前言

        编程对我们而言就是“遇到问题→解决问题”的过程。在AI之前，我们依靠搜索引擎提供的技术博客寻找相似问题。在AI兴起后，我们可以直接通过与LLM交流来解决问题：收集提问信息（主动提供编程的上下文），在LLM平台的多窗口对话整理答案，最后在编辑器中检验结果。

        Vibe Coding(氛围编程)相当于是把上述过程压缩到一个应用内部，目的就是简化开发流程，但能到什么程度？Vibe Coding的确可以为用户提供便捷服务，形式也是多种多样，有的是IDE+AI插件+API（如VSCode），也有的是把AI服务直接做进了IDE内部（如Zed）。

        我原先保持的观点是：

无论如何，Vibe Coding看上去更像是一个精美的工具箱，使我们免于在编程过程中频繁切换页面，也不必把文档上下文信息反复喂给AI，但似乎也只是节省了这些时间成本。我们使用的是一个调用大模型API的前端交互界面，而且大多数编程结果还是由我们自己拍板才算数。

因此，Vibe Coding与其他Agent应用相似，它们都明显偏向于工程能力的延伸，而在完成具体任务上能力有限。

        但在多次使用Vibe Coding之后，我发现了一个事实：某些优秀的Vibe Coding工具给出的代码已经足够可靠，在我们完成环境的配置工作后，这些工具甚至可以自行代码测试（本质上是在本地运行指令）。

        原先我只是把Vibe Coding看作一项移植到IDE内部的前端交互服务，却不知道它不仅可以生成代码，而且可以深度参与计算机系统，完成部分测试工作。

平台

Kimi CLI

按官方文档操作：开始使用 | Kimi Code 文档

安装过程不顺利，github下载超时（即使能访问网页），而且初次下载后uv环境还需要重新载入。

Kimi没有免费API（Kimi网站给出的价格评级上竟然没有写明这一点），首次个人认证会赠送一张为期一天的15元代金券，聊胜于无。

Kimi Code for VSCode

Kimi官方提供的插件。一定要安装完Kimi CLI才能使用。

用which kimi找到路径，完成VSCode系统设置

实测，可以引用功能便于输入文档。

Kimi提供的API更倾向于修改文件，增改代码（即使我没有明确指出改代码的要求）。

Kimi的Vibe Coding工作效率惊人。原本我自己写程序，无论是采用AI生成内容，还是借用搜索引擎上现成的内容，也必须由我自己来负责所有的程序细节。哪怕是自己写一个关于数据集清洗的功能类，恐怕也需要一整天来做程序重构的工作。现在我只需要划定需求范围，然后丢给AI即可。

以下图为例，“9 Changed +1285 -75”就是它的代码工作量。

Kimi然后运行了两个本地Shell指令，第一个是本地测试，第二个是读取文件夹，并且它可以知道所生成程序是否可靠。

cd /.../path 
&& python3 -m py_compile \ 
Core/GNN/MidExpert.py \ 
Core/GNN/GlobalExpert.py \ 
Core/MoE/MidExpert.py \ 
Core/MoE/GlobalExpert.py \ 
Core/MoE/MoEGate.py && echo "所有文件语法检查通过"

ls -la Core/GNN/*.py Core/MoE/*.py