Vibe Coding 演進史（上篇）：一個詞的誕生、變調與爆紅

2025 年 2 月 2 日，前 Tesla AI 總監、OpenAI 創始成員 Andrej Karpathy 在社群平台 X 上發表了一則貼文。

不到十個月後的 2025 年 11 月 6 日，英國 Collins 字典正式將貼文中的自創詞「vibe coding」選為 2025 年度詞彙（Word of the Year 2025）。

一句半開玩笑的自嘲，在短短一年內，從工程師的圈內行話變成了大眾流行語。

然而在傳播過程中，這個詞的意涵產生了顯著質變。造詞者本人在一年後公開提出另一個詞彙試圖與之切割，學術界則接連針對該現象展開嚴謹的實證檢驗。

作為上下兩篇專題的上篇，本篇梳理這場科技文化現象的完整脈絡：從還原 Karpathy 的工作情境、爆紅的三大推手，到 Willison 與 Karpathy 劃下的定義防線；再以一手資料檢驗「初階工程師消失」的流行敘事，並用「70% 困境」剖析其能力邊界。

至於軟體品質下滑、真實安全漏洞、生產力實證研究，以及工程團隊的實務邊界，則交由下篇完整對帳。

一、還原現場：Karpathy 的自嘲貼文到底說了什麼？

要理解 vibe coding 的起點，必須先釐清造詞者的背景與脈絡。

Karpathy 是少數橫跨學術頂峰與產業實務的指標人物。身為 OpenAI 創始成員與前 Tesla AI 總監，他長期主張自然語言將成為主流程式介面，早在 2023 年初就提出一句廣為流傳的名言：「最熱門的新程式語言是英文。」

因此，vibe coding 並非突發奇想，而是他將這項主張化為個人日常實驗的自然延伸。

在這則發布於 2025 年初的貼文中，Karpathy 記錄了一段極具自嘲色彩的實驗：他使用語音輸入工具 SuperWhisper 對著 Cursor 的 Composer 模式（整合了 Claude 3.5 Sonnet，具備跨檔案自主編輯能力）說話，雙手幾乎離開鍵盤。

遇到微調需求直接開口吩咐；在編輯器中永遠直接點選「Accept All」，徹底放棄逐行檢視程式碼差異（diff）；一出現錯誤訊息就整段貼回對話框。很快地，程式碼規模便膨脹到超出他能通盤理解的程度。

他在貼文結尾留下了廣為引用的自白：

「It’s not really coding - I just see stuff, say stuff, run stuff, and copy paste stuff, and it mostly works.」

（這其實不算寫程式——我只是看東西、說東西、跑東西、複製貼上東西，然後多半就行得通。）

最常被外界忽略的關鍵，是他緊接在自白之前親自劃定的適用邊界：「It’s not too bad for throwaway weekend projects」（對用完即丟的週末專案來說，這還不錯）。

換言之，原版 vibe coding 必須同時具備三大成立條件：

• 作者具備頂尖工程底子：他是在清楚知道自己放棄了什麼審查的前提下，刻意不看程式碼。
• 專案屬於低風險玩具：僅適用於無長期維護負擔的拋棄式週末專案。
• 態度屬於自嘲與娛樂：連作者本人都明言「這不算真正的 coding」。

然而，當這個詞進入大眾傳播時，這三大邊界條件在傳播過程中幾乎全部被剝除，演變成「工程師再也不需要理解程式碼」的流行神話。

二、爆紅背後：推動擴散的三個推手

回顧 2025 年的科技熱潮，vibe coding 能在短時間內席捲全球，是三大關鍵要素在同一個時間點共同共振的結果。

1. 工具：Agent 工作流跨過實用門檻

Karpathy 發文時所提及的 Cursor Composer 於 2025 年初成形。同年，Claude Code、Replit Agent 等工具相繼成熟，將需求拆解、跨檔案修改與自動除錯串成完整循環。

過往的 AI 補全仍停留在行內輔助（如早期 Copilot），開發者仍須逐行主導；agent 模式則由 AI 實際操作，開發者轉為下指令與驗收。大量平台更主打「免終端機、免設定環境」，讓無程式背景的使用者也能從零部署應用。

2. 人物：頂尖專家的背書與反差

如果 vibe coding 僅由行銷公關團隊提出，很難在注重實證的工程社群引起廣泛迴響。

Karpathy 在深度學習領域享有極高的學術與教學公信力，由他親口說出「我現在這樣寫程式，而且很有趣」，無疑為這種邊緣嘗試提供了強大的心理背書。

這種背書更具備強烈的反差張力：越是公認的深度學習大師宣告「不用看程式碼」，大眾越容易腦補出「連他都這樣，這招一定很厲害」，進而在傳播中忽略了他同時附加的邊界警告。

