论文:A Survey of Vibe Coding with large language models. 论文链接
中科院 基于大语言模型 Vibe Coding 氛围编程,对1000多篇论文进行研究,得到的研究综述。
中文版可以看下 网易行者的解读 (附上 文章链接)
摘要:
vibe 编码的演进:
按照 Coding LLMs、Coding Agent、 Coding Environment、 Feedback 进行分类,2022年到2025年的研究全面可视化,对应的论文链接目录见 作者git仓库
氛围编程(Vibe Coding)定义:不逐行审查代码,观察结果判断是否符合要求
开发者、项目、编码代理的关系:
编码大语言模型:
编码代理的架构图:认知系统、记忆机制、工具 等核心组件,规划、动作执行、多代理协作等基本功能。
编码代理开发环境架构图:隔离环境、交互环境、分布式平台。
编码代理反馈环框架:
论文的4.2 还给出了数据集
5.2 中的不同编码代理的能力分析:
商业人工智能辅助开发软件
7.1.3 人工智能辅助软件工程 的编码环境与数据集比较:
Vibe 编码开发模型:
调查整个氛围编程生态系统(含用于编程的大语言模型、基于LLM的编程代理、编程代理的开发环境、反馈机制),通过受限马尔可夫决策过程形式化 Vibe 编程,捕捉人、项目、编程代理的关系。
总结出五种 Vibe 编码开发模型:无约束自动化模型(UAM)、迭代对话协作模型(ICCM)、规划驱动模型(PDM)、测试驱动模型(TDM)和上下文增强模型(CEM)
对比分析 五种开发模型:
迭代对话协作模型(ICCM)
规划驱动模型 PDM
情景增强模型 CEM:
包含 检索增强生成(RAG)、....