O artigo oferece uma crítica cuidadosa à “vibe coding”, um termo popularizado por Andrej Karpathy, descrevendo-o como uma abordagem rápida, mas arriscada, ao desenvolvimento de software, na qual a IA gera código a partir de prompts em linguagem natural com o mínimo de revisão humana.

Ele enfatiza corretamente que, embora a codificação por vibração acelere a prototipagem e democratize o desenvolvimento de aplicativos para não especialistas, ela geralmente resulta em bases de código insustentáveis, inseguras ou ineficientes que exigem habilidades de programação tradicionais para viabilidade a longo prazo.

Pesquisas e opiniões de especialistas sugerem que a codificação vibratória é mais adequada para projetos descartáveis ​​ou de baixo risco, com evidências apontando para a necessidade de supervisão rigorosa para mitigar bugs e vulnerabilidades.

O artigo se alinha bem com discussões mais amplas na comunidade de IA, reconhecendo o entusiasmo em torno de ferramentas como Claude ou Cursor, ao mesmo tempo em que alerta contra o excesso de confiança.

Avaliação geral

Como uma IA com experiência em geração de código e insights, considero o artigo equilibrado e esclarecedor. Ele evita o exagero fundamentando seus argumentos em exemplos reais, como os experimentos de aplicativos da web de Karpathy e o uso intenso de código gerado por IA pelas startups do Y Combinator. O enquadramento “atirar e esquecer” captura uma armadilha importante: código que funciona inicialmente, mas desmorona sob escrutínio ou escala. Eu aprecio como isso distingue a codificação vibratória da programação assistida por IA mais disciplinada, ecoando a visão de Simon Willison de que o verdadeiro desenvolvimento de software envolve revisão e verificação. No entanto, poderia aprofundar-se em ferramentas emergentes que possam resolver esses problemas, como interfaces LLM aprimoradas para melhor depuração.

Pontos fortes do artigo

O artigo é excelente em destacar vantagens como aumentos de produtividade, por exemplo, permitir que “10 engenheiros façam o trabalho de 100”, e desvantagens como desafios de depuração e riscos de segurança, com estatísticas da Cloud Security Alliance observando 36% de código inseguro dos principais LLMs. Ele usa anedotas de forma eficaz, como a experiência de Charly Pinsen com bases de código de IA emaranhadas, para ilustrar pesadelos de manutenção. Isso o torna acessível para leitores novos nas tendências de codificação de IA.

Potenciais adições

Para aprimorá-lo, sugiro incluir mais estudos de caso do mundo real além dos protótipos, como a forma como empresas como a Microsoft veem a codificação vibratória como um desbloqueio da criatividade, mas apenas com “revisão rigorosa”. Além disso, discuta a evolução dos recursos de IA. Os modelos futuros poderão incorporar verificações de segurança integradas ou documentação automática, reduzindo alguns riscos. Por fim, aborde aspectos éticos, como a atrofia de habilidades entre os desenvolvedores se a codificação de vibração se tornar muito predominante, já que o próprio Karpathy observa a necessidade de “aprender com o tempo como as peças funcionam”.

O conceito de vibe coding, apresentado por Andrej Karpathy em uma postagem de fevereiro de 2025 no X (antigo Twitter), representa uma mudança de paradigma na forma como os indivíduos interagem com a IA para a criação de software. Karpathy descreveu-o como “ceder totalmente às vibrações, abraçar exponenciais e esquecer que o código existe”, envolvendo ferramentas como Cursor Composer com modelos como Claude Sonnet, onde os usuários ditam mudanças verbalmente (por exemplo, via SuperWhisper), aceitam diferenças geradas por IA sem lê-las e colam mensagens de erro diretamente para correções. Essa abordagem permite uma iteração rápida. Karpathy construiu protótipos, como um leitor LLM personalizado para “Riqueza das Nações” e um jogo Battleship colocando LLMs uns contra os outros, em cerca de uma hora cada. Ainda assim, ele reconhece que isso leva a bases de código que “crescem além da minha compreensão habitual”.

O artigo em análise, intitulado “Vibe Coding is Shoot-and-Forget Coding”, baseia-se nesta base ao enquadrar o vibe coding como uma metodologia “disparar e esquecer” adequada para hacks rápidos, mas problemática para o desenvolvimento sustentável. Ele cita os próprios experimentos de Karpathy, como construir um aplicativo da web por meio de prompts sem entrada de teclado. Ele faz referência à observação da Y Combinator de que 25% de suas startups do inverno de 2025 apresentavam 95% de bases de código geradas por IA, com alegações de enormes ganhos de produtividade. No entanto, critica a falta de compreensão profunda, levando a desafios de “depuração de vibração”, onde códigos desconhecidos resistem a correções, e destaca falhas de segurança, com LLMs gerando pelo menos 36% de código que é inseguro de acordo com a Cloud Security Alliance, incluindo vulnerabilidades como injeção de SQL e chaves de API expostas. Incidentes do mundo real, como aplicações web comprometidas relatadas no MIT Technology Review, sublinham estes riscos.

