Vibe Codingとは、結局何か

「Vibe coding」という言葉は2024～2025年に急速に広がりました。なぜなら、多くの開発者がすでに静かにやっていたことに名前をつけたからです。GPT-4やClaudeなどのモデル、あるいはCursorやGitHub Copilotといったツールに対して、自然な英語で何がしたいのかを説明し、ほとんどの実際のコードを生成させる。プログラマーはループの中にいますが、従来のコーディングとは異なる形のループです。

実際の定義

Andrej Karpathyがこのフレーズを生み出し、「完全に気分に身を任せる」ワークフローを説明しました。プロンプトを出し、提案を受け入れ、コードを実行し、何が壊れているかを見て、もう一度プロンプトを出す。diffの1行1行を読むわけではありません。結果で舵を取ります。アプリが期待どおりに動くか、テストが通るか、ページが正しくレンダリングされるか。スキルは構文を書くことから、意図を明確に説明することと、出力が間違っているときに認識することへシフトします。

これはオートコンプリートを使うのとは異なります。Copilotスタイルのインライン提案は、あなたが関数を自分で書き、行の完成を少し手伝ってもらうことを想定しています。Vibe codingはモデルが関数、ファイル、時には機能全体を書き、あなたはゼロから執筆するのではなく、レビューとリダイレクトをする場合を想定しています。

実際のセッションの様子

CursorやReplit's Agent modeのようなツールを使った典型的なvibe-codingループはこんな感じです。

1. プロンプト：「このExpress APIにレート制限を追加して。1つのIPあたり15分間に100リクエスト、429エラーをJSONエラーボディで返してください。」
2. モデルがmiddleware/rateLimit.jsを編集し、app.jsに組み込み、express-rate-limitをプルするかもしれません。
3. npm testを実行するか、curlでループしてエンドポイントを叩き、429が実際に返るかをチェックします。
4. 何か調子が悪い。リミッターがデプロイするたびにリセットされる。なぜならメモリ内だからです。そう伝えます。
5. モデルがRedisバックのストアに入れ替え、ioredisの依存関係を追加し、docker-composeファイルを更新します。
6. 再テストして、動作し、コミットします。

そのミドルウェアの1行も手で入力されていません。しかし人間が6～7個の判断を下しました。制限が何であるべきか、メモリ内ストレージは本番環境に不適切だったこと、docker-composeファイルも更新する必要があったこと。

うまく機能する場所

Vibe codingはボイラープレート多用の作業に強いです。CRUDエンドポイント、フォームバリデーション、テストのスケルトン、設定ファイル、既に理解している2つのAPI間のグルーコード。プロトタイピングにも適しています。アイデアの動作するデモを1日ではなく1時間で立ち上げ、それが本当に構築する価値があるかどうかを決める。

ソロ開発者や小規模チームが内部ツールやMVPを出荷するときは、本当に速いです。バグのコストが低く、反復速度がアーキテクチャの純粋性より重要な場合。

うまくいかない場所

誰も十分に話さない失敗モード。モデルが動作するがわずかに間違ったコードを生成し、後になるまで明らかにならない。生成されたSQLクエリはハッピーパスでは機能するかもしれませんが、モデルには文字列連結が問題なく見えたため、インジェクションに脆弱です。生成された認可チェックはテストを通すかもしれませんが、1つのルートで役割チェックをスキップします。コードを読まなければ、それをキャッチできません。テストが通ったのを見て出荷するだけです。

これはセキュリティに敏感なコードで他のほぼすべての場所より重要です。Simon Willisonと他の人たちは、実際のユーザーデータを持つvibe-codedプロジェクトは他のコードと同じレビューの厳密性が必要であり、議論の余地なく、「書いた」人物が1行1行で何をしているかを説明できないかもしれないため、さらに厳密性が高いことを指摘しています。

状態が多くある複雑なシステム、並行処理、分散トランザクション、微妙なタイミングバグを含むもの、これらも不適切です。モデルはこれらの場合に確からしく見えるコードを生成する傾向があり、人間もモデルも、エッジケースを完全にモデル化しなかったため、デバッグが難しい方法で失敗します。

今本当に重要なスキル

あなたがvibe codingをしているなら、価値のあるスキルはタイピング速度ではなく、仕様です。曖昧なプロンプトは曖昧で、バグの多いコードを得ます。具体的なプロンプト、正確なライブラリ名、エラーハンドリングの期待値、そしてエッジケースが呼び出されている、はるかに良い出力を得ます。次に価値のあるスキルは、何が間違っているかをキャッチするのに十分な速さでコードを読むことです。つまり、すべての文字を入力していなくても、言語とドメインを理解する必要があります。

AI生成コードを、速いが時々過信している若い開発者からのプルリクエストのように扱ってください。有用で、ほとんどの場合正しいですが、本番環境に触れる前に実際のレビューに値します。

AIツールでコードを書くことについてさらに深く知りたい一方、品質管理を失いたくありませんか？Korra StudioのAIとPythonセグメントをチェックして、実際のウォークスルーを見てください。