Eine Übersicht über Vibe-Codierung mit großen Sprachmodellen

papers.abstract

Der Fortschritt großer Sprachmodelle (LLMs) hat einen Paradigmenwechsel von der Code-Generierungsunterstützung hin zu autonomen Coding-Agenten katalysiert, wodurch eine neuartige Entwicklungsmethodologie namens „Vibe Coding“ ermöglicht wird. Bei dieser Methode validieren Entwickler KI-generierte Implementierungen durch die Beobachtung von Ergebnissen, anstatt den Code Zeile für Zeile zu verstehen. Trotz seines transformativen Potenzials bleibt die Effektivität dieses aufkommenden Paradigmas weitgehend unerforscht, wobei empirische Erkenntnisse unerwartete Produktivitätsverluste und grundlegende Herausforderungen in der Mensch-KI-Kollaboration offenbaren. Um diese Lücke zu schließen, bietet diese Übersichtsarbeit die erste umfassende und systematische Untersuchung von Vibe Coding mit großen Sprachmodellen und legt sowohl theoretische Grundlagen als auch praktische Rahmenbedingungen für diesen transformativen Entwicklungsansatz fest. Basierend auf der systematischen Analyse von über 1000 Forschungsarbeiten untersuchen wir das gesamte Vibe-Coding-Ökosystem und betrachten kritische Infrastrukturkomponenten, darunter LLMs für das Coding, LLM-basierte Coding-Agenten, Entwicklungsumgebungen für Coding-Agenten und Feedback-Mechanismen. Wir führen Vibe Coding zunächst als formale Disziplin ein, indem wir es durch einen Constrained Markov Decision Process formalisieren, der die dynamische triadische Beziehung zwischen menschlichen Entwicklern, Softwareprojekten und Coding-Agenten abbildet. Auf dieser theoretischen Grundlage aufbauend, synthetisieren wir bestehende Praktiken in fünf verschiedene Entwicklungsmodelle: Unbeschränkte Automatisierung, Iterative Konversationskollaboration, Planungsgetriebene, Testgetriebene und Kontextverstärkte Modelle, wodurch wir die erste umfassende Taxonomie in diesem Bereich bereitstellen. Entscheidend ist, dass unsere Analyse zeigt, dass erfolgreiches Vibe Coding nicht allein von den Fähigkeiten der Agenten abhängt, sondern von systematischem Kontext-Engineering, gut etablierten Entwicklungsumgebungen und kollaborativen Entwicklungsmodellen zwischen Mensch und Agent.

English

The advancement of large language models (LLMs) has catalyzed a paradigm shift from code generation assistance to autonomous coding agents, enabling a novel development methodology termed "Vibe Coding" where developers validate AI-generated implementations through outcome observation rather than line-by-line code comprehension. Despite its transformative potential, the effectiveness of this emergent paradigm remains under-explored, with empirical evidence revealing unexpected productivity losses and fundamental challenges in human-AI collaboration. To address this gap, this survey provides the first comprehensive and systematic review of Vibe Coding with large language models, establishing both theoretical foundations and practical frameworks for this transformative development approach. Drawing from systematic analysis of over 1000 research papers, we survey the entire vibe coding ecosystem, examining critical infrastructure components including LLMs for coding, LLM-based coding agent, development environment of coding agent, and feedback mechanisms. We first introduce Vibe Coding as a formal discipline by formalizing it through a Constrained Markov Decision Process that captures the dynamic triadic relationship among human developers, software projects, and coding agents. Building upon this theoretical foundation, we then synthesize existing practices into five distinct development models: Unconstrained Automation, Iterative Conversational Collaboration, Planning-Driven, Test-Driven, and Context-Enhanced Models, thus providing the first comprehensive taxonomy in this domain. Critically, our analysis reveals that successful Vibe Coding depends not merely on agent capabilities but on systematic context engineering, well-established development environments, and human-agent collaborative development models.

Eine Übersicht über Vibe-Codierung mit großen Sprachmodellen

A Survey of Vibe Coding with Large Language Models

papers.abstract

Support