搜索
在软件领域，Vibe Coding 的核心在于：让开发者摆脱繁琐、低产出的代码编写，把体力活交给 AI，从而专注于更高维度的产品迭代与创意探索——追求的是 效率 + 创意 的双重突破。
近期，Vibe Coding 公司「InferNet」 宣布完成天使轮融资，由锦秋基金独家投资，澜松资本担任本轮以及后续融资独家财务顾问。
继通义灵码的 Lingma IDE 之后，阿里在海外推出另一款 Agent Coding 产品。据官方介绍，Qoder (/ˈkoʊdər/) 是一个专为真实软件开发而设计的 Agent Coding 平台（所以谁不真实？）
硅谷各个模型公司在这个季度，开始分化到各个领域，除了 Google Gemini 和 OpenAI 还在做通用的模型；Anthropic 分化到 Coding、Agentic 的模型能力；Mira 的 Thinking Machines Lab 分化到多模态和下一代交互。
Vibe Coding的概念已经火了一段时间，因为之前在学校课程里尝试过用生成式人工智能做了一个聊天机器人，过程很顺利，做完很有成就感，所以觉得自己其实可以尝试一下用人工智能（AI）手搓一个APP。
AI编程最近挺火的，大家喜欢冠以一个貌似更高级的词：vibe coding
Vibe Coding（Claude code、Cursor、Lovable） 把原本8周的开发周期压缩成2天 现在，同样20倍的加速在营销圈上演—— Vibe Marketing： 一个人➕n 个AI Agent和自动化工作流，几小时就能把营销想法落地了，杠杆效应大到离谱。
AI Coding背后的争议，正在升级。 有人说它是写代码的“自动驾驶”，有人说只是个“聪明的实习生”；有人觉得它能让0基础小白一键出成果，有人则坚持它应该精准到不改一行多余的代码。
长久以来我们都知道在Prompt里塞几个好例子能让LLM表现得更好，这就像教小孩学东西前先给他做个示范。在Vibe coding爆火后，和各种代码生成模型打交道的人变得更多了，大家也一定用过上下文学习（In-Context Learning, ICL）或者检索增强生成（RAG）这类技术来提升它的表现。
如果你真的想进入深度的 vibe coding 状态，让 AI 发挥最大潜力，这种随时准备接管的心态反而会成为阻碍。人类开发者的干预时机和直接下场写代码的时候越少，最终呈现出的效率和效果反而越好。