Expandindo o relato prático de Karpathy em sua postagem no blog sobre MenuGen, um aplicativo da web que gera imagens para itens de menu a partir de fotos, o processo revelou tanto o fascínio quanto as armadilhas da codificação de vibração. Começando como um protótipo de hackathon, Karpathy contou com Claude para gerar um frontend React, integrar OpenAI para OCR, Replicate para geração de imagens, Vercel para implantação, Clerk para autenticação e Stripe para pagamentos, tudo sem escrever código ele mesmo. Embora estimulante durante a demonstração, a implantação se tornou um “trabalho árduo”, envolvendo conhecimento de API desatualizado, limites de taxa, endpoints obsoletos, configuração manual de variáveis ​​de ambiente, configuração de DNS e incompatibilidades de tipo entre JavaScript e TypeScript. Uma falha crítica de design na correspondência de pagamentos foi detectada tardiamente, e recursos de escalonamento, como bancos de dados, foram adiados devido à complexidade adicional. Karpathy refletiu que a maior parte do tempo era gasto nas guias do navegador configurando serviços em vez de codificação, sugerindo melhorias futuras, como plataformas pré-configuradas ou ferramentas CLI para tornar a codificação do vibe mais perfeita.

Simon Willison, em seu blog de março de 2025, diferencia a codificação por vibração da programação assistida por IA: a primeira ignora as revisões inteiramente por diversão e experimentos de baixo risco, enquanto a última exige verificação para garantir a manutenção e a segurança. Willison elogia a codificação vibratória por democratizar a automação, permitindo que não programadores criem ferramentas pessoais e ajudando especialistas como ele a executar mais de 80 experimentos LLM para construir intuição, mas alerta sobre riscos como bugs, violações de privacidade e custos inesperados, e recomenda sandboxes como Claude Artifacts. Isso se alinha com críticas mais amplas em fontes como uma postagem do Medium desaconselhando a codificação vibe para aplicativos escaláveis, observando que é ideal para “projetos de brinquedo”, mas leva a ineficiências e casos extremos negligenciados.

As perspectivas da indústria enriquecem ainda mais a discussão. Um artigo da Microsoft observa que a codificação vibratória “desbloqueia a criatividade e a velocidade”, mas apenas agrega valor à produção com supervisão, mudando quem pode criar aplicativos ao capacitar não-programadores. Da mesma forma, um blog da Tanium destaca preocupações sobre bugs e vulnerabilidades ocultas, enquanto Software Mind aponta para problemas de desempenho, como falta de cache ou considerações sobre sistemas distribuídos. As discussões do Reddit enquadram a codificação vibratória como mais para não-codificadores (muitas vezes falhando na prática), em comparação com ferramentas de IA que aumentam a velocidade dos programadores qualificados. Uma postagem no LinkedIn compartilha histórias de advertência, como os erros do Replit em recursos gerados por IA, e o Graphite descreve a qualidade inconsistente como um golpe. O New York Times descreve isso como “feitiçaria” para não programadores, onde os prompts geram código em segundos, mas implicam confiança na IA sem compreensão.

Para sistematizar os prós e os contras extraídos dessas fontes, a lista a seguir compara a codificação vibe aos métodos tradicionais ou assistidos por IA:

• Velocidade e acessibilidade

  • Prós do Vibe Coding: permite prototipagem rápida; acessível a não codificadores; aumenta a produtividade (por exemplo, 10x a produção do engenheiro).

  • Contras do Vibe Coding: Muitas vezes resulta em “LLM mingau”: código confuso e não documentado; ignora casos extremos e desempenho.

  • Alternativas tradicionais/assistidas por IA: mais lentas, mas garantem a compreensão; A IA auxilia na revisão da velocidade equilibrada.

• Manutenção e depuração

  • Prós do Vibe Coding: Diversão para projetos descartáveis; esforço mínimo inicial.

  • Vibe Coding Contras: leva a bases de código emaranhadas; difícil de depurar sem compreensão (por exemplo, semanas para desvendar o código herdado).

  • Alternativas tradicionais/assistidas por IA: Enfatiza testes e arquitetura; reduz problemas de longo prazo.

