一篇92页大模型Vibe Coding技术全面综述

今天分享中科院计算所&杜克大学等首篇Vide Coding技术最新全面综述。

随着 GPT-4/Claude-Sonnet-4 等模型出现，编码智能体（Coding Agent）已能端到端完成提交、测试、修复。开发者只需用自然语言描述需求，“感觉”结果对就收货，故称 Vibe Coding——一种以“氛围/结果”为导向的 AI 原生开发范式。

Vibe Coding全面技术分类

30余中大模型Coding Agents能力分析

16种商业AI辅助编程Agents

Vibe Coding 长什么样？

图2：人-项目-Agent 的动态闭环

论文将其形式化为受限马尔可夫决策过程（CMDP）：

• 状态 S：项目快照（代码+文档+数据）
• 动作 A：人发指令 → Agent 产生代码/命令
• 奖励 R：人只看运行结果给 0/1 反馈
• 约束 C：项目规范、安全边界、Token 上限

技术栈全景图

图1：支撑 Vibe Coding 的四大技术板块

五类开发模式怎么选？

图8 模式对比

图8：五类 Vibe Coding 模式在“人控-约束-上下文”三维空间中的分布

实践中可组合：PDM+TDM 保证架构+质量；ICCM+CEM 维护百万行老代码。

五、数据&模型：从预训练到后训练

后训练趋势：用可验证奖励替代人类偏好——代码能跑通就是 1，跑不通就是 0，简单直接。

六、Agent 核心能力拆解

图5：Coding Agent 的认知-记忆-工具三大子系统

1. 规划与分解

• Chain-of-Thought、Tree-of-Thought、CodePlan（动态图算法）

2. 记忆机制

• 短期：对话历史（滑动窗口）
• 长期：向量库+代码索引（MemoryBank、MemGPT）

3. 工具执行

• 统一为“代码即动作”——Python 解释器一把梭
• MCP 协议让 Agent 一键调用 Git/Linter/云 API

七、沙箱与云原生：让 AI 安全地“放飞”

CI/CD 也升级为 Agent-as-a-Job：Agent 提交 PR → 自动跑单测/安全扫描 → 人类仲裁。

八、四级反馈回路：让错误越早暴露越好

图7：编译、运行、人类、自反思四级反馈

• 编译反馈：RLCF 把 gcc 报错当奖励信号，提升 45% 通过率
• 运行反馈：Test-Driven 生成多组单元测试，AI 自评
• 人类反馈：ClarifyGPT 主动提问消除需求歧义
• 自反思：Reflexion 用“语言强化学习”把失败经验转成自然语言提示， HumanEval 提升 11%

Vide Coding价值

1. 个人开发者

• 把 Vibe Coding 当“高级自动补全”→ 先 ICCM+CEM，逐步降低人工 review 粒度
• 写好测试 = 给 AI 画“靶子”

2. 团队/企业

• 用 TDM 写核心库，PDM 做架构，UAM 做 PoC
• 在 CI 里接入“AI 安全守门员”——静态+动态+多 Agent 互审

3. 研究者

• 弱监督、可验证奖励、多模态反馈仍是蓝海
• 建立“代码行为”级别的基准，而非单纯 Pass@k

“Vibe Coding 不是让程序员失业，而是让程序员升级为系统指挥家。”准备好拿起指挥棒，和 AI 一起开演下一部软件交响曲了吗？

https://arxiv.org/abs/2510.12399v1
A Survey of Vibe Coding with Large Language Models
https://github.com/YuyaoGe/Awesome-Vibe-Coding

本文转载自​​PaperAgent​​​，作者：​​​​PaperAgent​​