Warum ich mit Vibe Coding aufhöre

• Ein reflektierender Blick auf Vibe Coding, also das Entwickeln im "Flow-Zustand" gemeinsam mit KI
• In den letzten zwei Monaten habe ich mich auf Vibe Coding verlassen, bin aber zu dem Schluss gekommen, dass es weder bei Produktivität noch bei den Kosten zufriedenstellend ist
• Vibe Coding ist keine bestimmte Entwicklungsmethodik, sondern eher eine zustands- oder emotionszentrierte Art zu entwickeln
  • Man schreibt Code, indem man sich auf KI-Coding-Assistenten (Cline, Roo Code, Cursor usw.) verlässt und dem Flow folgt
  • Man arbeitet ohne klaren Plan nur mit Intuition und Immersion und jagt vom Dopamin getrieben dem Gefühl von "Fortschritt" hinterher

Probleme von Vibe Coding

• Zeitverschwendung: Anfangs wirkt alles schnell, aber ohne Struktur wird man von Fehlern oder Änderungen getrieben
• Steigende Kosten: Je größer das Kontextfenster der KI wird, desto höher werden auch die API-Kosten
  • Beispiel: Hunderttausende Tokens werden übertragen, Tausende Zeilen erzeugt → am Ende eine spürbare Kostenbelastung
• Mehr Nacharbeit: Code, der anfangs schnell geschrieben wurde, passt am Ende oft nicht zum eigentlichen Ziel, sodass alles noch einmal überarbeitet werden muss

Es gibt auch Vorteile

• Durch wiederholtes Debugging und erneutes Verstehen verbessert sich das Verständnis für Code-Strukturen und die Sprache selbst
• Der Autor konzentriert sich derzeit auf das Lernen von Python und entwickelt nach und nach die Fähigkeit, Fehler zu verstehen und das Modell korrekt zu steuern

Vibe Coding vs. AI Chat vs. Websuche

• Vibe Coding: Nützlich für erste Erkundungen oder experimentelle Versuche, aber ungeeignet für strukturiertes Entwickeln
• AI Chat (ChatGPT usw.): Gut für schnelle Antworten und die Erzeugung von Boilerplate, aber blindes Vertrauen ist riskant (Halluzinationen sind möglich)
• Websuche: Unverzichtbar, um Konzepte und präzise Lösungen zu finden, kann aber viel Zeit kosten

Derzeit bevorzugte Kombination: Gemini + Open WebUI

• Gemini Code Assist (in VS Code verwendet):
  • Kostenlos und stark bei der Erstellung von Testcode sowie bei der Fehlerbehebung
  • Besonders nützlich für Menschen, die zum ersten Mal Unit-Tests schreiben
• Open WebUI:
  • Unterstützt verschiedene Modelle und lässt sich anpassen
  • Prompts lassen sich auf bestimmte Zwecke (Coding, wissenschaftliche Arbeiten, Patente usw.) einstellen
  • Geeignet für kosteneffiziente Aufgaben wie Textausrichtung oder das Umwandeln von Tabellen

Ineffiziente Wahl: unbegrenzte KI-Agenten

• Roo Code, Cline usw. laufen lange und verbrauchen viele Tokens
  • Besonders Claude-basierte Lösungen liefern gute Leistung, sind aber übermäßig teuer
• Stattdessen sind Gemini 2.0, DeepSeek V3/Chat usw. kostenlos oder günstig und liefern dennoch ordentliche Leistung

Fazit: Auf der Suche nach Balance

• Man kann nicht sagen, dass Vibe Coding völlig schlecht ist
  • Für Kreativität und das Erkunden von Ideen kann es hilfreich sein
• Es ist jedoch keine nachhaltige Art der Entwicklung
  • Angesichts von Deadlines und Kosten braucht es realistische Alternativen
• Die derzeit beste Kombination des Autors:
  • Gemini Code Assist (kostenlos, stark bei Unit-Tests)
  • Open WebUI (vorteilhaft in Bezug auf Kontrolle und Kosten)
• Künftige Pläne:
  • Bezahlte Chat-Apps wie Perplexity werden erwogen ($20/Monat, es gibt auch eine kostenlose Stufe)
  • Da die API-Kosten bei mehr als $30 pro Monat liegen, ist eine strukturelle Kostensenkung nötig
  • Langfristig wird auch der Betrieb lokaler Modelle erwogen; wenn effizientere Modelle erscheinen, ist ein Wechsel möglich

