如何用'氛围编码'做科研：早期采用者分享技巧

# 如何在科学领域进行“氛围编码”：早期采用者分享技巧 来源：https://www.nature.com/articles/d41586-026-01477-w?error=cookies_not_supported&code=6f732fb2-eba7-4b97-af31-bcf29c4668de 去年，气候研究员Zeke Hausfather正在摆弄气候数据可视化，试图找到新颖且令人震撼的方式来展示地球变暖的速度有多快（https://www.nature.com/articles/d41586-026-00745-z）。他与一个人工智能工具集思广益，让它快速编写代码并创建出这些可视化作品。他们共同制作了创新的年轮样式图：每个环代表一年的月份，年度圆圈随时间向外扩张，颜色表示温度。然后Hausfather问AI工具：如果这些图变成3D会怎样？ 结果就是Hausfather所称的热螺旋动画，展示温度随时间螺旋上升（https://www.nature.com/articles/d41586-026-00946-6），最终形状类似龙卷风（见“新视角”）。在一个大多数人已经看腻了经典全球升温“曲棍球棒”图的世界里，这无疑是一幅令人耳目一新的图形：引人注目且美丽动人。而且，尽管Hausfather是一个能力不错的程序员，他也不知道如何独自做出这样的效果。 Hausfather是加州非营利气候数据组织Berkeley Earth的研究员。像他这样使用AI工具的人并不少见。得益于大型语言模型（LLM），人们现在可以直接要求计算机（https://www.nature.com/articles/d41586-025-00437-0）编写并实现代码（https://www.nature.com/articles/d41586-022-04383-z），用于图形、应用程序、数据处理以及几乎任何他们能想到的事情。 这种轻松、对话式的技术常被称为“氛围编码”（vibe coding）。美国公司OpenAI（https://www.nature.com/articles/d41586-025-01485-2）的联合创始人Andre Karpathy去年创造了这个术语。它指的是要求一个由LLM驱动的工具用代码构建或完成某件事，用户不断提供澄清性的提示，直到结果看起来正确。在最纯粹的形式下，氛围编码不需要查看代码——只看产品。但这个词没有严格定义，所以什么算氛围编码是模糊的。许多有编码能力的人会先“氛围”一下开始一个项目，然后手动检查代码；或者先自己编码，再让AI工具填补空白。 **新视角。** 使用氛围编码技术创建的“年轮”和“热螺旋”图示例。AI编码工具使研究人员能够通过对话提示，以新方式可视化他们的数据。在此例中，Zeke Hausfather绘制了自1940年以来全球气温的上升趋势。来源：Zeke Hausfather 《自然》杂志采访了多位科学家，从编码高手到完全初学者，以及像Hausfather这样处于中间水平、利用AI拓展自身能力边界的人。许多人在工作中使用AI辅助编码，有些人还特意测试其极限。所有受访者都表示，现有的AI工具令人印象深刻，能帮助他们大幅加快工作速度（https://www.nature.com/articles/d41586-024-00592-w）或尝试新想法。但他们也警告，这些工具应谨慎使用，有些人还分享了一些惊险的故事。 ## 全员上车 从某些方面看，氛围编码是计算机界面长期演变的顶峰。20世纪60年代，人们使用打孔卡与机器通信。计算机科学家很快开发了编程语言（https://www.nature.com/articles/d41586-021-00075-2）——如BASIC和后来的Python——使得向计算机下达指令更加自然。开发者还制造了软件系统，让非编码人员也能在有限情境下自如创作：例如，Microsoft Word允许用户在不了解编码的情况下对文档进行格式更改。新变化在于LLM为生成代码带来了无与伦比的速度和多功能性，以及它们那种古怪的倾向——编造内容（https://www.nature.com/articles/d41586-025-00068-5）和犯错误（https://www.nature.com/articles/d41586-026-01100-y）。 **研究最佳AI工具有哪些？《自然》指南**（https://www.nature.com/articles/d41586-025-00437-0） 尽管任何LLM都可以用来生成代码，但过去几年中出现了专门用于此任务的系统，包括GitHub Copilot、Anysphere的Cursor、Anthropic的Claude Code、Google的Gemini Code Assist和OpenAI的Codex。这些系统只需一句提示就能生成一个功能完整的应用程序。但结果可能包含缺陷。例如，Anthropic的Claude Opus 4.7目前在Vibe Code Bench（https://www.vals.ai/benchmarks/vibe-code）——一个针对AI工具自主编码的网页应用功能性的基准测试——中领先，但准确率仅为71%。 与其他AI产品类似，AI编码工具也在不断改进。Hausfather说，过去一年左右发布的工具表现得像友好的项目经理。你可以向它们提供长达数页的目标和需求描述，它们会回应一份编码计划、建议的验证测试、界面设计的多选选项，以及成千上万行带有详细解释的代码。