本博客日IP超过2000，PV 3000 左右，急需赞助商。
极客时间所有课程通过我的二维码购买后返现24元微信红包，请加博主新的微信号：xttblog2，之前的微信号好友位已满，备注：返现
受密码保护的文章请关注“业余草”公众号，回复关键字“0”获得密码
所有面试题(java、前端、数据库、springboot等)一网打尽，请关注文末小程序
腾讯云】1核2G5M轻量应用服务器50元首年，高性价比，助您轻松上云
氛围编程在 2025 年极为流行，以至于不少程序员出去面试，必谈氛围编程。
这不，最近就有网友私信我，说让我写写氛围编程。这期中不少人还不知道如何入门，也有人已经魔怔了，觉得程序员都可以裁掉了……
不管别人如何理解，但我觉得氛围编程并不是一个高大尚的东西。只要你开始用了，那你就已经在路上了。下面，我将抽出一点时间，深入探讨一下什么是氛围编程？它的起源？以及如何利用氛围编程在 Java 项目中实践。
我这里特别准备了 3 个从零开始的实战案例，尽量让大家 5 分钟上手！
什么是氛围编程？
以前我们是面向经验编程，面向百度编程，编写对象编程。现在又流行了一个氛围编程，那什么是氛围编程？为什么它如此火爆？
这一切都要从 Andrej Karpathy 等老外程序员说起了。
氛围编程的核心定义
氛围编程，英文称为 Vibe Coding，具体是谁第一个这么叫的，不好查证。也有人说是由 OpenAI 联合创始人、前特斯拉 AI 负责人Andrej Karpathy在 2025 年 2 月首次提出的编程范式。我们姑且也就这样认为吧。
它的核心理念是：开发者通过自然语言描述意图（“氛围”），由 AI 负责生成、完善和调试代码，从而将注意力从代码细节转移到创意和架构设计上。
这里的氛围，就是 Vibe 的直译。我认为这个词这样翻译一点也不好。不如叫做描述性编程、会话编程、意图编程等，这个氛围编程，太过陌生，这个词就能拦住不少人。
与传统编码相比，我认为氛围编程有四大核心特征。
- 意图驱动：用自然语言描述需求，而非编写精确语法
- AI 作为执行代理：AI 承担编码职责，开发者转为
产品经理 + 架构师角色 - 信任运行：通过执行结果验证代码，而非逐行审查
- 快速迭代：“描述-生成-运行-反馈”的高速循环
正如 Karpathy 所说：“使用现代 AI 工具编码，并不是真正的编码，我只是看到一些事物，并对它们进行描述，然后运行 AI 工具，最后复制粘贴，它大部分都能正确实现。”
技术演进历程
氛围编程并非凭空出现，而是 AI 技术发展的必然结果。
- 2010 年代：低代码/无代码平台萌芽
- 2021 年：GitHub Copilot 开启 AI 代码助手时代
- 2022 年底：ChatGPT 标志着会话式编码时代到来
- 2025 年：氛围编程从边缘实验变为主流趋势
有人预估，到 2025 年 12 月，基于氛围编程概念的 AI 编程工具活跃用户已超 1000 多万，年化订阅收入超过 1 亿美元甚至更多的厂商不在少数！
小白如何开始氛围编程？
或者说产品、测试、程序员等如何入门氛围编程？
不要认为只有程序员需要会氛围编程，测试等也需要的，尤其是自动化、安全性等领域的测试。产品人员也需要，哪怕是写写文档等。
环境准备三步走
对于 Java 开发者来说，开启氛围编程之旅只需简单三步。
- 选择 IDE 插件等工具：安装阿里 Qoder、GitHub Copilot 或通义灵码、Trae、CodeBuddy 等
- 配置 API 密钥或登录账号：连接大模型服务（如通义千问、GPT-4 等）
- 创建或打开项目：从简单的 Maven/Gradle Java 项目开始
Vibe Coding 提示词黄金法则
氛围编程的成败关键在于提示词质量。经过多数社区的实践，我总结出以下五大原则。
原则一：清晰描述意图。比如，看下面这个对比。
不好：“写一个排序”
好：“创建一个 Java 工具类，包含快速排序算法，要求：1. 支持泛型 2. 有详细的 Javadoc 注释 3. 包含单元测试”原则二：提供充分的上下文，可以具体具体再具体些。
不好：“连接数据库”
好：“在 Spring Boot 项目中，创建一个 UserRepository 接口，使用 JPA 连接 MySQL 数据库，表结构包含 id、username、email 三个字段，需要实现根据 email 查询用户的方法”原则三：迭代优化。不要一口吃个胖子。
1. 先生成基础版本
2. 运行测试，发现问题
3. 反馈错误信息给 AI：“运行报错 NullPointerException，在第 23 行，请修复”
4. AI 自动修正并优化原则四：结构化表达。
使用以下模板：
【角色】你是一位经验丰富的 Java 架构师
【任务】创建一个 RESTful API
【要求】1. 使用 Spring Boot 3.x 2. 返回 JSON 格式 3. 包含 Swagger 文档
【约束】避免使用 Deprecated API原则五：文档优先。
对于复杂的业务功能或项目，可以让 AI 先生成需求文档或项目目录、功能文档等。再让 AI 根据对应的文档，实现对应的模块或功能。这一条其实和原则二类似，提供充分的上下文。
即使再不济，让 AI 写写程序员厌烦的文档，也没问题吧。
3 个 Java 案例从 0 到 1
