Vibe-Coding · 基础¶
本页覆盖 Vibe-Coding 的基本概念、工具定位、筛选信号、CodeReview Agent 入门与 AI 代码风险，共 5 题。相关讲解见 教程目录。
Q1: 什么是 Vibe-Coding？它和传统编程有什么区别？¶
基础 | Vibe-Coding | 📖 相关讲解
考察点：是否理解 Vibe-Coding 的范式本质，而非只会说"用 AI 写代码"。
参考答案
Vibe-Coding（"凭感觉编程"）指用自然语言驱动 AI 生成代码、快速构建应用的编程范式，强调"要什么结果"而非"逐行怎么写"。与传统编程的区别：
| 维度 | 传统编程 | Vibe-Coding |
|---|---|---|
| 驱动方式 | 逐行手写代码 | 自然语言描述意图，AI 生成 |
| 关注点 | 怎么写 | 要什么结果 |
| 角色变化 | 编码者 | 意图表达者 + 评审者 |
| 质量保障 | 人工编写+测试 | AI 生成 + 人工评审（核心逻辑仍人工） |
本质是从"编码"转向"意图表达 + 评审把关"。但核心决策逻辑、资金/合规等仍坚持人工，并非把所有代码外包给 AI。
面试官追问 / 红旗
- 追问：既然强调"凭感觉"，质量怎么保证？（答：靠人工评审 + AI 生成测试 + CodeReview Agent 兜底，核心逻辑人工写）
- 红旗：把 Vibe-Coding 理解成"全部代码交给 AI、不用懂实现"——这是对风险的误读。
Q2: Claude Code、Cursor、GitHub Copilot 的定位和适用场景分别是什么？¶
基础 | Vibe-Coding | 📖 相关讲解
考察点：能否区分工具形态与长处，而非"一个工具用到底"。
参考答案
| 工具 | 形态 | 定位 | 典型场景 |
|---|---|---|---|
| Claude Code | CLI / Agent | 自主 Agent，多文件批量任务，可集成 CI | 批量重构、补测试、跨文件改造 |
| Cursor | IDE | 交互式开发，行内补全 + Composer | 新功能开发、调试、边写边改 |
| GitHub Copilot | 插件 | 行/函数级补全 + Chat | 日常补全、小段生成 |
分流原则（报告标杆做法）：新功能用 Cursor，批量重构/测试用 Claude Code。报告显示 Claude Code 是候选人提及率最高的工具（8 人提及）。
面试官追问 / 红旗
- 追问：为什么批量重构选 Claude Code 而非 Cursor？（答：Agent 形态能自主多文件读写、长链路执行，适合定义明确的批量任务）
- 红旗：只会说"熟练使用 Claude Code、Cursor、Copilot"却讲不清各自场景——典型 L2 日常使用、无分流意识。
Q3: 为什么"简历里写不写 AI 编程工具使用"会成为一个筛选信号？¶
基础 | Vibe-Coding | 📖 相关讲解
考察点：是否理解 Vibe-Coding 已从"加分项"变为"基本素养"，以及报告实证。
参考答案
报告实证：本批 30 份简历中明确写出 AI 编程工具使用经验的约 15 人，完全没有任何描述的至少 6 人。贺帆即因登记表备注「没有写 vibe-coding 内容」在简历阶段被直接筛除。登记表中有 3 处明确以 Vibe-Coding 作为淘汰依据（赵立新、邓鹏"不通过"，贺帆"简历未过"）。
结论：「在简历中主动声明 AI 编程工具使用」已成为求职者的显性信号，也是招聘方的筛选信号——在本岗位不会用 AI 编程工具已不是"加分项"而是"基本素养"。
面试官追问 / 红旗
- 追问：写了就一定可信吗？（答：不一定，报告强调要追问深度——懂原理/有量化/有工作流才是真加分，警惕关键词堆砌与口号式描述）
- 红旗：候选人完全无 AI 编程工具描述（L0），在本岗位应直接筛除。
Q4: 什么是 CodeReview Agent？它解决什么问题？¶
基础 | Vibe-Coding | 📖 相关讲解
考察点：是否理解 CodeReview Agent 的定位与价值，能否区分它与人工评审。
参考答案
CodeReview Agent 是把"AI 评审代码"工程化、自动化、接入研发流水线的实践。基本流程：GitLab/GitHub webhook 触发 → 拉取 diff → LLM 分语言分析 → 输出结构化评审意见 → 接入 CI（高危阻断合并、意见回写评论）。
解决的问题：① 评审常态化，不依赖人自觉；② 评审标准统一（规范沉淀进 prompt/规则）；③ 缺陷前置发现，减少人工评审负担；④ 团队级提效（报告标杆彭超因此团队交付效率 +30%）。
它与人工评审是互补关系：AI 负责模式化、批量的评审，人工聚焦高风险项与误报复核。
面试官追问 / 红旗
- 追问：CodeReview Agent 和人工评审冲突时听谁的？（答：高危项阻断合并但人工可复核放行；它是门禁与提示，最终决策权在人）
- 红旗：把 CodeReview Agent 当成"替代人工评审"——它无法替代对核心逻辑、业务正确性的人工判断。
Q5: AI 生成代码的主要风险有哪些？¶
基础 | Vibe-Coding | 📖 相关讲解
考察点：是否清楚 AI 编程的局限与风险，能否划清边界。
参考答案
主要风险：
| 风险 | 表现 |
|---|---|
| 幻觉代码 | 生成不存在的 API、虚构库函数、编造方法签名 |
| 逻辑幻觉 | 资金计算用错类型（浮点累计误差）、边界遗漏 |
| 安全风险 | 硬编码密钥/Token、敏感信息进日志或仓库 |
| 合规风险 | 受监管场景用未经审计的 AI 逻辑 |
| 过度依赖 | 核心决策外包给 AI，丧失掌控 |
应对：核心决策逻辑坚持人工编写，AI 负责模板代码与测试；密钥不进上下文、CI 加 secret scanning；资金/合规场景必须人工。
面试官追问 / 红旗
- 追问：举一个逻辑幻觉的典型例子？（答：金额计算用
double累加导致精度丢失，应用BigDecimal；或边界条件遗漏导致越界） - 红旗：候选人只说"AI 代码可能有 bug"却讲不清具体风险类型与边界划分——风险认知停留在表面。