Codex 教程（一） Vibe Coding 氛围编程简介

GeoFXR2026-07-07 9:32

Codex + C++ Vibe Coding 教程：用感觉写代码，让 AI 处理细节

什么是 Vibe Coding？

Vibe Coding （"氛围编程"或"感觉编程"）是一种全新的开发范式：你不再逐行手写代码，而是用自然语言描述你的意图和感觉 ，把代码生成、调试、重构完全交给 AI。你只需告诉 AI "感觉不对，这里应该更高效"或"我想要一种更现代 C++ 的风格"，然后不断迭代直到代码"感觉对了"。这个术语由 Andrej Karpathy 提出，核心就是放弃对语法细节的控制，拥抱高层次的意图表达。

对于 C++ 这样语法复杂、陷阱众多的语言，vibe coding 尤其诱人------你可以专注在算法和架构上，让 AI 去处理指针、模板、RAII 和编译错误。

注：原版 OpenAI Codex 模型已关闭，但它的能力已全面融入 gpt-4、gpt-3.5-turbo 等聊天模型。本教程将基于最新可用模型，带你体验 C++ 的 vibe coding 全流程。

1. 环境准备：搭一个"听话"的 AI 伙伴

你需要一个能和 AI 对话的 Python 脚本。这里我们用 OpenAI 的 gpt-4o（性价比高，代码能力强），同时也会介绍免费本地模型方案。

bash 复制代码 
pip install openai
python 复制代码 
import openai
import subprocess
import sys
import os

openai.api_key = "your-api-key"   # 或 os.getenv("OPENAI_API_KEY")

def vibe(prompt, history=None, model="gpt-4o"):
    """把自然语言'感觉'变成 C++ 代码"""
    if history is None:
        history = [
            {"role": "system", "content": "你是一位顶尖的现代 C++（C++17/20）专家。根据用户的描述生成完整、可编译的代码。使用 RAII、智能指针、STL 算法。如果用户说'感觉不对'，就重新思考并给出改进版。只需输出纯代码，不要任何解释，除非要求。"}
        ]
    history.append({"role": "user", "content": prompt})
    
    resp = openai.ChatCompletion.create(
        model=model,
        messages=history,
        temperature=0.3,        # 有一点创造性，但不离谱
        max_tokens=2000
    )
    code = resp.choices[0].message.content
    history.append({"role": "assistant", "content": code})
    return code, history

如果不想用付费 API，可以用本地模型（需要 16GB+ 显存或 Apple Silicon）：

bash 复制代码 
# 安装 Ollama (https://ollama.com)
ollama pull codellama:13b   # 或 deepseek-coder-v2

然后调用方式类似，只需把 vibe() 函数改为本地 HTTP 请求。

2. Vibe Coding 核心循环：意图 → 编译 → 报错 → 修复 → 感觉

真正高效的 vibe coding 是带反馈的对话。我们写一个自动编译并反馈错误的函数，让 AI 自己修：

python 复制代码 
def compile_and_run(code, source_file="temp.cpp", exe_file="temp.out"):
    with open(source_file, "w") as f:
        f.write(code)
    # 编译
    compile_cmd = ["g++", "-std=c++20", "-Wall", "-O2", source_file, "-o", exe_file]
    comp = subprocess.run(compile_cmd, capture_output=True, text=True)
    if comp.returncode != 0:
        return False, comp.stderr
    # 运行（不处理交互输入的程序）
    run_cmd = [f"./{exe_file}"]
    try:
        run = subprocess.run(run_cmd, capture_output=True, text=True, timeout=5)
        return True, run.stdout
    except subprocess.TimeoutExpired:
        return True, "[运行超时，可能死循环]"

完整 vibe 循环示例（手动迭代版）：

python 复制代码 
history = None
feedback = ""

while True:
    user_feel = input("\n描述你的感觉或需求 (输入 'exit' 退出): ")
    if user_feel.lower() == "exit":
        break
    if feedback:
        prompt = f"上一次的代码：\n{code}\n\n编译/运行反馈：{feedback}\n\n请修复问题。用户新感觉：{user_feel}"
    else:
        prompt = f"生成一个 C++ 程序，实现以下感觉：{user_feel}"
    
    code, history = vibe(prompt, history)
    print("\n--- 生成的代码 ---")
    print(code)
    
    # 自动编译运行
    success, output = compile_and_run(code)
    if success:
        print("\n✅ 编译运行成功！输出：")
        print(output)
        feedback = ""
    else:
        print("\n❌ 编译/运行错误：")
        print(output)
        feedback = output
        # 自动把错误反馈给 AI，下一轮输入时会让它修

这就是 vibe coding 的精髓：你只需要表达"感觉"，编译和错误修复全自动。

3. 实战：一步步用"感觉"写出一个 C++ 线程池

第一轮：模糊的感觉

输入 ：我想要一个能管理多个线程的池子，把任务丢进去就能异步执行，然后能拿到结果。现代 C++ 风格。

AI 可能给出一个基于 std::async 的简单实现，但没用真正的线程池。你感觉"不够底层，控制力不强"。

第二轮：调整感觉

输入 ：感觉上我想要一个固定数量的工作线程，任务用 std::function 包装，返回 future。用条件变量通知。

这次 AI 生成了一个完整的线程池类，但编译报错：std::function 不能默认构造。

第三轮：自动反馈修复

脚本自动把错误信息喂给 AI，你只需要说：

输入 ：编译错误，感觉要把任务队列改成存储 std::packaged_task 的封装，然后处理好 move 语义。

AI 修改后，编译通过，但你测试时发现析构时死锁。

第四轮：凭感觉指出问题

输入 ：程序退出时卡死了，感觉是析构顺序或者条件变量通知有问题，应该在析构时先唤醒所有线程。

AI 立即在析构函数中加上了正确的停止标记和 notify_all。最终你得到了一个生产可用的线程池。

最终生成的代码可能类似：

cpp 复制代码 
#include <vector>
#include <thread>
#include <queue>
#include <mutex>
#include <condition_variable>
#include <functional>
#include <future>
#include <memory>