3. 迷因：易於傳播的自嘲梗與媒體放大

「fully give in to the vibes」、「Accept All」、「純憑感覺走」等說法具備極強的迷因屬性，易於被二次創作並套用於各類日常生活情境。

2025 年上半年，技術社群充斥著各類實驗截圖與自嘲迷因；隨後主流商業媒體跟進報導，Y Combinator 執行長 Garry Tan 於 2025 年 3 月在 CNBC 電視專訪中說明，只要對大型語言模型開口要求，它們就能寫出整個應用程式，成功將該詞推向一般商業大眾。

最終，Collins 字典於 2025 年 11 月正式將它選為年度詞彙，為這場文化現象完成了官方註腳。

⭐️三、語意之爭：從 Vibe 到 Agentic

詞彙爆紅後，技術社群內部迅速引發了嚴肅的界定爭論。

首波具備系統性的反思來自 Django 共同創辦人、資深開源開發者 Simon Willison。

2025 年 3 月 19 日，在原貼文發布僅六週後，Willison 發表了專文〈Not all AI-assisted programming is vibe coding〉。

他為 vibe coding 提出了一個收窄的嚴謹定義：「指使用大型語言模型（LLM）建構軟體，但『不審查它產出的程式碼』。」

三者的分野很清晰：vibe coding 不審查程式碼、只產出拋棄式作品；AI 輔助開發由人逐行把關；agentic engineering 以規格與自動測試驅動，工程師對最終結果負全責。

Willison 擔憂大眾將「所有 AI 輔助開發」一概混為一談，不僅稀釋了專業討論，也抹煞了嚴謹開發者的紀律。

他立下了一條被技術社群廣泛引用的工作守則：絕不提交（commit）自己無法向他人解釋的程式碼。

在 Willison 的框架中，只要開發者進行了充分審查、撰寫了測試並理解系統原理與程式碼邏輯，AI 的參與就只是單純的工具輔助，本質仍是標準的軟體開發。

他同時引入了「認知債」（cognitive debt）的概念：傳統的「技術債」通常指架構不良但開發者仍知其所以然；「認知債」則更進一步：AI 生成太快，開發者對系統的整體理解（心智模型）難以再維持健全，到頭來連它怎麼動起來都說不清楚。這筆債務終將在維護與故障排除時以高昂代價償還。

儘管如此，Willison 並未全盤否定 vibe coding 的價值。他認為它能降低初學者門檻、加速開發個人自用的自動化小工具，並幫助資深工程師快速摸索 LLM 的能力邊界。

造詞者 Karpathy 隨後的動向亦印證了這場定義反思。

2026 年 2 月 4 日，Karpathy 在 X 上正式提出新名詞「agentic engineering」。

他指出未來的常態，是工程師 99% 的時間不再親手寫程式碼，而是負責指揮、約束與驗證 AI agent。隨後他與紅杉資本（Sequoia Capital）舉辦對談，題為《From Vibe Coding to Agentic Engineering》。造詞者藉由新名詞正式劃清界線：一邊是講求嚴謹的專業工程，一邊是不看程式碼的娛樂自嘲。

到了 2026 年中，Willison 親身觀察到這條界線的鬆動：他在 5 月的專文中坦言，隨著 coding agents 變得可靠，自己連 production 等級的程式碼都不再逐行審查，而是讓 agent 補上自動化測試與文件——vibe coding 與 agentic engineering 正在他本人的工作中靠近，而這個變化令他不安。

把視野放到整個工具層面，規格驅動（spec-driven）、計畫確認（plan review） 與 自動化測試 正逐漸成為新一代開發環境的常見配備，大量生成與嚴謹驗證開始能在同一個工作流中並存。名稱之爭隨之降溫，正是因為工具演進正在縮小兩者之間的實務差異。

四、初階工程師消失了嗎？

伴隨 vibe coding 狂潮而來的，是科技圈與職場上最普遍的焦慮敘事：「AI 已經能自動生成程式碼，因此初階工程師職缺將被消滅。」

這類主張最常援引兩份權威報告，但若對照其原始統計口徑——亦即報告當初如何定義與計算這些數字——會發現流傳版本存在明顯的去脈絡化與誇大。

1. SignalFire 2025 年度人才報告

市場常以「大科技公司新鮮人招募因 AI 崩跌 50%」作為聳動標題。然而，回溯 SignalFire 報告的原始口徑，這項資料背後其實是長達六年的宏觀週期：

• 目前佔比：新畢業生目前佔 Big Tech 整體新進人員的比例降至 7%（疫情前約為 15%）。
• 長期基準：相較於疫情爆發前的 2019 年基準，招募規模下滑幅度確實超過 50%。

「崩跌 50%」是歷經了疫情擴張、後續凍結、科技業大裁員以及全球高利率環境的多重週期疊加結果。報告明確指出這是生產力工具引進、成本緊縮與宏觀環境的綜合作用，從未將 AI 列為唯一肇因。

