每日AI新鲜事·06月27日早间播报：编码智能体与vibe coding

今天AI圈的内容有点集中，我刷B站刷了一晚上，发现大家都在聊两个东西——编码智能体和vibe coding。

确实，这两个话题最近热度很高。不过我最想聊的是通义千问团队那个研究，结论挺颠覆的。

对，我也注意到了。B站上有人在讲这篇研究，说编码智能体根本没有完美的奖励机制，验证边界才是未来方向。你给展开说说？

好，先抛结论——现在大家做coding agent，基本都在想怎么设计一个好的reward signal，对吧？就是让模型知道自己写的代码到底好不好。

但通义千问这个研究说，这条路可能走不通。因为代码的正确性验证本身就是个超级难的问题，你没法给出一个完美的打分标准。

等等，这不就是那个经典问题嘛——你怎么判断代码是对的？跑通测试用例不就行了？

这就是问题所在。测试用例本身可能就不完备，覆盖不了所有边界情况。你用不完备的测试去当奖励信号，模型学到的可能是怎么hack测试，而不是怎么写好代码。

哦，就像应试教育，考高分不代表真学会了。

这个类比非常精准。所以他们提出的方向是，与其追求完美的奖励机制，不如把精力放在搞清楚验证的边界在哪里。

也就是说，先承认我们的验证能力是有限的，然后在这个有限范围内把事情做好。这个思路其实更务实。

这对做产品的人来说启发还挺大的。我们设计AI编码功能的时候，总想着让它一步到位生成完美代码，但也许应该先想清楚，哪些场景我们能验证、哪些不能。

没错，这其实也是整个AI agent领域的共性问题。你给agent一个目标，怎么判断它完成得好不好？这个evaluation的问题一直都很头疼。

好，这个话题可以持续关注。说到编码，今天B站上vibe coding的内容简直刷屏了。

对，我数了一下，至少四五条相关内容。

有一条我觉得挺实用的，讲vibe coding的三步避坑法——先验证、再公开、最后沉淀。

这个方法论其实说的是，你用AI写完代码别急着上线。先自己验证一遍，确认没问题了再公开，然后把踩过的坑记录下来形成经验。

听起来很朴素，但确实是很多人容易忽略的。AI生成的代码跑通了就直接推上去，结果线上出bug。

还有一条也在讲类似的事，说多问AI一步就能少返工。本质上就是在prompt层面把需求说清楚，别让AI瞎猜。

另外还有人做了一个vibe coding雷达，帮大家快速找到适合上手的项目，这个思路倒是挺新的。

说明这个生态在成熟。从工具到方法论到项目推荐，一条龙了。

还有一条讲怎么看每次对话消耗了多少token，这是省钱指南的思路。

得了吧，这说明大家用Claude Code用到心疼钱包了。不过确实，token消耗的可视化对成本控制很重要。

说到Claude Code，今天还有好几条相关的。有人用它配合DeepSeek做网游开发，还有人用它做了一个教人画画的APP叫识色板。

那个网游开发的挺有意思，作者说一开始不信AI能做好，结果发现不信它就只能自己受累。这心路历程很真实。

还有一条是讲怎么不需要科学上网就能用Claude Code，配合R语言做生信分析的。

这说明Claude Code的用户群在扩大，不光是程序员了，做生物信息的研究生也在用。工具的普及速度比我想象的快。

总结一下今天的感受，编码智能体这块，学术界在反思奖励机制的根本问题。而实践层面，vibe coding已经从尝鲜进入到方法论沉淀阶段了。

对，理论和实践两条线都在往前走，而且开始交汇了。验证边界的问题，其实每个用vibe coding的人每天都在面对。

好，今天就聊到这儿。各位听众如果也在用AI写代码，记住那三步——先验证、再公开、最后沉淀。

嗯，别让AI替你背锅，也别替AI背锅。

说得好，那我们晚上见！