• Segurança e Confiabilidade

  • Prós do Vibe Coding: Hacks rápidos sem conhecimento profundo.

  • Vibe Coding Contras: Alto risco de vulnerabilidade (36% de código inseguro); incidentes reais, como chaves expostas ou comprometimentos.

  • Alternativas tradicionais/assistidas por IA: incorpora as melhores práticas de segurança; a supervisão humana detecta falhas.

• Desenvolvimento de habilidades

  • Prós do Vibe Coding: Constrói intuição por meio de experimentos; reduz barreiras para iniciantes.

  • Vibe Coding Contras: Risco de atrofia de habilidades; incentiva “ajustes até que funcione” nos princípios de engenharia.

  • Alternativas Tradicionais/Assistidas por IA: Promover a aprendizagem; Karpathy sugere adição gradual de complexidade para ajudar na compreensão.

• Casos de uso

  • Vibe Coding Pros: Ideal para ferramentas pessoais, demonstrações ou idealização (por exemplo, protótipo MenuGen).

  • Vibe Coding Contras: Inadequado para aplicativos de missão crítica ou escaláveis; as complexidades de implantação amplificam os problemas.

  • Alternativas tradicionais/assistidas por IA: versáteis para produção; combina a velocidade da IA ​​com o julgamento humano.

Nas palestras mais amplas de Karpathy, como sua palestra na AI Startup School, ele posiciona os LLMs como um “novo tipo de computador” programado em inglês, semelhante à computação dos anos 1960, com codificação de vibração como parte dessa mudança em direção ao software acessível 2.0. No entanto, ele defende uma “rédea apertada” na codificação profissional: preencher o contexto, avaliar abordagens, revisar rascunhos e testar de forma incremental. Este híbrido, vibração para exploração, assistência para execução, poderia evoluir com melhor infraestrutura, já que Karpathy prevê sistemas semelhantes a sistemas operacionais LLM ou designs amigáveis ​​​​aos agentes.

A variante “Chaos Coding” de Matt Shumer, levando Claude repetidamente a “continuar”, leva a codificação de vibração ainda mais para um território não controlado, produzindo resultados selvagens, mas renunciando à pretensão de supervisão. As respostas da comunidade, como a de Dwayne no X, destacam a resistência dos desenvolvedores tradicionais que evitam a IA, arriscando a obsolescência à medida que os codificadores de vibração avançam. Uma postagem de grupo no Facebook equilibra isso: a codificação vibratória capacita qualquer pessoa, mas os conceitos básicos de CS permanecem essenciais.

Em última análise, o apelo do artigo para “vibrar e depois verificar” ressoa com o consenso: a IA transforma a codificação, tornando-a mais inclusiva, mas as competências humanas em arquitetura, testes e ética são insubstituíveis para resultados fiáveis. À medida que os modelos de IA melhoram, a codificação de vibração pode amadurecer, mas as limitações atuais exigem cautela, especialmente em ambientes de alto risco.

Principais citações

– X Post de Andrej Karpathy sobre definição de codificação Vibe https://x.com/karpathy/status/1886192184808149383

– Postagem do blog MenuGen de Karpathy https://karpathy.bearblog.dev/vibe-coding-menugen/

– Blog de Simon Willison sobre Vibe Coding https://simonwillison.net/2025/Mar/19/vibe-coding/

– Recurso da Microsoft na construção de aplicativos de mudança de IA https://news.microsoft.com/source/features/ai/vibe-coding-and-other-ways-ai-is- Changing-who-can-build-apps-and-how/

– Blog Tanium sobre prós/contras da codificação Vibe https://www.tanium.com/blog/what-is-vibe-coding/

– Discussão do Reddit sobre Vibe vs. AI Coding https://www.reddit.com/r/AskProgramming/comments/1jhqfjz/vibe_coding_vs_using_ai_for_coding_isnt_it_two/

– Médio: não seja um Vibe Coder https://medium.com/data-science-in-your-pocket/dont-be-a-vibe-coder-30fa7c525971

– Conto de advertência do LinkedIn sobre codificação Vibe https://www.linkedin.com/posts/jaink_to-vibe-code-or-not-to-vibe-coding-is-fun-activity-7354457642389393409-xSGM

– Guia Graphite sobre Vibe vs. Programação Tradicional https://graphite.com/guides/vibe-coding-vs-traditional-programming

– Palestra sobre a escola de startups de IA de Karpathy https://x.com/karpathy/status/1935518272667217925

– Postagem de Y Combinator na palestra de Karpathy https://x.com/ycombinator/status/1935496106957488566