バイブコーディング
バイブコーディングとは？
バイブコーディング は、2024/2025 年に アンドレイ・カルパシー によって紹介された AI 駆動のプログラミング手法です。バイブコーディングでは、自然言語のプロンプトで欲しいものを説明すると、通常は 大規模言語モデル（LLMs） が動作するコードのほとんど、しばしばすべてを生成してくれます。時間があれば、リック・ルービン によって適応された バイブコーディングの技法 をチェックして、バイブコーディングのやり方 についてもっと学んでください。
この新しい方法の大きな利点の一つはアクセシビリティです。コーディング経験のない人でもプロジェクトを構築でき、経験豊富な開発者は完全にコミットする前に新しいアイデアを素早くプロトタイプできます。これはスタートアップにとって特に有用です。欠点は、生成されたコードがどのように機能しているかを開発者が完全に理解していない可能性が高い点です。小さなサイドプロジェクトなら問題ありませんが、本番レベルのソフトウェアでは長期的な問題や技術的負債につながる可能性があります。
バイブコーディングをスムーズにするツールはたくさんあります。カーソル IDE、クロード・コード CLI、GitHub Copilot、Loveable、Replit、v0 などは、環境内で直接 AI と連携したり、バイブコーディング向けの専用インターフェースを提供したりします。個人的には、これらのプロジェクトでは主に カーソル IDE と クロード・コード CLI を使っていました。
ただし、重要な点があります。これらのツールやモデルはお金がかかります。従来のコーディングでは主に時間で支払いますが、バイブコーディングでは財布で支払います。そして、何をしているのか分からないと、財布と時間の両方で支払うことになります。このページにある各プロジェクトは構築に大体 $10 から $20 かかります。実験をたくさんすると積み重なります。私は、これらのモデルが改善され効率的になれば、コストは最終的に下がると思っています。現時点では、バイブコーディングがあなたのプロジェクトにとって理にかなっているかどうかを決める際に考慮すべき点です。
何が可能かに興味を持ったので、私自身でバイブコーディングを試してみて、このページを作り、実際のプロジェクトを通じてその原理を探求しました。私は単にプロダクトを作っているだけではなく、バイブコーディングが本当に何に使えるのかをテストし、実演しています。これは単なる遊びですが、これらのモデルが改善され続けるにつれて将来のコーディングがどのようになるかの一端を垣間見せてくれます。
無限猿定理
無限猿定理 を聞いたことはありますか？これは哲学的な思考実験で、無限の時間と無限のタイプライターを与えられた無限の猿たちのうち、いずれかが鍵盤をランダムに叩くことで最終的に シェイクスピア の全集を完成させるだろう、というものです。
馬鹿げているように聞こえますよね？でもここが面白いところです。バイブコーディングはそれと少し似ています。猿の代わりに AI モデルがいて、タイプライターの代わりにプログラミング言語があり、シェイクスピアの代わりに動作するソフトウェアが得られるという違いがあります。
考えてみてください。大規模言語モデルは何十億行ものコード、パターン、例で訓練されています。LLM にプロンプトを与えると、それは人間の開発者のように問題を一歩一歩「考える」のではありません。代わりに、訓練中に学んだパターンに基づいて次に最も起こり得るトークンを予測しているのです。これは、統計的に正しそうなものに基づいてコードを生成することで、教育された推測をしているに過ぎません。
そして不思議なことに、多くの場合それはうまく機能します。モデルは実際にコンパイルし、実行され、あなたの問題を解決するコードを出力します。理解を通してではなく、極めて大規模なスケールでの確率的パターンマッチングによってです。まるで宇宙で最も洗練されたランダムテキスト生成機が「正しい」答えを見つけたかのようです。しかしここでの違いは速度です。あの猿たちは文字通りの無限が必要です。あなたの AI は数秒か数分でそこに到達します。