此外，報告指出新創圈同樣面臨「經驗悖論」：企業只想聘僱即戰力，新創企業的新鮮人招募佔比亦跌破 6%（相較 2019 年下滑逾 30%）。報告提出的核心警訊，名為「失落的一代」（lost generation）：當新鮮人失去系統化的在職訓練機會，跳過這段養成期恐怕會斷裂業界長期的人才管線。

2. 史丹佛研究：ADP 薪資資料的真實發現

另一項常被引用的研究，是由經濟學家 Erik Brynjolfsson 等人發布的史丹佛論文《Canaries in the Coal Mine》，追蹤了 ADP 旗下數百萬名受薪員工的真實薪資資料。

研究發現：在 2022 年底至 2025 年中，22 至 25 歲、任職於 AI 高暴露職業（包括軟體開發、客服與基礎會計）的新進工作者，其相對就業成長趨勢比低暴露職業的同齡人落後約 13%（團隊於 2026 年更新為 19%）。同領域 35 歲以上資深人員的就業則維持平穩。

流行傳播中常見的兩大扭曲為：

• 相對趨勢落後而非絕對失業：該資料指年輕族群就業成長斜率落後 19%，並非「19% 的年輕工程師失去工作」。
• 入門任務壓縮而非職業消失：AI 顯著壓縮了初階重複性任務，導致職涯階梯的第一階被推高，而非直接消滅該職業生態；且難以完全排除總體經濟干擾，尚無法斷定因果。

還原原始脈絡後的客觀事實是：初階工程師並未憑空消失，而是「入門」的門檻正在被實質推高。對初學者而言，挑戰在於不能再像兩年前那樣，只靠基本語法就找到工作。

⭐️五、70% 困境：考驗工程底子的深水區

在評估 vibe coding 的能力極限時，技術圈最常引用的框架是由 Google Chrome 工程主管 Addy Osmani 提出的「70% 問題」（The 70% Problem）。

從時間軸來看，Osmani 的專文發表於 2024 年 12 月 4 日，比 Karpathy 正式造詞早了整整兩個月。該框架原本是在探討初期 LLM 生成程式碼的邊界，隨後被技術社群廣泛引用來解釋為何 vibe coding 無法直接跨入生產環境。

1. 修復泥淖：進兩步、退一步的惡性循環

70% 框架指出：非工程師或新手藉助現代 AI，能以驚人速度產出「看似能正常運作」的 70% 軟體原型。

然而，剩下的 30%——涵蓋邊界條件處理、架構重構、並行安全、記憶體洩漏與深度除錯——屬於報酬遞減的深水區。

當開發者不具備底層知識時，每當要求 AI 修復一個缺陷，往往引發「進兩步、退一步」的連鎖反應：修正了 A 模組卻破壞了 B 模組。缺乏心智模型的使用者只能不斷將新錯誤丟回模型，陷入提示迴圈。

2. 知識悖論：資深者的加速器，新手的賭場

Osmani 由此提煉出「知識悖論」：AI 工具對資深工程師的效益大於新手。資深者是利用模型加速實作心中已有的健全架構；新手則容易照單全收過時或有漏洞的程式碼，蓋出看似華麗卻一觸即潰的「紙牌屋系統」。

他的核心建言十分務實：將 AI 定位為「初稿生成器」，而非「最終交付者」。由 AI 快速產出骨架，隨後由人類工程師接手審查、重構、編寫測試與補齊文件。

這與 Simon Willison 的觀點形成了有力呼應：

懂架構的工程師使用 AI 是高效加速器；不理解架構的人使用 AI，則如同在勝率未知的賭場下注。

在引用該框架時，必須對其證據等級保持嚴謹：這是一份深具洞見的資深工程經驗談，而非量化實證研究。70% 這一數值代表的是質性概念而非精確統計邊界，不應被誤讀為經過測量的硬性指標。

結語：熱度降溫後的真正分歧

回顧 2025 至 2026 年這段歷程，一個熱門名詞在短短兩年內走完了誕生、擴散、變調、封頂到被核心圈重新定界的完整生命週期。

然而，名詞熱度消退，並不代表核心問題隨之消失。當大眾將豐富的開發光譜粗暴簡化為「vibe coding」時，軟體工程最根本的界線——看不看程式碼、驗不驗證、對不對生產環境負責——也隨之模糊。

這種認知模糊在真實世界中帶來了多少代價？

在接下來的下篇中，我們將透過具體資料與案例全面對帳：YC 揭露的真實開發比重、引發資安震盪的事故、數億行程式碼的品質報告、學界如何稽核生成軟體的安全性，以及 DORA 組織效能指標。最終目標是提煉出一套實務決策準則，幫助工程團隊面對 AI 工具。