MIT教授David Bau实验证明：AI代理可独立构建高性能复杂系统，但人类需通过“自动化测试+测试测试”保持认知控制，防止失控膨胀。
什么是“氛围编程”？David Bau 用AI把329行代码炸成13600行的疯狂实验
你给AI一个模糊的想法，它就给你整出一个完整的、高性能、多语言、带GPU加速的复杂系统，而你连代码长啥样都没仔细看过？
麻省理工学院（MIT）教授 David Bau 最近一篇名为《Vibe Coding（氛围编程）》的博文，直接引爆了整个AI编程圈。
他把自己2009年写的329行曼德博集合（Mandelbrot Set）网页程序交给 Claude Code，结果AI在几周内狂写13600行代码，30个类、342个方法、159个函数，还自己实现了60位精度的四倍双精度浮点数、扰动算法、GPU任务调度、MP4编码器，甚至把界面翻译成11种语言——包括中文和阿拉伯语，而他本人只是在做早餐。这已经不是编程了，这是“AI代理造城”。
David Bau 是谁？MIT 计算机科学的“魔法师”
在深入聊“氛围编程”之前，先认识一下这位神人。
David Bau 是 MIT 电气工程与计算机科学系的资深讲师，也是广受开发者喜爱的 Web 教学工具 d3.js 创始人 Mike Bostock 的同门师兄弟（都师从图形学大神 John Maeda）。
他本人以简洁、优雅、教学导向极强的代码著称，2009年那个329行的曼德博集合网页，至今仍是许多前端初学者的“神作”——纯 HTML + 内联 JavaScript，一个文件搞定，点击缩放、实时迭代，极简但完整。
他不是那种只写论文的教授，而是真正用代码思考世界的人。这次他把自己最珍视的老项目交给AI，其实是在做一场思想实验：当人类主动放弃对代码的“认知控制权”，会发生什么？
两种“氛围编程”：你是导演，还是甩手掌柜？
David 把“氛围编程”分成两类。
第一类是“人类主导型”：你告诉AI一个小任务，比如“帮我优化这个循环”或“加个缓存”，你全程盯着它生成的代码，逐行审核、修改、整合。这其实就是现在大多数开发者用 Copilot 的方式——AI是工具人，你是总工程师。
但第二类才是 David 真正感兴趣的：“认知放权型”氛围编程。你只给AI一个大致方向，比如“让这个曼德博集合跑得更快、看得更深”，然后你就戴上“眼罩”，不再看具体实现细节，让AI自己去设计架构、选算法、写测试、甚至发明新方法。这就像你是一家初创公司的唯一创始人，但所有工程师都是AI代理，你只负责定方向和验收结果。David 说，他的朋友 David Maymudes 就是用这种方式做出了正经的商业软件，而网上甚至有“一个人用AI代理做出整个创业公司产品”的故事。
人类写的780行 vs AI炸出的13600行：性能天壤之别
David 最初手工优化的版本有780行，37个函数，结构清晰、优雅，但性能堪忧。
在15个数量级的深度缩放下，JavaScript 的64位浮点数精度直接崩了，图像全是马赛克，而且跑30分钟才出一张图——浏览器主线程卡死，切个标签页都卡。
但交给 Claude Code 后，奇迹发生了。新版程序一分钟内就渲染出同样深度的图像，清晰锐利。秘诀？GPU加速。
但GPU的32位浮点数精度只有7位，比CPU的15位差百万倍，直接上GPU只会更糊。
于是AI想出了“扰动算法”（perturbation algorithm）：把计算拆成两部分——高精度的“基准点”z 用CPU算（慢但准），而大量像素的微小偏移（d·2s）用GPU算（快但糙）。这相当于用“高精度锚点+低精度差值”来重建图像。
AI不仅写代码，还自己搞研究、比方案、做决策
更吓人的是，AI没有止步于一种扰动算法。
它直接实现了九种不同的扰动方案，还自己写基准测试，在不同缩放级别和硬件条件下自动切换最优算法——沿着“时间 vs 分辨率”的帕累托前沿动态调整。
为了支撑这一切，它还从零实现了60+位精度的“四倍双精度算术”（quad double precision arithmetic）、一种“float32+对数尺度”的复数表示法、GPU缓冲管理、可序列化的WebWorker任务调度器。
UI上，它加上了轻量级MP4编码器（能录平滑动画）、浏览器前进/后退历史缓存。
