不懂编程也能进行“氛围编程”？

作为开发人员和工程师，我们见证过各式各样旨在简化软件开发流程的工具。早在学生时代，我们曾用 Scratch 搭建模块化管道，实现 if-this-then-that 逻辑场景。后来，出现了无代码工具，可以帮助想法丰富但技术薄弱的用户开发应用。而如今，语言模型带来了应用开发领域的全新突破，它们能够解读自然语言指令（如“开发一个带 React 前端的 Quarkus 应用，用于显示股票行情”），自动完成项目搭建、代码生成、测试运行等任务。这一趋势称为“氛围编程”，由代理式 AI 驱动。它已融入当代开发环境中，但氛围编程究竟意味着什么？它是否弊大于利？

代码辅助技术的演进

氛围编程是指通过与 AI 提示词交互来生成可用代码的行为，即便使用者不具备独立编程的技术能力也能实现。近年来，代码编辑器领域发生了重大变革。例如，GitHub CoPilot 于 2021 年 10 月推出（甚至早于公共 GPT 风格语言模型服务的发布），并迅速成为广泛采用的自动补全代码工具。例如，当您输入 System.out.print 时，GitHub CoPilot 可能会自动补全为 System.out.println(“Hello World!”);，但即便如此，您仍需掌握一定程度的代码编写基础，才能为 Copilot 提供可补全的上下文。

随着依托 AI 的集成开发环境（IDE）Cursor 的发布，编程的入门门槛得以降低。与此同时，围绕氛围编程的讨论开始在行业内受到广泛关注，OpenAI 创始成员 Andrej Karpathy 等行业领军人物也纷纷参与讨论，并首次提出了“氛围编程”这一术语。

Cursor 以广受欢迎的 Visual Studio Code IDE 为基础而构建，初看之下与许多其他代码编辑器并无显著差异。但正如 Karpathy 所描述的，借助“氛围编程”，您只需用自然语言描述项目的预期成果或对代码的更改需求，然后模型后端便能据此提供建议，或自主进行更改。这或许是代理式 AI 最常见的用例，在这类用例中，模型拥有自主性或能调用工具来拓展自身功能。对于这些 AI 辅助编码工具，这可能包括读取和写入文件、在线访问文档和网页、通过终端运行测试等。 

然而，实现这一功能的关键在于语言模型的上下文窗口的显著扩展。其单次处理的词元数量已从数百个扩展至数百万个，这使得氛围编程能够将整个代码库用作语言模型的上下文。例如，Llama 2 支持 4,096 个词元的上下文窗口，Llama 3 初版提供了 8,192 个词元的窗口，Llama 4 则原生支持最高达 1,000 万个词元的上下文。对热衷于氛围编程的开发人员和用户而言，上下文窗口越大，其用途就越广泛。

关于尝试氛围编程的重要须知 

并非所有人都是经验丰富的开发人员。然而，我们中的许多人都对技术非常感兴趣，并渴望将创意转化为现实，而不一定执着于语法规则、分号使用这类细致琐碎的细节。正是 Cursor 这类工具，让许多人燃起了打造实用应用的希望。下面我们来看看氛围编程用户的典型使用体验，以便更好地理解它的优势所在、不足之处，以及用户如何利用这种技术来改进自己的工作流。 

我从 Cursor 官网下载了这款工具，该网站提供了适用于 Linux、Mac 和 Windows 系统的预编译安装程序。由于不确定如何上手，我将 Cursor 启动界面的截图上传给 AI 助手以寻求指导。根据助手的指示，我创建了一个文件夹来存储所有项目文件，然后使用 Open project 按钮将其打开。  

Cursor 的界面与 VS Code 类似，不同之处在于右侧新增了一个聊天窗口。该界面的左侧是工作环境和打开的活动文件，右侧是聊天窗口，这种布局简化了工作流，无需为了与 AI 系统聊天而频繁按 Alt+Tab 在不同窗口间切换。聊天功能已直接集成到代码编辑器中。

红帽鼓励并支持持续学习，无论是学习有关容器、Kubernetes 和 GitOps 的红帽培训与认证课程，还是参与开源项目。受此启发，我决定开发一款能在本地运行的记忆辅助工具，以便自行托管并与他人分享。 

我的第一个提示是：创建一个可以在浏览器中运行的闪卡应用，需要支持卡片翻转与“收藏”功能。

我的请求由基于云的模型处理，随后 Cursor 生成了三个代码文件： 

• index.html：主页面结构
• style.css：样式与布局
• script.js：功能实现 

整个过程中，我几乎无需思考，直接点按 accept 以接受每个文件及其代码建议。 

最终，我获得了一个指向闪卡应用的链接。但遗憾的是，它还无法正常运行。 

我不得不稍微动动脑筋，在聊天窗口里说明遇到的问题。由于 Cursor 和许多现代模型均支持图文混合处理，我附上了屏幕截图，并用自然语言解释了卡滞的位置。经过几轮沟通后，应用终于能正常运行了。 

Cursor 生成了一个功能齐全的应用，其中包含可编辑的卡片、流畅的翻页动画、Previous 和 Next 按钮以及持久存储功能。我打开 index.html 文件，应用便立即运行起来。尽管它并不完美，比如没有后端支持、无法跨设备同步且需更多专业知识才能扩展功能，但考虑到我仅通过一条指令就完成了整个开发过程，仍令人倍感神奇。

如果您从未编写过一行代码，那么仅靠 Cursor 或类似平台将难以开发出功能齐全的应用。缺乏概念性理解的 AI 代码往往脆弱不堪。当您尝试在生产环境中部署代码、管理基础架构或排查问题时，会遇到层出不穷的问题。没有编程基础知识，在现实场景中尝试扩展应用功能、保障应用安全或维护应用性能必将举步维艰。

不过我认为，无论您的经验水平如何，它都值得一试。对于新手来说，这可能会很棘手，因为完成同一任务有多种路径，而且若不熟悉终端基本操作（例如输入密码时无法看到输入内容，或按 Y 键确认操作），很容易陷入困境。我对初学者的建议是，当难以用语言描述卡壳问题时，可将截图直接上传至 Cursor；同时借助其他聊天机器人，解释 Cursor 默认您已掌握的知识，并帮助您明确需要提出的具体问题。这种情况如今已十分普遍，甚至催生了一个专门术语来描述向 AI 提出需求的技巧：提示词工程，即掌握如何有效地构思向模型提出的问题或请求，以获得期望的结果。 

氛围编程的现实状况

AI 编程工具和氛围编程技术将持续推动编程的普及化。与学习任何其他技能、从事任何行业或职业一样，试错过程有着极高的价值。许多开发人员都清楚地记得调试场景，比如处理 Python 或 Java 版本冲突、SDK 配置问题，或是步骤执行中的差错。生成代码是一回事，但生成优质代码又是另一回事。由于当前语言模型的训练方式限制，其数据集中可能包含不准确的响应、不良代码或过时代码，而普通用户无法自行重新训练模型。

解决这一问题的关键在于自我投资。红帽不仅提供 AI 领域的实训，还提供 Linux 和 Kubernetes 等基础技术培训。在 AI 领域，氛围编程有着广阔的发展前景，而通过传统编程来增强 AI 能力也是一大趋势。这好比“橡皮鸭调试法”，这是开发人员常用的一种技巧，即通过向橡皮鸭口头阐述问题或思路，迫使大脑以客观视角分析问题。而如今的不同之处在于，AI 这位“橡皮鸭”能与您实时对话、给出反馈！