《代码重塑未来：年薪87万的氛围编程师如何用400行AI代码引爆硅谷》

揭秘年薪87万氛围编程师的秘密武器：400行AI代码如何颠覆硅谷

　　 氛围编程持续走热。就在刚刚，完全没有Swift编程基础的Karpathy亲自下场示范，借助与ChatGPT的多轮互动，仅用400行代码打造了自己的第一个iOS应用。

　　 Vibe Coding（氛围编程），如今成为硅谷最新流行语。

　　 AI领域的领军人物Karpathy再次展示了他最新的编程技能——他用Swift开发了一款完整的iOS应用，用于追踪用户的卡路里摄入情况。

　　 出人意料的是，他对Swift编程一无所知，也没有查阅任何相关资料。

　　 通过多次与ChatGPT互动，Karpathy仅仅花费1小时就完成了整个开发流程，并顺利将成果部署到了手机上。

　　 不仅如此，随着氛围编程逐渐走红，众多网友积极投身于开发游戏、网页等多种类型的应用程序。不仅如此，一些科技公司也开始在招聘中增设「氛围编程师」这一职位。

　　 一则YC招聘启事中明确指出，工作内容中有50%的代码将由AI完成，该职位的年薪高达120k美金（87万元）。

　　 职位介绍中，每天工作 12-15 小时，却成为了全网的华点。

　　 如果人工智能确实提升了生产力，为何还是有人每天拼命工作12到15个小时呢？

　　 Karpathy 如何用嘴，迅速完成一个 iOS 应用的开发？

　　 推文中，他具体分享了自己与 ChatGPT 对话的四次过程：启动应用；功能增强；使用 AppStorage 持久化数据；部署到手机。

　　 在应用开发初期，Karpathy从零起步，向ChatGPT阐述了自己的需求：刚刚安装了Xcode，计划使用SwiftUI来创建一款iOS应用程序。

　　 ChatGPT 在接下来开启了「手把手」教学。

　　 首先打开并启动Xcode，这一过程需要仔细操作，比如点击特定的图标或选项。接着开始配置项目，包括为项目命名、选择界面风格以及确定编程语言等步骤。

　　 接下来，ChatGPT为Karpathy提供了一套基础代码，其中包括SwiftUI的界面设计与逻辑实现，这使得他能够迅速构建出一个可以正常运行的原型系统。这一工具的高效性无疑大大降低了开发门槛，让开发者能够在短时间内验证想法并推进项目进度。我认为，这种技术的应用不仅加速了创新的步伐，也为跨领域的合作创造了更多可能性。随着人工智能辅助工具的不断进步，未来的技术开发可能会变得更加普及化和多样化，这对于整个科技行业来说是一个令人兴奋的趋势。

　　 在拥有原型之后，接下来就是进入实践阶段了——开发一款体脂追踪的计时器应用。

　　 Karpathy 像是一位产品经理那样明确了自己的需求：「计时器」需要展示随着时间推移自然消耗的热量，以大号字体居中显示在屏幕上，并且每秒钟更新一次热量消耗数值。

　　 ChatGPT 按照指令，给出了分布构建过程，以及下一步建议。

　　 接下来，最近，某知名技术博主Karpathy在其博客中分享了关于一款新工具的开发细节。他详细介绍了如何通过不同的按键实现功能，并且展示了每秒更新的配置方案。这一系列操作不仅让开发者们眼前一亮，也引发了广泛讨论。 在我看来，这种透明化的技术分享方式非常值得肯定。在当今快速发展的科技领域，信息共享能够极大地促进技术创新与合作。Karpathy的做法无疑为其他技术人员树立了一个良好的榜样，鼓励更多人参与到开源项目中来。同时，这也提醒我们，在追求个人成就的同时，也要注重知识传播和社会价值的实现。

