【新智元导读】氛围编程彻底火了。刚刚，没有任何Swift编程经验的Karpathy亲自代言，通过与ChatGPT多轮对话，仅用400行代码构建出自己的首个iOS应用。
Vibe Coding（氛围编程），如今成为硅谷最新流行语。
首次提出这一概念的AI大神Karpathy，再度分享了自己的编程新姿势——用Swift编写首个完整卡路里追踪的iOS应用。
令人惊讶的是，他完全没有Swift编程经验，也没有翻阅任何文档。
通过与ChatGPT的多轮对话，Karpathy仅用1小时完成整个开发过程，并成功部署到手机上。
一则YC招聘启示中，一则YC招聘启示中，明确提出工作内容中的50%代码，均是由AI完成，年薪高达120k美金（87万元）。
职位介绍中，每天工作12-15小时，却成为了全网的华点。
如果AI真的提高了生产力，为啥还会有人每天狂干12-15个小时呢？
400行代码，ChatGPT化身编程导师
Karpathy如何用嘴，迅速完成一个iOS应用的开发？
推文中，他具体分享了自己与ChatGPT对话的四次过程：启动应用；功能增强；使用AppStorage持久化数据；部署到手机。
在启动应用阶段，Karpathy从0开始，告诉ChatGPT自己的需求：刚刚下载了Xcode，希望用SwiftUI构建一个iOS应用。
ChatGPT在接下来开启了「手把手」教学。
首先安装和启动Xcode，就这个环节已经细致到，打开点击具体某个选项。然后配置项目，包括命名、界面、编程语言等选择。
接下来，ChatGPT还提供了基础代码，包括SwiftUI的界面布局和逻辑实现，帮助Karpathy快速搭建了一个可运行的原型。
上下滑动查看
有了原型之后，便开始实操了——构建一个体脂追踪的计时器APP。
Karpathy就像一位产品经理一样，给出了自己的具体要求：「计时器」主要体现随时间变化而自然消耗的热量，用大号数字显示在屏幕中央，还要每秒更新一次消耗的热量。
ChatGPT按照指令，给出了分布构建过程，以及下一步建议。
上下滑动查看
接下来，Karpathy还要求其给出不同按键对应的功能代码搭建过程，以及每秒更新的配置。
第二部分，在基础版本完成之后，就是去做功能增强。
比如，支持明暗模式切换，简单的加减按钮、触觉反馈和动画等，ChatGPT均提供了具体的代码片段和实现建议。
为了让数据在应用关闭后依然保存，Karpathy还向ChatGPT询问了如何使用AppStorage。
ChatGPT详细讲解了AppStorage的使用方法，并帮他将卡路里数据存储到UserDefaults中。
最后一步，Karpathy需要将这款应用部署到iPhone上，ChatGPT指导他完成了Xcode配置、证书设置、设备部署的步骤，并最终让应用成功运行在手机上。
经过1小时的对话，卡路里计时器的应用完成了。
下面是计时器的主要功能，一共200行代码，只有几个UI元素和一些简单的逻辑。
第二天，Karpathy又通过与ChatGPT的3次对话，为应用添加了一些新功能：动画环、将固定值显示在 [-3500, 3500] 区间内。
刚刚，他还为其添加了日志、为+100/-100添加小字说明并隐藏BMR两个功能。
截至目前，这款应用代码也仅有400行。
网友疯狂整活
随着氛围编程越来越火，圈内大佬Min Choi也总结了一波效果拔群的案例。
开发者Luke Van In用大约1万行Claude编写的代码构建了一款游戏。
他认为，当前代码库的复杂度已经接近可控的极限，Claude已经能够重构20%代码，并自动添加了武器后坐力和镜头抖动的效果。
对于贴花系统，Luke又借助了Grok进行了一些手动调整。
不是所有AI辅助编程都是「氛围编程」
就个人体验而言，当我处于类似下面这条狗的状态时，就会称之为「氛围编程」——比如昨晚开发iOS应用时的场景。
但实际开发中，我很少彻底放任AI自由发挥，更多时候保持着渐进式迭代：审阅生成代码、分阶段增加复杂度、通过持续提出澄清问题来逐步理解模块间的交互逻辑。
「氛围编程」可以你完全沉浸在氛围中，拥抱指数级进步，甚至忘记代码本身的存在。这是因为LLM（例如Cursor Composer搭配Sonnet）已经变得足够优秀。我甚至可以只用SuperWhisper与Composer进行对话，几乎无需摸键盘。
我会提出最基础的要求，比如「将侧边栏的内边距减半」。并且总是点击「全部接受」，而不去查看代码差异。遇到报错，就直接复制到对话框中让LLM去修复。代码的复杂程度已超出我的日常认知，真要理解必须逐行细读。有时LLM无法修复bug，我就直接绕过或随机调整直到问题消失。
对于周末随便做的项目来说，可谓是充满趣味。只是观察、口述、运行、复制粘贴，结果居然大部分都能跑通。