Vibecoding — jak AI zmienia sposób tworzenia kodu

Jeszcze dwa lata temu AI w programowaniu oznaczało podpowiedzi składni i generowanie boilerplate'u. Dziś Claude Code potrafi napisać za ciebie kompletny endpoint, zaproponować architekturę modułu i znaleźć błąd, który przeoczyłeś w code review. To nie jest ewolucja — to zmiana paradygmatu.

Vibecoding to termin, który zaczął krążyć w społeczności developerów na początku 2025 roku. Dosłownie oznacza programowanie "na wyczucie" — opisujesz co chcesz osiągnąć, AI generuje implementację, ty weryfikujesz i kierujesz kolejnymi krokami. Brzmi jak science fiction? W MKM Labs jest to standardowy workflow od miesięcy.

Czym vibecoding NIE jest

Vibecoding to nie jest bezmyślne klikanie "accept" na każdą sugestię Copilota. To nie jest też magiczne zaklęcie, które zastępuje wiedzę techniczną. Programiści, którzy myślą że mogą teraz nie rozumieć tego co generują — mylą się i będą się mylić coraz boleśniej.

Vibecoding to świadome **delegowanie implementacji** do AI przy zachowaniu pełnej kontroli nad architekturą, bezpieczeństwem i decyzjami projektowymi. Różnica jest fundamentalna: to ty decydujesz *co* ma powstać i *dlaczego*, AI decyduje *jak*.

Jak wygląda flow z Claude Code

Klasyczny cykl pracy wygląda tak:

**Opisz** — zamiast otwierać edytor i zaczynać pisać, opisujesz zadanie. Nie "zrób endpoint", ale "stwórz endpoint POST /api/invoices, który waliduje payload z użyciem zod, zapisuje do bazy przez Drizzle ORM i zwraca 201 z id nowo utworzonej faktury. Użyj Hono jako frameworka."

**Generuj** — Claude Code nie tylko generuje kod, ale pyta o niejednoznaczności, proponuje obsługę błędów i zwraca uwagę na edge case'y, o których nie pomyślałeś.

**Reviewuj** — i tu jest serce vibecoding. Nie akceptujesz blindly. Czytasz, rozumiesz, sprawdzasz czy logika jest poprawna, czy nie ma potencjalnych luk bezpieczeństwa, czy schema bazy ma sens.

**Iteruj** — "dodaj rate limiting na tym endpoincie, użyj Redis jako backendu dla limitera, limit to 100 requestów na minutę per user_id."

Cały cykl dla prostego endpointu zajmuje 3-5 minut zamiast 20-30.

Praktyczny przykład: REST endpoint w Hono w 30 sekund

Prompt do Claude Code:

``` Stwórz endpoint POST /api/tasks w Hono z TypeScript. Payload: { title: string, priority: 'low' | 'medium' | 'high', dueDate?: string } Walidacja przez zod. Zapisz do tablicy w pamięci (bez bazy na razie). Zwróć 201 z { id, ...payload, createdAt }. Dodaj obsługę błędów walidacji — 422 z details z zod. ```

Claude generuje:

```typescript import { Hono } from 'hono' import { z } from 'zod' import { zValidator } from '@hono/zod-validator' import { nanoid } from 'nanoid'

const taskSchema = z.object({ title: z.string().min(1).max(200), priority: z.enum(['low', 'medium', 'high']), dueDate: z.string().datetime().optional(), })

type Task = z.infer & { id: string; createdAt: string }

const tasks: Task[] = []

const app = new Hono()

app.post( '/api/tasks', zValidator('json', taskSchema, (result, c) => { if (!result.success) { return c.json({ error: 'Validation failed', details: result.error.issues }, 422) } }), (c) => { const payload = c.req.valid('json') const task: Task = { id: nanoid(), ...payload, createdAt: new Date().toISOString(), } tasks.push(task) return c.json(task, 201) } )

export default app ```

Kod jest poprawny, typowany, obsługuje błędy. Od promptu do działającego kodu — 30 sekund. To jest vibecoding.

Czego musisz nadal rozumieć

Tu jest miejsce na szczerość: AI nie zastępuje inżynierii. Jeśli nie rozumiesz modeli danych, wygenerujesz schemat bazy, który będzie działał przy 100 rekordach i posypie się przy 100 tysiącach. Jeśli nie rozumiesz bezpieczeństwa, zaakceptujesz endpoint bez autoryzacji bo "Claude to napisał". Jeśli nie rozumiesz architektury, dostaniesz spaghetti code — tyle że wygenerowane szybciej.

**Modele danych** — musisz wiedzieć jak zaprojektować schemat, jakie indeksy są potrzebne, co to jest N+1 i jak go uniknąć. AI nie zna twojego kontekstu biznesowego ani skali danych.

**Bezpieczeństwo** — SQL injection, XSS, CSRF, brak autoryzacji, wycieki tokenów w logach — to są rzeczy, które musisz aktywnie sprawdzać w generowanym kodzie. Claude jest dobry, ale nie bezbłędny.

**Architektura** — decyzja czy użyć event-driven architecture, jak podzielić moduły, gdzie postawić granicę między serwisami — to nadal inżynierskie decyzje, które wymaga człowieka z kontekstem produktowym.

Zmiana umiejętności: od pisania do recenzowania

Vibecoding przesuwa środek ciężkości. Kiedyś 80% czasu pisałeś kod, 20% myślałeś. Teraz odwrotnie — 80% czasu myślisz i recenzujesz, 20% piszesz (lub precyzujesz prompt).

To wymaga nowych umiejętności:

- **Precyzyjne specyfikowanie** — umiejętność opisania zadania tak dokładnie, żeby AI wygenerowało to czego chcesz. Niejasny prompt = niejasny kod. - **Krytyczne czytanie kodu** — szybkie wyłapywanie problemów w generowanym kodzie. Musisz wiedzieć co szukasz. - **Iteracyjne refinowanie** — wiedza jak poprawić wynik przez kolejne prompty zamiast ręcznej edycji.

Gdzie vibecoding się sypie

Uczciwie: są miejsca gdzie vibecoding działa słabo.

**Złożony debugging** — kiedy bug objawia się tylko pod konkretnym race condition przy 500 RPS, AI nie pomoże ci tak jak doświadczony inżynier z profilerem w ręku.

**Legacy codebases** — w systemie z 10-letnią historią, bez testów, z niezrozumiałymi decyzjami architektonicznymi — AI generuje kod, który "wygląda dobrze" ale nie pasuje do istniejących wzorców.

**Optymalizacja wydajności** — profilowanie, optymalizacja zapytań SQL pod konkretne dane, tuning garbage collectora — to wymaga empirycznej analizy, nie generowania kodu.

Podejście MKM Labs

W MKM Labs Claude Code jest podstawowym narzędziem w stacku. Nie dodatkiem, nie eksperymentem — podstawowym narzędziem. Używamy go do generowania endpointów, komponentów, migracji bazy, testów, skryptów CI.

Jednocześnie mamy zasadę: żaden kod nie idzie na produkcję bez code review przez człowieka, który rozumie co robi. Vibecoding przyspiesza wykonanie. Nie zastępuje myślenia.

Zmieniamy się z "programistów piszących kod" w "inżynierów kierujących AI". To nie jest degradacja zawodu — to jego ewolucja. I nie ma sensu z tym walczyć.

Udostępnij:X

Wróć do wszystkich artykułów