[Paper] “你能感受到氛围吗？”：对新手程序员参与 vibe coding 的探索

Source: arXiv - 2512.02750v1

概览

本文研究了“vibe coding”，这是一种通过向生成式 AI 提供自然语言提示而非逐行编写代码来构建软件的新方式。作者在一次为期一天、包含 31 名技术和非技术专业本科新手的黑客马拉松中，探讨了该方法在低风险环境下对创造力、协作和学习的影响。

关键贡献

• 对新手参与 AI 驱动、基于提示的开发的实证快照，在实时黑客马拉松中进行。
• 工作流模式的识别：团队在流水线中组合多个 AI 工具，使用人工判断将输出拼接并加以改进。
• 证据表明 vibe coding 降低了入门门槛，实现了快速原型制作和跨学科团队合作。
• 对学习成果的洞察，尤其是提示工程技能的出现以及尽管传统软件工程实践有限，但自信心的提升。
• 面向未来教育活动的设计建议，在利用 vibe coding 的同时缓解如过早收敛想法和代码质量不均等问题。

方法论

研究者在巴西一所公立大学组织了为期 9 小时的黑客马拉松。参与者（31 名来自计算与非计算领域的本科生）组成了九支混合经验的团队。数据收集结合了三种方法：

1. 直接观察团队活动和工具使用情况。
2. 退出调查，捕获自我报告的信心、感知学习和满意度。
3. 半结构化访谈，在活动结束后深入了解参与者的体验、挑战和反思。

混合方法使作者能够将定量调查结果与定性叙事三角验证，提供了新手在时间压力下与 vibe‑coding 工具交互的整体视角。

结果与发现

• 快速原型：所有团队在 9 小时内都交付了可运行的演示，展示了自然语言提示能够加速早期开发。
• 提示工程的出现：参与者迅速学会编写和迭代提示，将提示设计视为核心技能而非事后补充。
• 跨学科协作：非技术成员提供领域知识和 UI 想法，技术成员则专注于提示细化和调试。
• 工作流成熟度：团队构建了将多个 AI 服务（代码生成器、测试生成器、UI 设计器）串联的流水线，并在必要时手动编辑输出。
• 质量权衡：生成的代码往往需要大量后处理；团队报告出现“过早收敛”现象，限制了对备选方案的探索。
• 学习影响：调查结果显示，参与者在使用 AI 辅助编码的信心上有统计显著的提升，尽管他们承认对正式软件工程实践（如版本控制、测试）的接触有限。

实际意义

• 低成本入门：组织可以举办短期、包容性的黑客马拉松，让开发者、设计师和领域专家在无需深厚编程背景的情况下接触 AI 辅助编码。
• 提示工程课程：教育项目应将提示设计视为可教授的技能，并将其与传统编码模块并行整合。
• 混合流水线：团队可采用研究中展示的“人机在环”模型——使用 AI 构建框架，开发者负责验证、安全和集成。
• 快速 MVP 创建：初创公司和产品团队可利用 vibe coding 快速实现概念验证，尤其在市场时间紧迫时。
• 工具无关的最佳实践：研究表明，使用检查清单进行代码审查、明确的发散提示等支撑措施，可减轻对首个 AI 建议的依赖，从而提升输出质量。

局限性与未来工作

• 样本规模与情境：本研究仅在单一 9 小时活动中，针对一所大学的 31 名参与者进行，限制了对不同文化、技能水平或长期项目的普适性。
• 短期评估：学习收益在黑客马拉松结束后立即测量；需要纵向研究以检验技能的持续性。
• 工具多样性：虽然团队使用了多种 AI 服务，但研究未系统比较具体工具或模型版本的影响。
• 未来方向：作者提出开展更大规模、多阶段的研究，将正式软件工程实践融入 vibe‑coding 课程，以及实验显式鼓励发散思维和严格输出验证的支撑技术。

作者

• Kiev Gama
• Filipe Calegario
• Victoria Jackson
• Alexander Nolte
• Luiz Augusto Morais
• Vinicius Garcia

论文信息

• arXiv ID: 2512.02750v1
• 分类: cs.SE, cs.HC
• 出版时间: 2025 年 12 月 2 日
• PDF: Download PDF