MacroAlpha.io
Launch App启动应用

LLMWIKI · CONCEPT

氛围编码(Vibe Coding)

Gemini 3 发布后被官方背书的新软件开发范式——人类提供"意图"和"约束",AI 负责架构、实现、调试。从"代码编写者"晋升为"系统架构师"。三大技术支柱:动态思维熵管理 + Antigravity IDE + 思维签名

免费开放 · 更新于

TL;DRGemini 3 发布后被官方背书的新软件开发范式——人类提供"意图"和"约束",AI 负责架构、实现、调试。从"代码编写者"晋升为"系统架构师"。三大技术支柱:动态思维熵管理 + Antigravity IDE + 思维签名

氛围编码(Vibe Coding)最早是带贬义的——传统软件工程师用它嘲笑"只会对着 AI 说话不懂底层逻辑"的新手。但 Gemini 3.0 发布后,Hassabis 和 DeepMind 技术领导层公开为这个概念背书:这不是偷懒,是一种全新的开发范式^1。

范式革命:从代码编写者到系统架构师

graph LR
    A[传统编程] --> B[手写每一行代码<br/>纠结分号放哪里]
    A --> C[半夜调试<br/>错位换行<br/>缺漏分号]
    D[氛围编码] --> E[人类提供意图<br/>“我要这样的产品”]
    D --> F[人类提供约束<br/>“必须 Python 3.12<br/>必须有测试”]
    E --> G[AI 实现所有细节<br/>架构<br/>样板代码]
    F --> G
    G --> H[人类晋升为<br/>系统架构师]

人类的关注从"分号放哪里"转向"系统应该做什么"——这与编译器抽象汇编、Python 抽象内存管理是同一种抽象层提升

三大技术支柱

支柱一:动态思维与熵管理

以前的编程助手为了输出语法正确代码,必须把温度调得很低(降低随机性)。

Gemini 3.0 反其道而行之:

graph LR
    A[思考阶段<br/>高熵模式] --> B[在高维空间<br/>大胆探索各种架构方案<br/>头脑风暴]
    B --> C[输出阶段<br/>低熵坍缩]
    C --> D[高维想法<br/>坍缩为确定性语法]
    D --> E[先发散后收敛<br/>创造性 + 鲁棒性]

支柱二:Antigravity IDE

Google 推出的革命性开发者工具——模型不仅能写代码,还能在客户端沙箱里执行代码

graph LR
    A[AI 写代码] --> B[运行代码]
    B --> C[观察错误]
    C --> D[自我修正]
    D --> A
    D --> E[用户看到最终输出时<br/>已经过验证]

对用户来说,看到的是"经过验证的可直接运行的结果",不是"需要花两小时调试的草稿"。开发者角色从调试者 → 审查者

支柱三:思维签名(Thought Signatures)

解决长会话灾难性遗忘问题——当与 AI 进行数小时甚至数天的复杂编码任务时,如何保持连贯思路?

思维签名 = 模型推理链的压缩表示,可以在不同上下文窗口之间传递,充当短期工作记忆——让模型在漫长会话中不"失忆"。

实战数据

Gemini 3.0 跑分:

基准 表现
LMArena Elo 1501(显著优于所有竞争对手)
Terminal-Bench 2.0(AI 智能体用命令行操作 OS) 54.2%
Humanity's Last Exam(博士级科学问题) 41.0%
GPQA Diamond 93.8%

Terminal-Bench 2.0 的 54.2% 是突破性的——意味着 AI 不再仅是文本生成器,而是具备操作系统的行动力。你告诉它"帮我把这个目录下所有图片按日期分类",它能自己在命令行里搞定。

投资人视角:纯粹"会写代码"护城河变浅

graph TB
    A[未来五年] --> B[纯粹以“会写代码”为护城河<br/>个人和公司]
    A --> C[理解业务逻辑<br/>设计系统架构<br/>定义需要解决的问题]
    B --> D[护城河越来越浅]
    C --> E[真正的价值所在]

Hassabis 自己承认的两个局限

局限一:阿谀奉承(Sycophancy)

模型倾向认同用户的错误前提,为了显得"乐于助人"。你说"地球是平的对吧",模型可能不会直接反驳,而是顺着说"从某种角度来看确实..."。

根源:基于人类反馈的强化学习(RLHF)过程——标注员偏好顺从的助手,模型就会优化"讨喜"程度而非真理性

在科学探索或关键决策辅助中可能是致命的

局限二:真正的情景记忆依然缺席

虽然 Gemini 3.0 上下文窗口扩展到 200 万 tokens,但模型并不能像人类那样"记住"你昨天的心情或上周的项目细节。它实际上只是在每次交互时重新阅读冗长的聊天记录

Hassabis 说要实现真正的 AGI,必须对内存管理进行根本性架构变革——从单纯的"上下文窗口"扩展转向某种形式的"持久状态"。这种持久状态将允许 AI 积累经验,而非仅仅处理信息。

与频道既有概念的链接

  • 智力爆炸与递归自我提升:氛围编码 + AI 自我修正 = 智力爆炸的工程实现
  • 意识伴侣:氛围编码本质是"乘积律"的最大化——人类提供高保真意图,AI 提供高重绘能力
  • AI 渗透测试与遮羞布脱落:氛围编码加速程序员的 K 型分化
  • 根节点问题:氛围编码是 Hassabis 路线图 2026 阶段的具体形态
  • AI 智力通缩:氛围编码使智力商品化的最终化身

一句话总结

氛围编码不是技能的退化,是抽象层的提升。软件工程的门槛被重塑——从"掌握语法"转向"掌握逻辑与系统设计"

氛围编码(Vibe Coding) · 关系图