这里以阿里 Qoder 为例进行实战。或者我就不截图了，因为每个 AI 编程工具都大差不差，核心是氛围编程，工具不是唯一。
Qoder 核心功能介绍
阿里 Qoder 是氛围编程领域的代表性工具，提供四大核心能力。
- Spec 驱动的 Quest Mode：通过规格说明驱动 AI 完成任务。符合原则二和原则五。
- Repo Wiki：构建项目知识库，增强 AI 上下文理解。同上。
- 云端沙箱：安全执行和测试生成的代码。
- 多智能体并行：多个 AI Agent 协作完成复杂任务等。
案例 1
接下来，我们利用 5 分钟左右的时间，创建一个 Spring Boot RESTful API。
场景：快速搭建用户管理系统 API。
操作步骤如下。
一、在 Qoder 中打开新项目，输入提示词。
创建一个 Spring Boot 3.x 项目，包含 User 实体类（id, name, email, createdAt），
使用 JPA 进行数据持久化，提供完整的 CRUD RESTful API，
使用 H2 内存数据库，自动生成 Swagger API 文档二、Qoder 自动生成项目结构和代码。
// User.java
@Entity
@Table(name = "users")
@Data
public class User {
@Id
@GeneratedValue(strategy = GenerationType.IDENTITY)
private Long id;
@Column(nullable = false)
private String name;
@Column(unique = true, nullable = false)
private String email;
@Column(name = "created_at")
private LocalDateTime createdAt;
}
// UserController.java
@RestController
@RequestMapping("/api/users")
public class UserController {
@Autowired
private UserService userService;
@GetMapping
public ResponseEntity<List<User>> getAllUsers() {
return ResponseEntity.ok(userService.findAll());
}
@PostMapping
public ResponseEntity<User> createUser(@RequestBody User user) {
return ResponseEntity.status(HttpStatus.CREATED).body(userService.save(user));
}
}三、运行验证。
mvn spring-boot:run，访问http://localhost:8080/swagger-ui.html。
最终的效果是，传统方式需要 30 分钟，使用 Qoder 仅 3 分钟不到即可完成！
案例 2
现有项目，智能工具类生成。比如，Java 日期处理工具。
场景：老项目中需要处理各种日期格式转换。
提示词设计如下。
创建一个名为 DateTimeUtils 的 Java 工具类，要求。
1. 包含字符串转 LocalDateTime 的方法，支持 yyyy-MM-dd HH:mm:ss 和 ISO 8601 两种格式
2. 包含计算两个日期相差天数的方法
3. 包含获取本月第一天和最后一天的方法
4. 所有方法必须是静态方法
5. 使用 DateTimeFormatter 线程安全
6. 包含完整的单元测试，使用 JUnit 5
7. 添加详细的注释和异常处理Qoder 生成代码示例大致如下所示。
public class DateTimeUtils {
private static final DateTimeFormatter DEFAULT_FORMATTER =
DateTimeFormatter.ofPattern("yyyy-MM-dd HH:mm:ss");
private static final DateTimeFormatter ISO_FORMATTER =
DateTimeFormatter.ISO_LOCAL_DATE_TIME;
/**
* 将字符串解析为LocalDateTime
* @param dateTimeStr 日期时间字符串
* @param pattern 格式模式，如果为null则尝试ISO格式
* @return LocalDateTime对象
* @throws DateTimeParseException 解析失败时抛出
*/
public static LocalDateTime parse(String dateTimeStr, String pattern) {
if (StringUtils.isBlank(dateTimeStr)) {
throw new IllegalArgumentException("日期字符串不能为空");
}
try {
if (pattern == null) {
return LocalDateTime.parse(dateTimeStr, ISO_FORMATTER);
} else {
