众所周知，vibe coding（氛围编程）是这两年流行的编程方式，指的是利用大模型工具，处理用户的自然语言指令，自动生成代码。

今年开始，公司重点发力AI建设，由于大模型生成代码能力突飞猛进，日异月新，于是领导启动了各类基于大模型的智能编程项目。作为数据工程师，虽然也早就听说了国外流行的氛围编程，但没想到这么快就参与进来了。之前只是把大模型当做问答助手使用过，或者让大模型先生成代码片段，然后再贴入到系统中，对AI生成整体项目级应用代码还有些怀疑。不管怎么说，还是带着疑虑走上了vibe coding之路。

我参与的项目叫智能稽核审计，包含了审计项目管理，项目附件管理，审计报告模板管理，AI自动生成报告，权限管理等几个主要功能，目标是帮助审计人员利用上大模型能力更快的生成审计报告。除去AI自动生成报告外，其他功能模块就是一个传统的企业内部小型应用系统。

首先是环境配置：

　　1，IDE方面，由于之前写过不少python脚本，Pycharm相对比较熟悉，因此就选择PyCharm作为开发IDE。

　　2，在智能代码生成插件方面，Pycharm自带的AI assitant 插件安装后无法连接账号（可能是IDE的bug），就只能放弃了。考虑阿里的AI能力，安装了通义灵码（最近改名成了Qoder）来进行代码开发，后面免费额度快用完了又安装了腾讯的CodeBuddy。

环境配置好之后，就开始进行正式开发了。首先为了保证代码能跑通，应用的网站能运行起来，先试了一个更简单的场景，一个天气录入及展示的小网站。网站设想很简单，就一个页面，上方展示是天气录入的功能（包括增删改查等功能），下方是一个可视化的展示功能：展示近期的每日温度变化曲线。将该功能在AI助手中简单做了描述，并提供了后台数据库的连接配置信息，很快AI助手就直接把网站的代码生成完毕。点击运行，网站直接可以打开访问了。这过程丝滑流畅的真的让我惊讶到了，没想到这么简单方便！vibe coding确实感觉不错。当然页面上也遇到了一些小问题，比如删除时发生了主键异常。在IDE中把报错信息选中直接发送给AI插件，很快AI就提出了bug修复方案并解决了。最终该网站的呈现效果如下：

 有了成功的经验，对AI生成更加复杂的项目代码也有了信心。于是开始正式了稽核审计项目开发。在技术栈选择方面，前端为了方便快速掌握和排查错误，采用了最原生的HTML和Javascript，没有采用任何框架。后端针对结构化数据的管理，采用了常见的Flask + SQLAlchemy + 关系型数据库架构。对于非结构化的文档数据处理，采用了对象存储服务。框定技术栈之后，逐步给AI助手描述页面的功能，AI助手就按需生成期望的页面效果和功能了。

在使用AI助手的过程中，印象比较深刻的有：

1，codebuddy有chat和craft模式。当使用craft模式时，AI助手直接修改代码，然后弹出修改后与修改前的对比，用户确实无误后就修改完成了。这种先修改再确认与chat模式的交互体验完全不一样，体现了AI助手的自主性。当然也带来了一定的风险，需要做好代码版本的管理。

2，craft模式可以运行cmd等命令行命令。这样AI助手的能力就超越了修改代码，而是达到了执行代码的功能。好处是更加的智能，比如自动安装缺失的python模块，自动启动应用系统。同样也对系统环境的稳定性带来了风险，是一个利弊都有的功能。

3，AI助手可以一次性的修改多个文件，这样可以快速大篇幅的调整多个功能，但是带来调试难度的增加。新手在不熟悉项目技术架构的时候，还是建议将大的功能进行拆解，每次针对一个文件或者一个小功能进行迭代开发。

在AI助手的加持下，很快系统的大框架就搭建好了，进行简单的测试之后，发现代码还是比较稳健的。仅靠文字描述和基本的编程背景知识就能搭建系统，这确实极大的增强了IT人员的能力边界。大模型擅长模仿，当系统的功能都是相对成熟的场景，复杂度不高时，氛围编程确确实实有效果，能满足企业降本增效的目标。而当系统复杂度变高时，氛围编程的代码bug出错率会不断升高，当排查错误的时间高于编写代码的时间时，效率提升就会大打折扣。因此是否适合氛围编程，最终还是要看应用场景。