　　 第二部分，在基础版本完成之后，就是去做功能增强。

　　 比如，支持深色模式切换，简单的加减按钮、触觉反馈以及动画等功能，ChatGPT都提供了详细的代码示例和实现思路。

　　 为了确保数据在应用关闭后仍然能够保留，Karpathy曾向ChatGPT咨询了关于AppStorage的使用方法。

　　 最近有报道提到，开发者在学习SwiftUI框架时，发现AppStorage能够帮助开发者轻松地将数据绑定到用户界面元素上，并且它会自动处理与UserDefaults的交互。例如，一位开发者通过AppStorage成功地将用户的卡路里摄入数据保存到了UserDefaults中，这不仅简化了代码逻辑，还提高了开发效率。 我认为这种技术的应用非常值得肯定。首先，AppStorage让开发者从繁杂的数据持久化工作中解脱出来，专注于业务逻辑的实现，这对于提高开发速度和减少错误率都有显著作用。其次，将卡路里数据等健康相关信息存储到UserDefaults，可以让用户更好地追踪个人健康状况，这对促进健康管理具有积极意义。不过，我也注意到，虽然UserDefaults适合存储一些小型、非敏感的数据，但随着应用功能的扩展，可能需要考虑更安全或更适合大规模数据存储的方式。总的来说，AppStorage是一个很好的起点，但在实际项目中还需要根据具体需求做出权衡和调整。

　　 最后一步，Karpathy最近顺利地将自己的应用部署到了iPhone上，这一过程得到了ChatGPT的有力支持。从Xcode的配置到证书的设置，再到设备的部署，ChatGPT一步步为他提供了详细的指导。经过一系列操作后，应用终于成功运行在了手机上。这不仅展示了技术协作的力量，也让我深刻感受到AI助手在现代开发流程中的重要性。随着科技的发展，类似这样的工具正在帮助开发者更高效地完成工作，同时降低了技术门槛。这对整个行业来说无疑是一个积极的信号，未来或许会有更多人加入到创新的行列中来。

　　 经过 1 小时的对话，卡路里计时器的应用完成了。

　　 当然可以，请提供您想要修改的新闻内容，我会根据您的要求进行调整。

　　 第二天，近日，知名开发者Karpathy再次通过三次与ChatGPT的交流，为他的项目引入了两项令人兴奋的新特性：一是加入了动画环功能，二是优化了数据显示逻辑，确保所有数值都能在[-3500,3500]区间内清晰展示。这些改进不仅提升了用户体验，也进一步丰富了项目的应用场景。 我认为，这种不断迭代和优化的做法值得肯定。在技术领域，持续学习和快速响应用户需求是成功的关键。Karpathy通过与人工智能工具的合作，不仅提高了工作效率，还为项目注入了新的活力。动画环的加入让数据呈现更加生动直观，而对数值范围的调整则体现了开发团队对细节的关注。这种对用户体验的重视，无疑会吸引更多用户的关注和支持。希望未来能看到更多类似的创新实践。

　　 刚刚，他还为其添加了日志、为 + 100/-100 添加小字说明并隐藏 BMR 两个功能。

　　 截至目前，这款应用代码也仅有 400 行。

　　 随着氛围编程逐渐流行，业内专家MinChoi也归纳了一系列表现优异的经典案例。

　　 开发者 Luke Van In 用大约 1 万行 Claude 编写的代码构建了一款游戏。

　　 他认为，目前代码库的复杂度已接近可管理的上限，Claude已经成功重构了其中20%的代码，并且自动实现了武器后坐力和镜头抖动效果的优化。

　　 对于贴花系统，Luke 又借助了 Grok 进行了一些手动调整。

　　 xAI团队的工程师Kache开发了一项创新技术，能够让客户端与服务器逻辑在运行时实现动态重新加载，这意味着用户无需手动刷新页面，就能即时体验到功能更新和新特性上线。这一突破不仅提升了用户体验，也极大提高了开发效率。以往每当需要更新系统时，用户往往需要等待页面刷新或重启应用，而这项技术则彻底改变了这种模式，使得软件迭代更加流畅和高效。 在我看来，这项技术的推出标志着软件开发领域的一个重要进步。它不仅为开发者提供了更大的灵活性，还显著改善了用户的交互体验。对于依赖频繁更新的应用程序来说，这无疑是一个福音。例如，在新闻类应用中，用户可以随时获取最新内容而不需要中断当前操作，这对提升用户粘性具有重要意义。同时，这也意味着企业能够以更低的成本更快地响应市场需求变化，进一步增强竞争力。总的来说，这项技术未来可能会被广泛应用于各类在线服务中，带来更便捷、更高效的数字生活体验。