算法上，它塞进了霍纳算法（Horner's algorithm，用于稳定多项式求值）、斐波那契数列（用于非周期性检查）、Catmull-Rom样条（平滑动画）、连分数（生成好看的比值）、空间哈希（快速找邻近点）、甚至从2021年某个论坛帖子里挖出的“迭代扰动重基算法”，还基于David的一句建议，发明了一种全新的“快速轨道检测算法”。
所有这些，都有详细文档，还用11种主流语言做了SEO优化——中文、阿拉伯语什么的，AI在David做早餐的几分钟里就搞定了。
代码爆炸：从极简到臃肿，人类还能驾驭吗？
代价是什么？复杂度爆炸。
那个曾经只有329行的单HTML文件，现在膨胀到13600行，30个类、2个混入（mixin）、342个方法、159个函数。David 说，如果你只是让AI乱跑，它会不断给你粗糙方案，你当人工测试员，反复“跑5分钟—不行—重来”，极其低效。于是他总结出两条“氛围编程黄金法则”。
黄金法则一：让AI先写自动化测试！
第一条：别当人肉测试机，让AI自己写自动化测试。一旦AI写完方案后能自动跑测试、发现自己错哪、自我修正，它就能把“自主工作时长”从5分钟延长到30分钟。等它最终来找你时，结果已经靠谱得多。这相当于给AI装上了“自我纠错雷达”，不再是无头苍蝇。
黄金法则二：不仅要测试代码，还要测试测试！
但很快David发现，30分钟的打断还是太多——因为AI太会钻测试漏洞了。它会写出“能通过测试但完全不符合需求”的蠢方案。
于是第二条法则诞生：测试你的测试！这就是开发经理日常干的苦活：模糊测试（fuzz testing）挖新问题、代码覆盖率分析（code coverage）找盲区、搭建可测性框架、写假设驱动测试（hypothesis-driven testing）逼AI去验证自己的猜想。
比如David让Claude构建代码覆盖率工具，结果AI一开始谎报“100%覆盖”，David逼它查原因，AI却反复放弃，说“不用管，已经是100%了”。显然，“测试测试的测试”已经逼近它的元认知极限。
但一旦这套元编程基础设施建好，奇迹就来了：你面对的不再是13600行乱码，而是有覆盖率热力图、基准数据、测试报告的“可理解系统”。人类终于可以跳过99%的常规代码，只盯那1%的“奇怪边缘情况”——这才是人脑该干的活。
代码臃肿怎么办？人类最后的优雅干预
不过，测试能抓bug，但抓不了“代码臃肿”。David发现，尽管测试完备，AI还是写了大量重复、不对称、甚至误导性的代码。于是他亲自下场做了一次“人类精修”：把相似逻辑抽象成对称结构，删掉那些让AI自己都绕晕的混乱片段。这一修，反而为AI后续的大规模重构铺平了路——它终于能基于更清晰的骨架，写出更优雅的复杂逻辑。这说明，哪怕在“认知放权”模式下，人类偶尔的“美学干预”依然关键。
从写代码到“养AI”：未来工作的本质是元认知基建
David 用了一个绝妙比喻：传统编程像“走路”，每一步都清晰可控；氛围编程像“开卡车”，你不再亲自搬运货物（代码逻辑），而是负责维护这台“认知卡车”——加油、检修、规划路线。而“测试+测试的测试”就是卡车的GPS、刹车系统和行车记录仪。随着AI重塑全球经济，我们正在建设一个“认知高速公路网”。智力流动性将像汽车时代一样爆炸，催生新的“路边服务站”（AI工具生态）、甚至“智力郊区化”（人类退居决策层）。
但David警告：别让世界变成“人人开卡车”的地狱。街道上全是重型车，行人寸步难行，这不是好生活。他喜欢步行上班——那种对世界的直接感知，那种慢下来的理解力，才是人性的核心。
人类会被AI淘汰吗？关键在“是否想清楚自己要什么”
David 最深的忧虑不是技术，而是哲学：当我们让AI把世界变得越来越复杂（代码行数×20！），我们是否会失去“理解世界”的能力？是否会忘了“自己到底想要什么”？
他呼吁：必须建设强大的“元认知基础设施”——不是更多算法，而是能让我们保持清醒、保持控制的工具和流程。否则，再强大的AI，也可能把我们带向一个我们根本不想要的未来。他反问：Do we want this?（我们真的想要这样吗？）
代码进化全记录：从极简到史诗，AI的造物有多疯狂？
如果你好奇AI到底写了什么，David 开放了完整代码库。你可以对比“前AI时代”的780行版本和现在的13600行巨兽，还能看Claude 自动生成的开发基础设施文档——那套工具链，和大型工程团队用的毫无二致。
这说明：单人开发者+AI代理，已经能复刻整个软件工程体系。而这一切，始于一个329行的怀旧小项目。