写作现场：2025 年 5 月 16 日。 Andrej Karpathy 在 2 月提出 Vibe Coding，用来描述一种近乎不阅读代码的开发方式：通过自然语言提出需求，观察结果，继续修改，错误也交给模型处理。当天 OpenAI 发布 Codex；此前 Claude Code 已进入终端。需要区分的是，Vibe Coding 是一种低验证工作模式，而不是所有 AI-assisted engineering 的统称。

从代码生成到任务执行

传统代码补全在开发者当前编辑位置预测后续文本，控制流仍由人组织。coding agent 接收更高层任务，读取仓库、修改多个文件、运行命令和测试，再返回 diff、日志或结果。

Codex 为任务准备隔离云端环境，并支持并行任务；Claude Code 更贴近本地终端和现有仓库。两者在本文日期都处于早期阶段，发布材料无法证明其在大型代码库、长时间任务和高风险部署中的稳定性。

Vibe Coding 将生成与验证进一步解耦。用户主要检查外部行为，不持续检查实现：

自然语言意图
→ 模型生成或修改代码
→ 运行结果
→ 根据可见现象继续提示

该循环适合低风险、可丢弃的原型，因为反馈快、失败成本低。它不适合仅靠界面现象验证权限、并发、数据迁移、依赖供应链和异常恢复。程序“能运行”只能覆盖一条观测路径，不能证明未执行分支和隐含状态正确。

AI-assisted engineering 则保留显式责任链：人审查 diff，测试覆盖关键不变量，部署有审批与回滚，生成代码和手写代码遵守同一质量门槛。两种方式都使用模型，差别在验证者是否理解并承担结果。

生成成本下降后的责任转移

coding agent 可以降低第一版实现的成本，使设计师、研究者、小商户和领域专家把小需求转成可运行原型。过去因预算不足而不会启动的软件，可能获得一次低成本验证机会。

与此同时，成本并没有消失，而是从输入代码转移到以下环节：

  • 将模糊需求转换为可测试约束；
  • 审查依赖、权限、数据流与生成 diff；
  • 建立单元、集成和端到端测试；
  • 处理部署、监控、安全更新和数据迁移；
  • 在模型或维护者更换后继续理解系统。

生成速度越高，未经理解的代码、依赖和凭据使用也会更快积累。对于收集个人数据、处理付款或被他人长期依赖的软件，代码所有权最终表现为事故响应和维护义务，而不是仓库归属。

合理分界不是“会不会编程”，而是风险是否允许只做行为抽查。页面原型、一次性数据处理和个人脚本可以容忍 Vibe Coding；认证、账务、权限和生产基础设施需要可检查实现与明确责任人。coding agent 扩大了能创建软件的人群，但不会替代系统边界、验证方法和长期维护能力。

时间边界与来源

信息边界：本文停在 2025 年 5 月 16 日。Codex 刚进入研究预览，Claude Code 仍处于早期阶段；不使用后来的事故、用户规模或产品成熟度证明当日判断。