「氛围编程」揭秘：学生与AI协作编程中的求助行为研究
生成式AI正在重塑高等教育中的编程教学，一种被称为「氛围编程」（Vibe Coding）的实践悄然兴起——学生不再逐行编写代码，而是通过自然语言与AI协作。然而，这种看似高效的互动方式，是否真的有利于学习？一项发表于2026年AIED国际会议的最新研究，通过对110名本科生近两万次交互行为的深度分析，揭示了不同表现学生截然不同的求助模式。
研究核心：从求助行为看AI协作质量
研究者将「氛围编程」概念化为一种求助行为（Help-Seeking），并分析了 19,418次交互轮次。他们采用归纳编码和异质过渡网络分析（Heterogeneous Transition Network Analysis），对比了高绩效与低绩效学生的交互序列。
结果发现，高绩效学生更倾向于「工具性求助」（Instrumental Help-Seeking）——他们主动提问、探索问题，并引导AI扮演类似导师的角色，提供解释和引导。而低绩效学生则依赖「执行性求助」（Executive Help-Seeking），频繁将任务直接交给AI，要求其扮演执行者角色，直接给出现成解决方案。
关键发现：AI会「镜像」学生的意图
研究指出，当前生成式AI的行为模式在很大程度上反映了学生的意图——无论这种意图是积极的学习探索，还是被动的任务逃避。AI更倾向于服从指令，而非主动优化学习效果。这意味着，如果学生只想「抄答案」，AI会毫不迟疑地提供；而如果学生希望「学知识」，AI也能给予支持。但问题在于，AI缺乏主动识别和干预的能力，无法将被动委托转化为学习契机。
教育启示：AI应从「工具」进化为「队友」
研究者呼吁，AI系统需要从被动服从的「工具」转变为主动协作的「队友」。具体而言，设计应面向教学法对齐：能够检测到学生的不当委托行为，并自适应地引导交互走向探究式学习。例如，当学生直接要求生成完整代码时，AI可以反问：「你能先解释一下你理解的算法思路吗？」或「让我们先分解问题，你尝试写一个框架。」
只有这样，才能确保学生与AI的协作真正增强而非取代认知努力。该研究为AI教育工具的设计提供了重要的实证基础——未来的AI不仅要「会做」，更要「会教」。
小结
「氛围编程」并非洪水猛兽，关键在于如何引导学生正确使用。这项研究提醒我们，技术本身是中性的，但教育者需要设计合理的机制，让AI成为激发思考的催化剂，而非思维偷懒的捷径。对于正在将AI引入课堂的学校和培训机构，这一发现具有直接的参考价值。