论文：A Survey of Vibe Coding with large language models. 论文链接
中科院 基于大语言模型 Vibe Coding 氛围编程，对1000多篇论文进行研究，得到的研究综述。
中文版可以看下 网易行者的解读 （附上 文章链接）
摘要：
vibe 编码的演进：
按照 Coding LLMs、Coding Agent、 Coding Environment、 Feedback 进行分类，2022年到2025年的研究全面可视化，对应的论文链接目录见 作者git仓库
氛围编程（Vibe Coding）定义：不逐行审查代码，观察结果判断是否符合要求
开发者、项目、编码代理的关系：
编码大语言模型：
编码代理的架构图：认知系统、记忆机制、工具 等核心组件，规划、动作执行、多代理协作等基本功能。
编码代理开发环境架构图：隔离环境、交互环境、分布式平台。
编码代理反馈环框架：
论文的4.2 还给出了数据集
5.2 中的不同编码代理的能力分析：
商业人工智能辅助开发软件
7.1.3 人工智能辅助软件工程 的编码环境与数据集比较：
Vibe 编码开发模型：
调查整个氛围编程生态系统（含用于编程的大语言模型、基于LLM的编程代理、编程代理的开发环境、反馈机制），通过受限马尔可夫决策过程形式化 Vibe 编程，捕捉人、项目、编程代理的关系。
总结出五种 Vibe 编码开发模型：无约束自动化模型（UAM）、迭代对话协作模型（ICCM）、规划驱动模型（PDM）、测试驱动模型（TDM）和上下文增强模型（CEM）
对比分析 五种开发模型：
迭代对话协作模型（ICCM）
规划驱动模型 PDM
情景增强模型 CEM：
包含 检索增强生成（RAG）、....
