该文章是首篇关于大语言模型（LLMs）驱动的“Vibe Coding”（氛围编码）的系统性综述，系统梳理了该范式的理论基础、技术生态、开发模型及未来挑战，为AI增强软件工程提供了概念框架与技术路线图。一、文章主要内容总结1. 核心概念与理论基础Vibe Coding定义：一种新型软件开发方法，开发者通过观察AI生成代码的执行结果验证功能，而非逐行理解代码；其本质是人类开发者、软件项目与编码智能体（Coding Agent）三者动态交互的三元系统，通过约束马尔可夫决策过程（Constrained MDP）形式化定义，明确三者在目标设定、状态约束、策略执行中的角色边界。核心价值：解决传统开发中“效率与质量”“专业门槛与创新广度”的矛盾，让开发者聚焦需求定义与架构决策，AI承担具体实现，同时降低非技术人员的开发门槛。2. 技术生态系统文章从4个核心维度梳理Vibe Coding技术栈，覆盖从模型到落地的全链路：代码大语言模型（Code LLMs）：包括预训练数据（如GitHub开源代码、指令偏好数据集）、预训练技术（掩码语言建模、自回归生成）、后训练技术（指令微调、RLHF、DPO）。LLM驱动的编码智能体：核心能力包括任务分解与规划（如Chain-of-Thought、Tree of Thoughts）、