要約

大規模言語モデル（LLM）の進展により、コード生成支援から自律型コーディングエージェントへのパラダイムシフトが促進され、開発者がAIによって生成された実装を一行一行のコード理解ではなく、結果の観察によって検証するという新たな開発手法「バイブコーディング（Vibe Coding）」が登場した。この手法には変革的な潜在力があるものの、その実効性についてはまだ十分に検証されておらず、実証的な研究から予期せぬ生産性の低下や、人間とAIの協働における根本的な課題が明らかになっている。こうしたギャップを埋めるために、本調査では大規模言語モデルを用いたバイブコーディングについて、初めて包括的かつ体系的なレビューを提供し、この変革的な開発手法の理論的基盤と実践的枠組みを構築する。1000編以上の研究論文を系統的分析した結果に基づき、バイブコーディングの全体像を調査し、LLMによるコーディング、LLMを基盤とするコーディングエージェント、エージェントの開発環境、フィードバックメカニズムといった重要なインフラ構成要素を検討する。まず、人間の開発者、ソフトウェアプロジェクト、コーディングエージェントの間の動的な三者関係を捉えるために、制約付きマルコフ決定過程（Constrained Markov Decision Process）を用いてバイブコーディングを形式化し、これを正式な学問分野として定義する。この理論的基盤の上に、既存の実践を統合し、無制約自動化、反復的対話型協働、計画主導型、テスト主導型、文脈強化型の5つの異なる開発モデルを提示することで、本分野における初めての包括的な分類体系を構築する。さらに重要なのは、成功したバイブコーディングはエージェントの能力に依存するだけでなく、体系的な文脈設計、確立された開発環境、そして人間とエージェントの協働開発モデルの整備に依存していることである。