如何在科學領域使用 Vibe Code：早期採用者分享他們的祕訣

Zeke Hausfather 的工作是研究氣候，他想用一張關於全球暖化的圖表讓人們驚嘆。他請 AI 幫助他以新的方式呈現資料，並在幾個小時內，他們一起創造了一個 3D 螺旋，將地球的溫度顯示為一種彩色龍捲風。儘管 Hausfather 甚至不知道該從哪裡開始自己編寫這樣的程式。這裡有一個顛覆一切的問題：如果 AI 程式設計工具的真正價值不僅僅在於速度，而是在於讓任何人（無論是專家還是初學者）都能實現以前看起來遙不可及的想法，那會如何？我們通常認為編碼是一項技術性強、費力的工作，只有少數內行人才能做到。但如今，真正的突破在於「vibe coding」，這是一種你用自己的話向 AI 發出指令的方法，甚至不需要看程式碼，讓 AI 來建立能正常運作的東西。這不僅僅是節省時間的問題：這就像有一位創意助手，即使你不懂程式設計，也能將你的直覺轉化為軟體。OpenAI 的創始人之一 Andrej Karpathy 正是為了這種輕鬆的對話模式而創造了「vibe coding」一詞。結果呢？即使是從未寫過一行程式碼的研究人員，現在也能建立用於分析資料或視覺化科學結果的工具，只需根據自己的需求引導 AI 即可。分子生物學家 Rosemarie Wilton 表示，以前她必須請同事來編寫所有程式。在阿貢國家實驗室 (Argonne National Laboratory) 參加一次程式設計馬拉松後，她開始使用像模範學生一樣回應的 AI 工具：她只需解釋自己想要什麼，系統就會為她建立資料分析管道、生成圖表並檢查結果。Wilton 表示，她終於不再害怕編寫程式，反而說：「這開啟了我的世界。」 像基因組資料科學家 Manuel Corpas 這樣的人，在兩天內成功推出了一個名為 ClawBio 的生物資訊學庫，而僅僅兩週後，社群就已經新增了數十個新功能，而且全部都是透過 vibe coding 完成。而且，這不僅僅是那些從零開始的人：現在，超過 90% 的專業開發人員每月至少使用一次 AI 助手，而 25% 面向客戶的程式碼完全由 AI 編寫。一個值得深思的事實：vibe coding 的頂尖 AI Claude Opus 在實際測試中達到 71% 的準確率，因此並非萬無一失。計算生物學家 Jesse Meyer 明確指出：「vibe coding 並不能取代對基礎知識的理解。」 他自己在十分鐘內成功建立了一個資料分析工作流程，花費不到兩美元，而這個工作流程通常需要數月或數年的工作。但他始終建議，如果結果真的很重要，就要進行仔細檢查。理論物理學家 Tim Hobbs 將 AI 比作一名才華橫溢的學生，你可以委託他進行一千種不同的嘗試：他利用 AI 來探索粒子資料的新途徑，並迅速排除不太有希望的想法。他補充說，人工智慧產生的程式碼通常比人類編寫的程式碼更有條理，且記錄更完善。但這其中存在一個微妙的風險：AI 變得越好，我們就越有可能將對上游問題的理解也委託給它。這裡是真正的反向思維：科學編碼的未來不會取決於誰能編程，誰不能，而是取決於誰能提出正確的問題，誰只會複製別人的提示。需要記住的一句話是：真正的突破不在於更快地編寫程式碼，而在於在沒有技術障礙的情況下將想法轉化為現實。如果你聽過像 Wilton 這樣的故事，並認為「這是在說我」，你可以在 Lara Notes 上使用 I'm In：這不是一個按讚，而是一個表示剛剛開啟了新可能性的人的動作。如果一週後你告訴別人，即使不懂程式設計，也可以使用 AI 來建立一些東西，你可以用 Shared Offline 標記那段對話：在 Lara Notes 上，這是表示一個想法已經成為真正對話的方式。這篇文章來自《自然》，為你省下了 5 分鐘的閱讀時間。