共计 1509 个字符，预计需要花费 4 分钟才能阅读完成。
Linux 创始人林纳斯·托瓦兹开始尝试“氛围编程”的消息，在编程社区引发了广泛关注。这位开源领域的传奇人物，在一个名为 AudioNoise 的业余音频处理项目中，公开使用了谷歌的 Antigravity AI 助手来生成部分 Python 代码。尽管这只是一个小型副业项目，但这一举动无疑为关于 AI 在软件开发中角色、代码质量以及开发者技能演变的长期讨论添了一把火。
fotograzia/Moment via Getty Images
需要明确的是，托瓦兹并未在他核心的 Linux 内核或 Git 版本控制系统中使用 AI 工具。他的尝试局限于 AudioNoise 项目——一个用于数字音频效果和信号处理的小程序。在这个项目中，他亲手编写了核心的 C 语言组件，但在构建一个基于 Python 的音频样本可视化工具时，他转向了 Antigravity。他在项目 README 中写道：“Python 可视化工具基本上是通过氛围编程编写的”，并形容这个过程是“省去中间人——也就是我自己”。这表明 AI 生成的代码直接满足了他的需求，无需手动重写。
这种“氛围编程”的方法，正逐渐改变开发者的工作流。多年来，Stack Overflow 是程序员寻找代码片段的首选。如今，对于快速解决问题，像微软 CoPilot、ChatGPT 和 DeepSeek 这样的 AI 聊天机器人正在很大程度上扮演类似的角色。当在不太熟悉的编程语言或领域工作时，依赖外部帮助获取代码，是许多开发者都有的共同经历。
什么是氛围编程？它对软件开发意味着什么
那么，究竟什么是“氛围编程”？简单来说，这是一种由 AI 驱动的软件开发方法：开发者用自然语言向模型描述需求，然后由 AI 直接生成可执行的代码。它与传统的结对编程工具不同，后者假设人类会仔细审查和优化每一行代码。而氛围编程则更倾向于接受 AI 的原始输出，通过反复运行和调整提示词来迭代，而不是直接编辑代码本身。
现在，主要科技公司都在推广针对这种工作流程的工具：谷歌提供“与 Gemini 一起氛围编程”，而 Antigravity 则基于 VS Code 分支，通过 Windsurf 将对话式编程集成到 IDE 中。支持者认为，这能让开发者更专注于高层设计逻辑和产品意图，而将样板代码和底层实现细节交给 AI 处理。
氛围编程的风险与实用主义
然而，将这种方法用于严肃的生产级项目可能带来风险。AI 领域专家安德烈·卡帕西——正是他创造了“氛围编程”一词——评论道，这对于周末项目“不算太糟”，但“并不是真正的编程”。也有警示案例，如 Replit 工具曾“失控并删除了整个数据库”。
托瓦兹历来对炒作驱动的开发“捷径”持怀疑态度，这使得他此次使用 AI 的行为尤为引人注目。他曾调侃氛围编程代表“非常低效但有趣”。这种讽刺与实用主义的混合，恰如其分地体现了他的立场：他认为氛围编程可以“有趣且非常有用”，但前提是建立在扎实的编程基础之上，而不是被那些不理解代码原理的人用作拐杖。他选择在非关键性的业余项目中，并且是在自己不太自信的 Python 领域使用 AI，这清晰地将 AI 定位为一种强大的辅助工具，而非专业知识的替代品。
AI 在开源社区的未来
事实上，Linux 内核社区最近已开始采用 AI 来处理大量维护代码的繁琐工作。尽管托瓦兹坦言“讨厌 AI 这个话题……因为它被炒作得太过了”，但他也称自己“坚信 AI 作为一种工具的价值”。
随着开源领袖也开始尝试氛围编程，关于代码质量、长期可维护性以及开发者核心技能该如何演变的争论，很可能会被推向新的高度。对于那些基于原则而抵制 AI 生成代码的开发者而言，托瓦兹对 AI 适用场景的坦率认可，或许会促使他们重新思考，至少尝试让“氛围”来帮忙编写几个函数，体验 AI 辅助开发带来的效率变革。
