Обзор кодирования вибраций с использованием больших языковых моделей

Аннотация

Развитие крупных языковых моделей (LLM) вызвало смену парадигмы: от помощи в генерации кода к автономным агентам программирования, что привело к появлению новой методологии разработки под названием "Vibe Coding". В рамках этой методологии разработчики проверяют реализации, созданные ИИ, через наблюдение за результатами, а не через построчное понимание кода. Несмотря на её трансформационный потенциал, эффективность этой новой парадигмы остаётся недостаточно изученной, а эмпирические данные выявляют неожиданные потери производительности и фундаментальные проблемы в сотрудничестве человека и ИИ. Чтобы восполнить этот пробел, данное исследование представляет первый всесторонний и систематический обзор Vibe Coding с использованием крупных языковых моделей, устанавливая как теоретические основы, так и практические рамки для этого трансформационного подхода к разработке. На основе систематического анализа более 1000 научных статей мы исследуем всю экосистему Vibe Coding, рассматривая ключевые компоненты инфраструктуры, включая LLM для программирования, агентов программирования на основе LLM, среду разработки для таких агентов и механизмы обратной связи. Мы впервые представляем Vibe Coding как формальную дисциплину, формализуя её через ограниченный марковский процесс принятия решений, который отражает динамическую триадическую связь между разработчиками, программными проектами и агентами программирования. Опираясь на эту теоретическую основу, мы синтезируем существующие практики в пять различных моделей разработки: Неограниченная автоматизация, Итеративное диалоговое сотрудничество, Планирование-ориентированная, Тест-ориентированная и Контекстно-усиленная модели, создавая первую всеобъемлющую таксономию в этой области. Критически важным является вывод нашего анализа: успешное Vibe Coding зависит не только от возможностей агентов, но и от систематической инженерии контекста, хорошо организованных сред разработки и моделей совместной разработки человека и агента.

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.

Обзор кодирования вибраций с использованием больших языковых моделей

A Survey of Vibe Coding with Large Language Models

Аннотация

Support