← 最新论文
💻 computer science

Context Before Code: An Experience Report on Vibe Coding in Practice

本文报告了一个小型全栈团队在构建生产级多项目代理学习平台和学术检索增强生成系统时的实践经验,指出“氛围编程”虽能加速代码脚手架搭建,但面对多租户隔离、访问控制等关键约束时仍需明确架构设计与人工审计,从而促使工程重心从样板代码实现转向约束规范定义与合规性验证。

原作者: Md Nasir Uddin Shuvo, Md Aidul Islam, Md Mahade Hasan, Muhammad Waseem, Pekka Abrahamsson

发布于 2026-03-13
📖 1 分钟阅读☕ 轻松阅读

原作者: Md Nasir Uddin Shuvo, Md Aidul Islam, Md Mahade Hasan, Muhammad Waseem, Pekka Abrahamsson

原始论文采用 CC BY 4.0 许可(http://creativecommons.org/licenses/by/4.0/)。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性,请参阅原始论文。 阅读完整免责声明

这篇论文讲述了一个关于**“用 AI 写代码”**(作者称之为"Vibe Coding",即“氛围编程”或“随性编程”)的真实故事。

想象一下,你有一个非常聪明但有点“没心没肺”的超级实习生。你只需要用自然语言(聊天)告诉他:“我想做一个能聊天的机器人,还要能记住大家说的话。”他就能飞快地帮你把房子的框架搭好,甚至把家具都摆上。

但是,如果你不给他画好**“红线”“规则”**,他可能会把邻居家的东西搬进你家,或者把厨房建在卧室里。

这篇论文就是作者团队(来自坦佩雷大学)在搭建两个真实可用的系统时,和这位“超级实习生”打交道的经验总结。

🏗️ 他们做了什么?(两个案例)

作者团队用这种“聊天写代码”的方式,造了两个系统:

  1. 多项目学习平台:就像是一个**“共享办公空间”。不同的公司(租户)在这里都有独立的办公室。每个办公室有自己的文件、自己的聊天机器人,而且绝对不能**看到隔壁办公室的东西。
  2. 学术问答系统:就像一个**“带引用的图书馆”。学生问问题,AI 从上传的文档里找答案,并且必须精确地告诉你是哪一页、哪一段**说的,不能瞎编。

🚀 "Vibe Coding"(氛围编程)有多快?

优点:搭架子神速!
如果你让实习生去写一些重复的、枯燥的工作(比如:创建一个登录页面、写一个保存数据的按钮、设置一个聊天窗口),他做得飞快。以前需要几天写的“样板代码”,现在几分钟就出来了。这让项目启动非常快,看起来像变魔术一样。

⚠️ 问题出在哪里?(“实习生”的盲点)

虽然实习生干活快,但他不懂“大局观”,也不懂**“安全红线”**。

  • 比喻 1:没有锁的门
    在“共享办公空间”那个项目里,实习生自动生成的代码,有时候忘了给每个办公室上锁。如果不人工检查,A 公司的员工可能直接就能打开 B 公司的门,看到别人的机密文件。

    • 论文发现: 除非你明确告诉 AI“必须严格隔离”,否则它生成的代码通常只关注“功能能不能跑通”,而忽略了“安全性”。
  • 比喻 2:堵车的高速公路
    在“学术问答”项目里,当用户上传一个大文件时,实习生写的代码会让系统停下来等待(同步处理),就像在早高峰让所有车都停在路口等红绿灯,导致系统卡死。

    • 论文发现: 它不知道需要把大任务放到“后台”慢慢处理(异步处理),需要人工去设计“后台流水线”。
  • 比喻 3:没有裁判的比赛
    在学术系统里,AI 生成的答案有时候没有引用来源,或者引用错了。它不知道“必须证明来源”这个规则。

    • 论文发现: 策略和规则(比如:什么时候该存记忆?怎么判断答案对不对?)必须由人来定,AI 猜不到。

💡 核心结论:工程师的工作变了

这篇论文最重要的发现是:工程师的工作并没有因为 AI 而消失,而是“转移”了。

以前工程师主要做... 现在工程师主要做...
搬砖:写重复的代码、搭架子、写基础功能 当总建筑师:设计规则、划定红线、检查安全
写代码 审代码:检查 AI 有没有越界、有没有漏洞
造房子 验房子:确保门是锁好的,路是不堵的

简单来说:
AI 就像一个超级高效的“施工队”,它能瞬间砌好砖墙、铺好地板。
但**“设计师”和“监理”**的角色必须由人来担任。你需要明确告诉施工队:“这面墙是承重墙不能动”、“这个房间是机密区不能进”、“大货车要从后门走”。

🎯 给普通人的启示

  1. AI 不是魔法,它是工具:它不能代替你思考系统的整体架构和安全规则。
  2. 规则越细,AI 越靠谱:如果你只是说“做个聊天机器人”,它可能给你个半成品;如果你说“做个聊天机器人,要确保 A 公司看不到 B 公司的数据,且大文件上传不能卡死”,它才能做出真正可用的东西。
  3. 未来的程序员:不再是“写代码的人”,而是**“定义规则的人”“审核代码的人”**。

一句话总结:
用 AI 写代码就像雇了一个手速极快但有点迷糊的助手。他能把活干得飞快,但如果你不盯着他、不给他定好规矩,他可能会把房子盖歪,甚至把邻居家的东西搬空。所以,“先想清楚规则(Context),再让 AI 写代码(Code)”,才是成功的关键。

您所在领域的论文太多了?

获取与您研究关键词匹配的最新论文每日摘要——附技术摘要,使用您的语言。

试用 Digest →