[GN⁺]

Hacker-News-Kommentare

• Es ist interessant, Berichte darüber zu lesen, wie andere Menschen LLMs zum Programmieren verwenden

  • Persönlich habe ich das Gefühl, dass LLMs das „Uncanny Valley“ des Programmierens überschritten haben und die Produktivität stark gestiegen ist
  • Wenn man Probleme und Randbedingungen gut beschreibt, können sie Tausende Zeilen Code präzise erzeugen
  • Es ist wichtig, den von LLMs generierten Code zu überprüfen; bei konkreten Anforderungen liefern sie gute Lösungen
  • Die Aufforderung „Sag mir den Plan, wie du die Lösung umsetzen wirst“ ist nützlich
  • Die Ergebnisse sind erstaunlich. Der Stil kann unterschiedlich sein, aber strukturell ist es sehr präzise

• Vibe Coding eignet sich für explorative Prototypen, nicht für das Schreiben von Produktionscode

  • Für persönliche Tools ist es in Ordnung, aber nicht für Code, der an andere ausgeliefert wird
  • Verständnis des Codes und Iteration sind notwendig
  • Vibe Coding wird als ein Verhalten definiert, bei dem man sich nicht um den Code kümmert

• Vibe Coding bedeutet, leicht in einen „Flow“ zu geraten und Code zu erzeugen

  • Der Witz, dass Hacker-Szenen in Filmen cooler gewesen wären, wenn sie ChatGPT benutzt hätten
  • Es ist keine gute Idee, die Korrektheit von Code danach zu beurteilen, ob er läuft
  • Es ist wichtig, zumindest die Ausgaben des LLM zu überprüfen

• Ich denke, Vibe Coding hat nichts mit Programmieren zu tun

  • Auch Nichtfachleute können kleinen Code schreiben, aber große Systeme sind schwierig
  • LLMs sind nützlich, um Boilerplate-Code zu erzeugen, aber wenn Probleme auftreten, müssen sie korrigiert werden
  • Neue „vibe coders“ verstehen das Problem nicht und probieren es nur wiederholt aus

• Ich gebe pro Tag 30 $ für die Nutzung von Claude Code aus

  • Ich gebe viel Geld für Vibe Coding aus

• Das Arbeiten in einer Baumstruktur ist nützlich

  • Man zeichnet das große Ganze und füllt dann die Details aus
  • Es ist effektiv, wenn man mit LLMs zusammenarbeitet
  • Es ist strukturiert, kann aber trotzdem noch als Vibe Coding gelten

• Karpathy ist gut darin, Dinge zu benennen

  • Der neue Name hat sich gut etabliert

• Ich nutze LLMs viel, aber das Konzept von Vibe begann als Online-Witz

  • Es ist wichtig, Fragen gut zu formulieren, und das ist dem Programmieren ähnlich
  • Tests sind wichtig, und mit LLMs geht das Lernen schnell voran

• Es hat einen Wert, die eigenen Gedanken in einer formalen Sprache auszudrücken

  • Mathematik kann auch in natürlicher Sprache ausgedrückt werden, aber die Klarheit und Kürze der Formalisierung sind nützlich
  • Code ist ein Mittel, um vage Ideen klar zu machen
  • Es ist nicht wünschenswert, dass alle Systeme in vager Sprache geschrieben werden

• AI-Chat liefert bessere Ergebnisse als Websuche

  • Beim Schreiben von SQL-Abfragen liefert Gemini bessere Ergebnisse