深度解析：“Vibe coding”
Source: Dev.to
Vibe 检查：硅谷高风险软件灵魂之争的内部视角
Y Combinator CEO Garry Tan 最近警告称，已成立的 SaaS 公司——包括 Zoho 这样的巨头——将会“消亡”。他把它们的衰落归因于一种他称之为 vibe coding 的模糊概念，而不是新的商业模式或颠覆性应用。
Zoho 创始人 Sridhar Vembu 予以反驳，认为这是一种对真实工程的“过度简化”，并押注他的数十亿美元公司——建立在有条理、以人为本的开发之上——将会“超越 vibe coding 公司”。
这场争论并非理论上的讨论；它是围绕软件开发未来的冲突的开场炮火。巨大的 AI 进展和战略联盟——尤其是 Google 与 Replit 的合作——已将 vibe coding 从小众术语推向整个行业的焦点。
微型案例研究：传统开发 vs. Vibe Coding
传统开发工作流
- 定义任务 – 构建一个实时仪表盘组件，获取用户数据，在可排序表格中显示，并每 30 秒刷新一次。
- 编写明确代码 –
- 使用 Axios（或类似库）进行 API 调用。
- 使用 React Hook（
useState、useEffect）管理组件状态（loading、error、success）。 - 实现
setInterval进行轮询，并加入清理函数以避免内存泄漏。 - 构建 UI 与排序逻辑。
- 部署 – 过程是刻意的，需要对多个概念有深入理解，通常需要数小时完成。
Vibe Coding 工作流
-
向 AI 提示 – Maya 在 Replit 或 Cursor 等 AI 辅助平台上输入高级请求：
Create a React component that fetches user data from '/api/users' and displays it in a table with sortable columns for name, email, and signup date. The data must refresh every 30 seconds and show a loading state. -
AI 生成代码 – 几秒钟内平台返回一个完整、可运行的文件，使用的库和模式与 Maya 自己编写的相同。
-
出现 Bug – 一周后出现性能问题：由于细微泄漏导致内存使用激增。
- 传统响应： Maya 检查组件的生命周期，怀疑
setInterval的清理逻辑，并直接修复 bug。 - Vibe coding 响应： Maya 再次提示 AI（“Refactor the previous component to fix any potential memory leaks”）。AI 可能会修复 bug，但 Maya 跳过了诊断步骤，失去了深入了解泄漏原因的机会。
- 传统响应： Maya 检查组件的生命周期，怀疑
这个情景展示了核心张力：依赖 AI 会让开发者变成专家级提示编写者和代码审查者，还是会侵蚀设计稳健系统所需的基础技能？
推动战争的战略合作
- Google × Replit – 该合作旨在通过将 Google 的 AI 模型和云基础设施与 Replit 的开发环境结合，让“vibe coding”惠及更多公司。
- 竞争者 – Anthropic 与 AI 原生编辑器 Cursor 也在争夺同一块 AI 增强开发者的市场。
这些联盟表明大型科技公司正有计划地将意图驱动编码（intent‑based coding）落地，并围绕其构建主导生态系统。
前线的立场
Garry Tan（Y Combinator）
“I believe that monolithic, bundled SaaS companies like Zoho or HubSpot will perish.”
Tan 认为，加速的开发周期将使得更慢、更集成的软件套件变得过时。
Sridhar Vembu（Zoho）
“We will outshine the vibe coding companies… Our bet is that the craft of software development is not amenable to such oversimplification.”
Vembu 认为，AI 生成的代码缺乏架构前瞻性和深层上下文理解，难以支撑可靠、可扩展且可维护的系统。
Vibe Coding 的下游风险
- 不可维护的应用 – 数百个 AI 生成的组件可能导致代码库碎片化，风格不统一，隐藏 bug，依赖脆弱。
- 安全被忽视 – 受公开代码训练的 AI 模型可能复现已知漏洞（如 SQL 注入）。不掌握安全基础的开发者可能不经意间发布可被利用的代码。
- 黑箱困境 – 当算法或数据结构选择的背后理由不透明时，调试难度呈指数级上升，创新受阻，因为开发者不敢修改他们不完全理解的代码。
可能的未来
| 场景 | 描述 |
|---|---|
| AI‑原生超高生产力（Tan/Google 设想） | 开发者将业务想法转化为功能产品的速度前所未有，严重依赖 AI 生成代码。 |
| 工程优先的学科（Vembu 设想） | 人工主导的开发仍居核心，AI 仅作为辅助工具使用，保留深度工程技能和系统可靠性。 |
“Vibe Coding 战争”的胜负不会由营销噱头或社交媒体对决决定，而是由真实的生产指标、季度业绩报告以及支撑我们世界的软件长期稳定性来决定。行业如今站在十字路口，所走的道路将在未来多年塑造软件的灵魂。