class ThreadPool {
public:
    explicit ThreadPool(size_t numThreads) : stop(false) {
        for(size_t i = 0; i < numThreads; ++i) {
            workers.emplace_back([this] {
                for(;;) {
                    std::function<void()> task;
                    {
                        std::unique_lock lock(queueMutex);
                        condition.wait(lock, [this] { return stop || !tasks.empty(); });
                        if(stop && tasks.empty()) return;
                        task = std::move(tasks.front());
                        tasks.pop();
                    }
                    task();
                }
            });
        }
    }

    template<class F, class... Args>
    auto enqueue(F&& f, Args&&... args) 
        -> std::future<typename std::invoke_result_t<F, Args...>> {
        using return_type = typename std::invoke_result_t<F, Args...>;
        auto task = std::make_shared<std::packaged_task<return_type()>>(
            std::bind(std::forward<F>(f), std::forward<Args>(args)...)
        );
        std::future<return_type> res = task->get_future();
        {
            std::lock_guard lock(queueMutex);
            if(stop) throw std::runtime_error("enqueue on stopped ThreadPool");
            tasks.emplace([task]() { (*task)(); });
        }
        condition.notify_one();
        return res;
    }

    ~ThreadPool() {
        {
            std::lock_guard lock(queueMutex);
            stop = true;
        }
        condition.notify_all();
        for(std::thread &worker: workers)
            if(worker.joinable()) worker.join();
    }

private:
    std::vector<std::thread> workers;
    std::queue<std::function<void()>> tasks;
    std::mutex queueMutex;
    std::condition_variable condition;
    bool stop;
};

全程你没写一行具体代码，只是不断描述"感觉"，AI 就把所有细节（move 语义、packaged_task、RAII 析构）都处理好了。

4. C++ Vibe Coding 专用提示词技巧

要让 AI 生成的代码有"现代 C++ 内味"，可以在系统消息里持续强化：

  • 风格约束 ：
    "用 C++20，永远用 auto 推导，用 range-based for，用 std::expected 或 std::optional 处理错误。"
  • 性能感觉 ：
    "这段代码应该无锁、零拷贝，请使用 std::atomic 和内存顺序。"
  • 错误处理感觉 ：
    "不要用异常，用 std::variant 或错误码返回值，感觉更稳健。"
  • 设计模式感觉 ：
    "这个工厂类应该采用 CRTP 静态多态，避免虚函数开销。"

你甚至可以说"这代码看着有点 C++98 的老气，请换成 Concepts 和 constexpr 的感觉"，AI 就会立刻重构。

5. 本地免费 Vibe 方案：Code Llama / DeepSeek-Coder

如果担心 API 费用，可以完全在本地运行：

python 复制代码 
import requests
import json

def local_vibe(prompt):
    response = requests.post(
        "http://localhost:11434/api/generate",
        json={
            "model": "deepseek-coder-v2:16b",
            "prompt": f"你是一个 C++ 专家。只输出代码，不要解释。\n{prompt}",
            "stream": False
        }
    )
    return response.json()["response"]

虽然本地模型对超长上下文的跟踪不如 GPT-4，但处理单个功能或小规模迭代完全够用，并且你可以无限免费 vibe。

6. 重要提醒：Vibe Coding 的边界

  • 安全第一：绝对不要直接复制粘贴 AI 生成的网络、加密或系统底层代码到生产环境，除非你完全理解每一行。vibe 出来的代码可能有隐蔽的漏洞。
  • 感觉不是测试：即使"感觉"很好，也要用单元测试和 sanitizer（AddressSanitizer， UndefinedBehaviorSanitizer）验证，尤其是 C++ 的内存问题。
  • 保持理解：Vibe coding 是辅助，不是替代。每次迭代后读一读生成的代码，慢慢你也能"感觉"到真正的 C++ 精髓。

7. 结语

Codex（或现在的 GPT） + C++ + Vibe Coding 让你从繁琐的语法中解放出来，把脑力留给更高层的设计。你只需要一个趁手的"编译-修复"循环脚本，剩下的就是大胆告诉 AI 你的感觉。现在就打开终端，开始你的第一次 C++ vibe 之旅，你会惊讶地发现：原来写 C++ 也可以这么"爽"。

热门推荐
012026 年 AI 编程工具终极横评：Cursor vs Claude Code vs Copilot vs Windsurf02GitHub 镜像站点03AI科技热点日报 | 2026年07月01日04【AI】2026 年具身智能模型和世界模型总结052026 年 AI 大模型 & AI 编程工具实战全总结062026 AI 编程工具选型横评：Cursor / Claude Code / Trae / Copilot 到底选谁（建议收藏·避坑版）07AI 编程 IDE 全景解析 2026：Agent 全面接管开发链路082026 AI 编程工具终极实战指南：Cursor vs Claude Code vs Copilot，开发者该怎么选？092026 国产 AI 大模型横评：DeepSeek、通义千问、Kimi、文心一言、星火、豆包谁更能打？102026年7月AI圈大地震：GPT-5.6被政府限制、Claude入驻Slack、Anthropic自研芯片