。视频里提到两个反复出现的场景——小白用 Vibe Coding 半天搭出一个应用，大厂程序员用 AI 把以往一个月的工作压缩到半天完成。

这些说法来自课程本身，属于教学方的观察而非严谨统计，但它指向的趋势值得注意：AI 不再只是陪你聊天的玩具，而是实实在在的生产力。对零基础的人来说，这意味着入场的时机成本在下降。

和传统编程路径的差别

传统路径是"先学语言，再做项目"，Vibe Coding 更像是"先描述项目，边做边补知识"。课程把后者定位为未来编程领域的主要工作方式，并给出一个类比：未来每个人都可以开发软件，就像每个人都可以做自媒体一样。

这个类比不一定人人认同，但它准确描述了一类新人群——有想法、没有工程背景、希望快速验证产品假设的人。对这类人来说，Vibe Coding 的价值不在于替代专业开发，而在于把想法到可运行原型之间的时间大幅缩短。

Vibe Coding 这个说法最早由 Andrej Karpathy 在 2025 年初提出，用来描述一种「完全沉浸在氛围里、几乎不看代码」的编程方式：把需求交给大模型，接受它生成的实现，遇到报错就把错误信息贴回去继续迭代。它与 GitHub Copilot 式的「补全助手」不同——后者仍以人写为主、AI 补全为辅，而 Vibe Coding 把生成与执行的主导权更多交给模型，人退到评审与决策的位置。这也解释了课程为何强调「边写边运行」：快速看到运行结果是这套工作流成立的前提。

适合谁，以及需要留意什么

课程明确面向零基础小白，教学定位是通俗易懂。137 集的体量说明它覆盖了从入门到企业级实战的完整链路，而不只是演示几个 demo。

需要提醒的是，意图表达本身是一项能力。你说得越模糊，AI 跑偏的概率越高；能不能把需求拆清楚、能不能判断 AI 给出的结果对不对，仍然依赖基本的工程判断力。课程把 Vibe Coding 描述为吃到 AI 时代红利的入口，但红利最终落在那些能把意图说清楚、并愿意反复调试的人身上。

对刚接触的人来说，合理的预期是：先用它做出一个能跑起来的小东西，再逐步理解它为什么能跑起来。

把想法快速跑通，通常依赖「脚手架 + 即时预览」这类基础设施：AI 生成项目骨架，开发服务器热更新让改动秒级生效，出错信息可以原样回喂给模型。理解这条链路有助于判断工具边界——Vibe Coding 在原型、脚本、内部工具、静态站点上表现最好；涉及复杂状态管理、性能敏感或强合规要求的系统时，仍需人工介入设计与审查。另外，生成代码的许可证来源、依赖引入的安全风险，也属于意图表达之外需要自行把关的部分。