　　 他特别指出，只有在自己明确知道自己想做什么的情况下，氛围编程才能够展现出它的长处。

　　 还有一位开发者 Louie Bacaj 仅用 Claude 3.7+o1 Pro，在几个小时内通过氛围编程做出一个益智游戏。

　　 当然可以，以下是修改后的内容以及我的看法： --- 近年来，随着科技的不断进步，人工智能技术在各行各业的应用日益广泛。特别是在教育领域，通过虚拟现实和增强现实技术，学生能够以更加沉浸式的方式学习历史事件或科学原理。这种创新不仅提升了学习的趣味性，还极大地提高了教学效率。 我认为，这种技术的应用为传统教育模式注入了新的活力。它打破了时间和空间的限制，让学生能够在虚拟环境中亲身体验历史场景或复杂实验过程。然而，我们也需要警惕过度依赖技术可能带来的问题，比如对学生社交能力的影响。因此，在推广这些新技术的同时，学校和家庭应共同努力，确保技术的使用既能促进学习，又能维护学生的全面发展。 --- 以上内容保持了原新闻的核心信息，同时加入了个人的观点和看法，希望能够满足您的需求。

　　 还有人用两条提示，就能让游戏中 NPC 驾驶飞机。

　　 需要指出的是，并非所有借助AI辅助进行的编程都可以称为「氛围编程」。

　　 在最近的一篇博客中，知名 web 框架 Django 的共同作者 Simon Willison，就对这一概念进行了非常详尽的解释。

　　 并且，还获得了「发明人」Karpathy 的大加赞赏：

　　 在个人的实际体验中，每当处于类似于以下描述的场景时，我便会将其称为「氛围编程」——就像前晚在开发iOS应用时所处的那种状态一样。

　　 在实际开发过程中，我通常不会完全放手让AI独立完成任务，而是倾向于采用渐进式的迭代方法。这种模式下，我会仔细审查生成的代码，并且有计划地逐步提升其复杂性。同时，通过不断提出具体的问题，我能够更好地理解各个模块之间的交互关系及其运作逻辑。 这种方法让我能够在项目的早期阶段就发现潜在的问题，并及时调整方向，从而降低整体风险。我认为，这种方式不仅有助于提高最终产品的质量，还能促进团队成员之间的沟通与协作。尤其是在面对复杂的系统设计时，这样的流程显得尤为重要。它强调了人机协作的重要性，同时也提醒我们，在追求效率的同时，也不能忽视对细节的关注和对全局的理解。

　　 自从 Andrej Karpathy 在 2 月 3 日首次提出「氛围编程」后，这一概念随即登上各大主流媒体，并引发无数线上讨论。

　　 为了避免偏离初衷，这里必须强调 —— 氛围编程绝不等同于借助 LLM 编写代码，而是在不审查 LLM 产出代码的情况下构建软件。

　　 「氛围编程」可以你完全沉浸在氛围中，拥抱指数级进步，甚至忘记代码本身的存在。这是因为 LLM（例如 Cursor Composer 搭配 Sonnet）已经变得足够优秀。我甚至可以只用 SuperWhisper 与 Composer 进行对话，几乎无需摸键盘。

　　 我会提出最基础的要求，比如「将侧边栏的内边距减半」。并且总是点击「全部接受」，而不去查看代码差异。遇到报错，就直接复制到对话框中让 LLM 去修复。代码的复杂程度已超出我的日常认知，真要理解必须逐行细读。有时 LLM 无法修复 bug，我就直接绕过或随机调整直到问题消失。

　　 对于周末随意开展的小项目而言，确实充满了乐趣。只需进行观察、口头描述、执行运行以及复制粘贴操作，令人惊讶的是，大多数情况下代码都能成功运行。

　　 作为一位天赋异禀的资深程序员，Andrej显然不需要依赖AI来完成他的工作。然而，他却选择了这种方式，因为探索疯狂的创意本身就是一种极大的乐趣。在他看来，LLM（大型语言模型）的代码生成速度不仅远超人类，甚至快了几个数量级，这种效率上的巨大差异让人难以抗拒。对于Andrej来说，这不仅仅是一次技术实验，更像是一场充满挑战与惊喜的冒险。 我觉得Andrej的选择非常有趣。在这个追求效率的时代，利用AI工具提升生产力已经成为一种趋势，而他则通过这种方式将个人兴趣与前沿科技结合在一起。这种做法既体现了他对编程本身的热爱，也展现了对未来技术发展的深刻思考。同时，这也提醒我们，在拥抱新技术的同时，保持好奇心和创造力同样重要。毕竟，正是这些看似“疯狂”的尝试，才可能带来真正意义上的突破。

