本研究评估 Vibe Coding，这一新兴的 AI 主导的对话式编程范式，允许开发者通过自然语言与大语言模型交互生成软件。采用混合方法设计，30 名受试者（包括专业开发者和高级计算学生）在传统编码、AI 辅助编码和 Vibe 编码三种实验条件下完成等价的编程任务。量化数据使用描述性统计和重复测量 ANOVA 分析，定性数据通过主题分析处理。
结果显示，Vibe 编码将任务完成时间缩短约 27%（$$\frac{T_{传统}-T_{Vibe}}{T_{传统}}\times100\% = 27\%$$）相较于传统编码，较 AI 辅助编码降低约 12%（$$\frac{T_{AI}-T_{Vibe}}{T_{AI}}\times100\% = 12\%$$）。然而，可维护性指数下降，安全漏洞数量上升，表明软件质量出现权衡。可用性评分为 SUS=71.4，认知工作负荷为 NASA‑TLX=55.5，说明语法工作负担减轻但语言推理负担增加。
主题分析提炼出信任校准、控制感丧失、认知适应以及提示工程策略四个关键构念。尤其是控制感丧失与安全风险上升相关，因为开发者对 AI 生成代码的透明度和验证不足。基于这些发现，本文提出负责任采用的三支柱框架：人机能力的混合集成、人工监督与透明问责、以及情境感知的部署策略。总体而言，Vibe 编码提升了生产力，但需关键监督，以确保其作为软件开发的转型但过渡性技术得到安全使用。
点评