Vibe Coding两年感悟：从提示词工程到圈内乱象观察

背景

作者是一名 2024 年读高二、2025 年参加高考的学生，拥有信息学奥林匹克竞赛（OI）背景。在 2024 年初，作者接触到了以思维链（Chain of Thought）为特征的早期大模型（如 DeepSeek R1 和 OpenAI GPT-o1），但由于经济条件限制，通过远房表哥的账号使用 GPT Pro。

随着 2025 年初“Vibe Coding”概念的流行，作者开始系统学习提示词工程（Prompt Engineering），并深入参与相关社群。作者观察到该圈子内部生态复杂，既有真正利用 AI 提效的专业人士，也有大量通过炫耀 Token 消耗、盲目提交代码来博取关注的“神人”，甚至出现了利用 AI 批量生成垃圾 PR 污染开源仓库的现象。作者结合自身从 OI 转向高考的压力，以及对国内计算机教育现状的观察，对 Vibe Coding 圈子进行了批判性反思，并将使用者按熟练度和使用方式进行了分类。

核心内容

1. 个人经历与圈子初探 作者回忆了从 2024 年接触 AI 编程到 2025 年深入 Vibe Coding 的过程。初期因需求表述不清，与 AI 陷入“互相喂垃圾”的低效循环。随后通过学习 Prompt Engineering，掌握了通过调整输入风格来优化 AI 输出的技巧。作者认为 Vibe Coding 圈子规模适中，聚集了大量“神人”，但也因此滋生了各种乱象。

2. 圈子乱象与生态批判 作者描述了 Vibe Coding 圈子中出现的商业化与异化现象：

• 卖课与收割：有人嗅到商机售卖课程，忽悠学生相信 AI 能改变世界，导致大量低质量代码产出。
• 开源污染：部分用户将 AI 生成的代码强行提交给开源项目，导致 GitHub 仓库充斥着未处理的 PR。开源维护者被迫使用 AI 自动审批或拒绝 PR，导致“晋西北乱成一锅粥”的局面。
• 炫耀性使用：许多用户（如半懂不懂的企业老板、中学生）并非真正为了提效，而是通过炫耀 Token 消耗量和项目数量来展示阶级或智力优越感。真正高效使用者往往忙于工作，无暇在网络上分享心得。

3. 教育困境与自学必要性 作者指出，国内部分高校计算机教育滞后，无法适应 AI 时代的需求。举例称，某双非高校网安专业的大一学生，开发了高度可用的 MCP Server 作为作业，却被老师质疑“这是否是一个模型”。这种教育现状迫使有基础的学生必须自学 AI 技能，否则将面临被社会淘汰的风险。

4. Vibe Coding 的使用者分类 作者将 Vibe Coding 使用者分为三类：

• 原教旨 Vibe 派：坚持全程使用 AI 编程，类似 Andrej Karpathy 的路线。这类人如同“机械飞升”，能力上限极高（需精通提示词工程并调整模型参数），下限极低（需求描述模糊导致输出不可控，如“五彩斑斓的黑”）。
• 重度使用者（赛博义体派）：将 AI 视为辅助工具。强者会先撰写设计文档、架构文档，甚至实现关键部分，仅让 AI 填充空壳函数或根据注释生成代码。这种方式甚至可以使用低参数 LLM 解决，效率高且可控。弱者虽代码质量不如 AI，但 AI 能兜底保证基本逻辑运行。
• 轻度使用者：仅偶尔使用 AI 编写 MVP（最小可行性产品）或调试错误。大部分代码由人工编写，AI 对其影响有限。作者认为这类用法严格来说不属于 Vibe Coding，如同不能将所有有双马尾的角色都称为虚拟歌姬。

关键要点

• 技术演进背景：Vibe Coding 兴起于思维链模型（如 GPT-o1, DeepSeek R1）性能提升及 Token 成本下降之后，标志着从单纯调用 API 到通过 Prompt Engineering 深度交互的转变。
• 生态两极分化：
  • 正面：真正的高效工作者利用 AI 大幅提升了生产力，但往往低调务实。
  • 负面：大量用户陷入“表演式编程”，通过炫耀 Token 消耗和批量提交低质代码来博取关注，甚至污染开源生态。
• 教育脱节：国内部分高等教育在 AI 应用教学上存在严重滞后，教师对 AI 生成代码的价值缺乏认知，导致学生必须依靠自学掌握前沿技能。
• 使用层级差异：
  • 原教旨派：完全依赖 AI，风险与收益并存，极度依赖提示词技巧。
  • 重度派（推荐）：人机协作，人类负责架构与核心逻辑，AI 负责填充与实现，兼顾效率与可控性。
  • 轻度派：AI 仅作为辅助工具，对核心开发流程影响较小。
• 作者自我反思：作者承认自己曾属于“炫耀性使用”群体，并指出这种心态源于 OI 升学政策收紧后的精神压力转移。

意义与影响

1. 对 AI 编程实践的启示 文章揭示了 Vibe Coding 并非简单的“让 AI 写代码”，而是一个需要深厚提示词工程能力和架构设计能力的领域。它强调了“人类主导、AI 辅助”的重度使用模式（赛博义体派）相比完全依赖 AI 的原教旨模式更具稳定性和实用性，尤其是在处理复杂系统时。

2. 对开源社区的警示 AI 生成代码的泛滥正在冲击开源社区的维护秩序。大量低质量 PR 的出现迫使维护者采用自动化手段应对，这不仅增加了维护成本，也可能导致真正有价值的贡献被淹没或误判。这呼吁社区建立更严格的 AI 生成代码审核机制或规范。

3. 对计算机教育的反思 案例表明，传统计算机教育若不能及时融入 AI 工具链的教学，将导致学生技能与社会需求脱节。教育者需要重新定义“能力”标准，从记忆语法转向理解架构、提示词设计及 AI 协作能力。

4. 社群文化的批判性观察 文章指出了技术社群中常见的“噪音大于信号”现象。真正有价值的实践者往往沉默，而哗众取宠者占据舆论高地。这提醒技术爱好者在获取信息时需具备批判性思维，区分“表演”与“实效”，避免被商业营销和虚荣心误导。

5. 个人成长与心态调整 作者的经历反映了年轻一代在技术变革与升学压力下的焦虑与适应过程。通过深入参与 Vibe Coding 圈子，作者从盲目跟风转向理性认知，这一过程对于其他技术学习者具有借鉴意义：即在拥抱新技术的同时，需保持清醒的自我定位和务实的学习态度。