　　 对于低风险的原型开发，何不放手让它发挥？

　　 与专业软件工程师利用大型语言模型（LLM）的开发方式不同，这种「忽略代码存在」的开发模式存在根本性的区别。

　　 首先，软件工程师需要构建的是符合多重标准的系统 —— 不仅要可验证运行，还需具备人类可读性（及机器可解析性），并能支撑长期迭代开发。

　　 其次，软件工程师需要在同时考虑显性需求与隐性约束的情况下，从数十种潜在方案中筛选出最优解，进而实现性能、可访问性、安全性、可维护性、成本效益等指标之间的平衡。

　　 第三，软件工程师还需要对代码进行审查。生产环境 AI 辅助开发铁律是：任何无法向其他人精确解释工作原理的代码，都禁止进入版本库。

　　 不难看出，当大型语言模型（LLM）生成代码后，软件工程师依然需要按照传统的流程进行完整的审查、测试，以及确保代码的可解释性。这意味着，即便引入了LLM这样的新型工具，软件开发的本质仍然遵循着传统开发范式。无论工具链中是否包含LLM，软件工程的实际操作流程并未发生根本性的变化。 这种现象其实反映了技术与传统之间的微妙平衡。尽管LLM能够高效生成代码，但其输出仍需经过人工验证和优化，这表明当前的技术还无法完全取代人类工程师的专业判断和经验积累。这也提醒我们，虽然人工智能技术在快速发展，但在涉及复杂逻辑和高可靠性要求的领域，人机协作依然是最可靠的选择。未来，如何让技术更好地服务于人类，同时保留人的核心作用，或许是值得深思的方向。

　　 尽管氛围编程与利用大型语言模型（LLM）进行编程存在本质区别，但这并不能成为将其视为一种不负责开发方式的理由。 在我看来，氛围编程的核心在于营造一种更加自然和高效的开发环境。它通过优化开发者的工作体验，提升创造力和效率，而不是单纯依赖技术手段解决问题。这种方式不仅能够帮助开发者更好地专注于代码本身，还能促进团队协作与项目管理。当然，在采用这种开发模式时也需要平衡好创新与风险控制之间的关系，确保最终产品既具有前瞻性又符合实际需求。 总之，我们应该以开放包容的态度看待包括氛围编程在内的各种新兴技术趋势，并积极探索其潜在价值所在。同时也要警惕过度炒作或盲目追随潮流的现象发生，坚持科学理性的原则指导实践操作。

　　 这种颠覆性的编程方式，实际上蕴藏着改变世界的潜力——它能够让数百万没有计算机学位或未接受过专业编程训练的普通人，通过使用相关工具，使计算机完成高度个性化的任务，创造出属于自己的专属应用。

　　 如此一来，那些原本与编程毫无关联的人，或许会因为某些契机而对编程产生浓厚兴趣，甚至逐步发展为专业的开发者。在这个行业中，最大的障碍就像一道陡峭的悬崖，让人望而却步，而氛围编程的兴起有望彻底改变这一现状，让学习过程变得更加友好和平易近人。 我认为，氛围编程的潜力在于它能够营造一种更加包容和支持的学习环境。相比于传统编程教育的高门槛，这种新型的学习方式更注重互动性和实践性，能够让初学者在轻松的环境中逐步掌握技能。这种方式不仅有助于吸引更多非专业人士加入技术领域，也为行业注入了新鲜血液。长远来看，这不仅能推动技术创新，还能促进社会整体的数字化转型。因此，我们应该鼓励更多这样的创新尝试，让更多人有机会体验到编程带来的乐趣与成就感。

　　 资深工程师们通过与大语言模型（LLM）的合作，能够逐渐磨炼出对模型能力边界更为敏锐的认知。正如之前所提到的，利用LLM进行工作犹如行走在布满未知挑战的迷宫之中，每一次尝试都需要凭借经验和直觉来规避潜在的风险。这种过程不仅考验着工程师的技术水平，也促使他们不断深化对人工智能工具的理解。 在我看来，随着AI技术的快速发展，像LLM这样的强大工具正在重新定义我们的工作方式。它既带来了前所未有的便利，同时也提出了新的挑战。对于那些希望充分利用这些先进技术的人来说，培养一种对技术局限性的深刻理解至关重要。只有这样，才能更好地发挥其潜力，同时避免因过度依赖而导致的问题。未来，随着更多实践案例的积累，我们有理由相信，人类与机器之间的协作将会更加高效和谐。

　　 「氛围编程」对各个「段位」的开发者来说都是一次不容错过的沉浸式体验。

　　 参考资料：

　　 https://x.com/karpathy/status/1903671737780498883

　　 https://x.com/karpathy/status/1903870973126045712

　　 https://x.com/minchoi/status/1903895144413159516

　　 本文来自微信公众号：新智元（ID：AI_era）