这些进步给Hausfather留下了深刻印象：他说，如今AI代码“和我的代码一样几乎没有bug”。 在软件社区的专业编码人员中，几乎每个人都严重依赖AI，无论是氛围编码还是其他方式。今年由位于犹他州盐湖城的DX公司（专注于衡量开发者生产力）进行的一项调查显示，超过90%的软件开发者每月至少使用一次AI编码助手，而完全由AI编写的代码现在已占面向客户代码的四分之一以上。 很难知道有多少研究人员正在搭上氛围编码这班车，但兴趣显然存在。去年6月，位于伊利诺伊州莱蒙特的阿贡国家实验室为其研究人员举办了一场为期一天的氛围编码黑客马拉松，名额上限200人，很快报满。 伦敦威斯敏斯特大学的基因组学家和健康数据科学家Manuel Corpas表示，他的社区对氛围编码有着真正的渴望。他在两天内氛围编码了一个名为ClawBio的项目，并于3月初在帝国理工学院的一次黑客马拉松上发布。该项目类似于一个代码库，收录了对生物信息学有用的代码片段，例如从科学图表中提取数据的指令，或根据你计算机上存储的基因组序列制定个性化用药建议。AI代理可以从库中提取代码，将这些“技能”整合到自己的任务中。 Corpas说，ClawBio发布后仅两周就获得了5000次下载，而且社区还新增了几十种新技能——这些技能本身也是氛围编码完成的。 ## 先报好消息 阿贡国家实验室的分子生物学家Rosemarie Wilton没有编码经验。但她使用现成的软件包来编译和分析从污水中发现的病毒数据集，因此她参加了去年6月实验室的黑客马拉松，想看看AI编码工具能为她做些什么。 **AI“科学家”加入了这些研究团队：发生了这些事**（https://www.nature.com/articles/d41586-025-02028-5） Wilton印象深刻。她没有研究生，但AI工具就像一个研究生。她可以让它们完成简单的任务，比如依次通过多个软件包运行数据、交叉检查，或以特定方式生成输出图表。AI工具可以独立运行一整天。 为了测试新的数据处理流程，Wilton通常要么手动启动每一步，要么联系阿贡的数据科学和学习部门为她编写流程代码，但现在AI可以加速这个探索阶段。她说，如果找到一种有效的方法，她会在向州卫生部门提交处理后的数据之前，请该部门正式为其编写代码。 Wilton说，一个附带好处是，氛围编码的简易性让她自己学习一些编码也变得不那么吓人。“我没有做过很多Python编码，但我能从中学习很多，”Wilton说，“它打开了我的世界。” **Rosemarie Wilton在黑客马拉松活动中，坐在笔记本电脑前，与一位女同事笑着交谈。** 分子生物学家Rosemarie Wilton（右）和Sarah Owens在伊利诺伊州莱蒙特的阿贡国家实验室测试AI工作流程。来源：Argonne National Laboratory 速度和灵活性是《自然》采访的所有人对AI编码的共同评价。Hausfather说，例如将图表的一个轴转换为对数刻度或向图表中叠加额外信息的代码往往不直观。能够用日常英语告诉计算机做这些事情，他说，“简直神奇”。氛围编码还让他能够在一天内搭建并托管网站（包括一个实时更新、视觉上吸引人的全球温度仪表盘），这他以前从未做过。 同样参加了黑客马拉松的阿贡理论物理学家Tim Hobbs说，他“一直”使用AI，因为编码是他工作的一大部分。他探索超越粒子物理标准模型（https://www.nature.com/articles/d41586-024-03042-9）的物理，例如通过分析来自粒子加速器的大量数据来检验基础理论或尝试发现新理论。他有很多数学方法可以选择，因此他使用氛围编码来查看哪些方法更有前景。 “这就像把问题交给一个极其能干的研究生，”他说，“我可以快速尝试各种想法，也许淘汰一些次优的。”他说他会检查重要内容（如计划发表的研究论文）背后的代码。 Hobbs对AI代码的整洁程度印象深刻，代码中包含大量注释说明，往往比他看到的已发表论文附带的、人类编写的代码标准更高。“人类代码有一种杂乱感，因为我们是人类，”他说。 在今年早些发表的一篇论文¹（https://www.nature.com/articles/d41586-026-01477-w?error=cookies_not_supported&code=6f732fb2-eba7-4b97-af31-bcf29c4668de#ref-CR1）中，洛杉矶Cedars Sinai医疗中心的分析化学家和计算生物医学专家Jesse Meyer试图展示AI的力量。他的团队之前开发了用于生物数据处理的软件包。这次，他使用了一个由LLM驱动的应用程序构建器，氛围编码了一个用于分析蛋白质组学和其他“组学”数据的流程。 **认识那些拒绝使用生成式AI的学者**（https://www.nature.com/articles/d41586-026-00508-w） 他发现，整个过程耗时不到十分钟，只需四条精心撰写的提示，费用不到2美元，就能创造出专业编码人员在没有AI的情况下可能需要数月甚至数年才能开发出的东西。“尝试新事物的门槛非常低，”Meyer说。他设想一个未来，研究人员不再发布代码，而是发布他们的提示或“氛围蓝图”供他人使用。 但Meyer强调，他的工作只是展示可能性的一个示范：他不会建议在不进行大量检查的情况下氛围编码任何重要内容。当他发表这个实验时，他在论文引言中包含了一个免责声明：“氛围编码不能替代对统计分析或计算逻辑的理解。”