return LocalDateTime.parse(dateTimeStr,
DateTimeFormatter.ofPattern(pattern));
}
} catch (DateTimeParseException e) {
throw new DateTimeParseException(
"无法解析日期: " + dateTimeStr, dateTimeStr, 0);
}
}
// 自动生成单元测试
@Test
void testParseWithDefaultPattern() {
LocalDateTime result = DateTimeUtils.parse("2025-01-15 14:30:00", null);
assertNotNull(result);
assertEquals(2025, result.getYear());
}
}开发效率大大提升。传统方式需要 30 分钟编码左右的编码 + 10 分钟左右的测试，在使用 Qoder 工具后，2 分钟左右的时间就完成了，且测试覆盖率 100%！
案例 3
复杂业务逻辑，订单折扣计算系统。如果是更复杂的场景，可以要求 AI 使用规则引擎。
场景：电商系统中的促销规则引擎。
复杂的场景，建议使用分步提示词策略。
第一步：设计整体架构。
创建一个订单折扣计算系统，使用策略模式实现不同促销规则：
- 满减优惠（满 100 减 10）
- 会员折扣（VIP 8折）
- 优惠券抵扣（固定金额）
使用 Spring Boot 实现，支持规则链式组合第二步：在第一步的基础上优化具体实现。
在 DiscountStrategy 接口中添加 calculate 方法的 Javadoc，
要求返回 BigDecimal 避免精度丢失，
并添加 @Transactional 注解保证数据一致性第三步：生成单元测试。
为 DiscountService 生成边界条件测试：
1. 订单金额恰好满足门槛值
2. 多个优惠组合使用
3. 优惠金额超过订单总额的情况如果单元测试有问题，可以继续会话交流，提供多轮修正。
最终生成核心代码大致如下所示。
public interface DiscountStrategy {
/**
* 计算折扣金额
* @param order 订单信息
* @return 折扣金额，使用BigDecimal保证精度
*/
BigDecimal calculate(Order order);
}
@Service
public class DiscountService {
private final List<DiscountStrategy> strategies;
public BigDecimal calculateTotalDiscount(Order order) {
return strategies.stream()
.map(strategy -> strategy.calculate(order))
.reduce(BigDecimal.ZERO, BigDecimal::add);
}
}氛围编程的最佳实践与避坑指南
不少人看到别人都是从一个新项目开始，老项目或现有项目无从下手。其实，完全没必要。
针对具体的函数、方法，甚至是加某些字段，改某些逻辑，都可以让 AI 生成。
下面是我总结的一些氛围编程的最佳实践与避坑指南，工大家参考！
黄金比例：人机协作
根据社区实践，推荐以下工作模式：
- 纯 Vibe 模式（20%）：用于快速原型、周末项目、技术调研
- 负责任 AI 辅助（80%）：生产代码必须经过审查、测试和理解
总之就是 AI 生成的代码，自己一定要 codereview 一遍。
风险提示与规避
常见陷阱如下。
- 代码质量债务：AI 生成的代码可能包含隐藏 bug。建议严格执行代码审查，使用 SonarQube 静态分析。
- 安全漏洞：敏感数据处理不当。建议，避免在提示词中暴露 API 密钥，使用环境变量。
- 知识产权风险：代码可能被上传到云端。建议使用企业私有化部署的 AI 服务。
- 技术能力退化：过度依赖导致基本功生疏。建议定期手写核心算法等，保持编程手感。
Java 开发者专属建议
- 结合 Javadoc：要求 AI 生成详细的 API 文档
- 利用 Lombok：减少样板代码，token 等，让 AI 专注于业务逻辑
- JUnit 5 最佳实践：强制 AI 使用 Assertions 和 ParameterizedTest
- SonarLint 集成：实时检测代码坏味道
总结
氛围编程正在推动开发者从代码工匠向架构设计师转变。2025 年，Java 开发者的核心竞争力不再是语法熟练度，而是：
- 需求洞察能力
- 系统设计思维
- AI 协作技巧
- 质量把控能力
氛围编程不是取代程序员，而是解放程序员。它让我们从重复劳动中解脱，专注于真正创造价值的设计和思考。
最好的氛围编程实践者，一定是理解代码背后原理的人。到目前为止，AI 还只是工具，让 AI 成为我们的超能力，而不是替代品！
最后，欢迎关注我的个人微信公众号：业余草（yyucao）！可加作者微信号：xttblog2。备注：“1”，添加博主微信拉你进微信群。备注错误不会同意好友申请。再次感谢您的关注！后续有精彩内容会第一时间发给您！原创文章投稿请发送至532009913@qq.com邮箱。商务合作也可添加作者微信进行联系！