ある意味で、バイブコーディングを使うとき、あなたは何百万行ものコードパターンをモデルに蒸留したものを利用して解決策を生成しているのです。これは意識的な問題解決ではなく統計的な魔法です。そしてだからこそ非常に強力であり、同時に生成されたコードが実際に何をしているのかを理解することが重要なのです。
問いは答えより重要である
見落とされがちな重要なことがあります。バイブコーディングはどんな答えを得るかではなく、正しい質問をすることに関するものです。銀河ヒッチハイク・ガイド に出てくる ディープ・ソート（Deep Thought）スーパコンピュータ を思い出してください。これは何百万年もかけて「人生、宇宙、そしてすべてに関する最終的な質問」の答えを計算し、最終的に 42 という数字を出しました。答えは技術的には正しかったのですが、実際には何の役にも立ちませんでした。なぜなら、そもそもどんな質問をすべきかを見つけることが問題だったからです。
バイブコーディングも同じです。プロンプトがすべてですが、コンテキスト管理も同様に重要です。あいまいなプロンプトはあいまいなコードを生み、正しいファイル、ドキュメント、または例をコンテキストとして提供しなければ、モデルはあなたが本当に必要としているものを理解しません。コーディング、アーキテクチャ、システム設計を理解している人なら、詳細なプロンプトを作成し、適切なコンテキストを精選して 大規模言語モデル を優れた解決策へと導くことができます。しかし、何を求めるべきか、どんなコンテキストを提供すべきか分からない場合、AI も同様に分からないのです。
これがまさにバイブコーディングが経験豊富な開発者にとって強力である理由です。私たちは良いコードがどうあるべきかを知っており、落とし穴を理解していて、モデルをそれらから遠ざけるように促すプロンプトを書けます。技術的な背景がない初心者にとっては、これは本当の制約になります。動作するコードは得られるかもしれませんが、何が間違っているのか、次に何を頼めばよいのかを理解できなければ立ち往生してしまいます。
バイブコーディングだけでは足りないとき
最新の AI モデルは印象的ですが、万能薬ではありません。バイブコーディングは本番で使えることもありますが、それには本気で取り組む必要があります。堅牢な単体テストが必要です。システムが何をすべきかの明確な真実のソースが必要です。問題が発生したり、動作がずれたりしたときに検出する仕組みが必要です。そして ハッカーのマインドセット が必要です。枠にとらわれず、バイブコーディングしたプロジェクトを予期せぬ方法で壊してみてください。考慮していないエッジケースは何ですか？誰かが悪用できるセキュリティ上の脆弱性はありますか？これが「単に動く」コードと「実際に堅牢な」コードを分けるものです。
ただしここで重要なのは、AI があなたを支配するわけではないということです。あなたが AI を支配しています。生成されたものをただ受け入れないでください。レビューし、テストし、壊してみてください。そして正直に言って、コードベースの特定の部分については昔ながらのコーディングに戻る必要があります。深く考え、自分で書き上げてください。バイブコーディングはスピードを上げますが、本当に重要なときには真のプログラミングの代替にはなりません。
もう一つ学んだことがあります。時には AI とのセッションを終わらせて新しいセッションを始める必要があるということです。会話履歴が大きくなるにつれて、モデルの性能は劣化します。ミスが増え、まとまりのないコードを生成しやすくなり、幻覚（ハルシネーション）を起こす頻度が上がります。これを見逃して止めないと、これらのエラーは互いに累積していき、状況をどんどん悪化させます。何度もコピーされた文書を読むようなものです。新しく始めることで物事をクリーンで鮮明に保てます。
バイブコーディングで作ったプロジェクト
以下は、私がバイブコーディングの方法論を使って作った二つのプロジェクト、階段（リポジトリ）と超越的（リポジトリ）です。主にプロンプトから生成し、手作業はコンテキストの提供、デバッグ、および GitHub Pages へのデプロイに限定しました。これらはクリエイティブなアイデアとコードをバイブコーディングで組み合わせると何が可能になるかを示す楽しい静的サイトの実験です。どちらも GitHub にホストされています。