摘要

大型语言模型（LLMs）的快速发展，推动了从代码生成辅助向自主编程代理的范式转变，催生了一种名为“Vibe Coding”（氛围编程）的新型开发方法。在该方法中，开发者通过观察结果来验证AI生成的实现，而非逐行理解代码。尽管这一新兴范式具有变革性潜力，但其实际有效性仍缺乏充分研究，实证证据显示其存在意外的生产力下降问题，并暴露出人机协作中的根本性挑战。为填补这一研究空白，本文首次对基于大型语言模型的“Vibe Coding”进行了全面且系统的综述，构建了该变革性开发方法的理论基础与实践框架。基于对1000余篇研究论文的系统性分析，我们全面梳理了Vibe Coding生态系统，深入考察了关键基础设施组件，包括面向编程的大型语言模型、基于LLM的编程代理、代理的开发环境以及反馈机制。首先，我们通过将其形式化为一个受限马尔可夫决策过程（Constrained Markov Decision Process），将Vibe Coding确立为一门正式的学科，以捕捉开发者、软件项目与编程代理之间动态的三方互动关系。在此理论基础上，我们进一步将现有实践归纳为五种不同的开发模型：无约束自动化模型、迭代式对话协作模型、规划驱动模型、测试驱动模型以及上下文增强模型，从而在该领域首次建立起完整的分类体系。尤为重要的是，我们的分析表明，Vibe Coding的成功不仅依赖于代理自身的能力，更取决于系统化的上下文工程、成熟的开发环境，以及人机协同的开发模式。