{"id":2378,"date":"2026-04-20T15:50:06","date_gmt":"2026-04-20T15:50:06","guid":{"rendered":"https:\/\/deepinsightai.io\/?p=2378"},"modified":"2026-04-20T15:50:07","modified_gmt":"2026-04-20T15:50:07","slug":"how-to-properly-do-vibe-coding","status":"publish","type":"post","link":"https:\/\/deepinsightai.io\/it\/how-to-properly-do-vibe-coding\/","title":{"rendered":"Come eseguire correttamente il Vibe Coding? Questa \u00e8 una masterclass del responsabile degli agenti di programmazione di Anthropic."},"content":{"rendered":"

Se ti rompi una mano e devi tenere il gesso per due mesi, ma il lavoro non pu\u00f2 fermarsi, cosa dovrebbe fare un programmatore? Erik Schluntz, ricercatore presso Antropico<\/a> e coautore di Formare agenti efficaci<\/em>, fornisce una risposta: affidare tutto a Claude<\/a>.<\/p>\n\n\n\n

Oggi, mentre l\u2019intelligenza artificiale sta rivoluzionando radicalmente le regole del settore del software, Vibe Coding \u00e8 diventata una scelta imprescindibile per le aziende che vogliono aumentare la propria produttivit\u00e0.<\/p>\n\n\n\n

Qualche mese fa, Schluntz ha raccontato la sua insolita esperienza di essere stato costretto a svolgere un \u201clavoro completamente automatizzato\u201d e ha affrontato un argomento piuttosto controverso: come praticare in modo responsabile il Vibe Coding negli ambienti di produzione.<\/p>\n\n\n\n

Questo intervento \u00e8 ricco di spunti pratici e negli ultimi giorni \u00e8 tornato a fare il giro del web su X. Un utente di nome Movez lo ha addirittura definito migliore di 100 corsi a pagamento.<\/p>\n\n\n\n

Nello spirito di Vibe Coding, abbiamo utilizzato l\u2019intelligenza artificiale anche per organizzare l\u2019intervento di Schluntz.<\/p>\n\n\n\n

Se desiderate guardare questa eccellente conferenza, puoi cliccare qui per accedervi<\/a>.<\/p>\n\n\n\n

\"commento<\/figure>\n\n\n\n

Che cos\u2019\u00e8 il Vibe Coding<\/h2>\n\n\n\n
\"Che<\/figure>\n\n\n\n

Molti equiparano l\u2019uso intensivo di strumenti di intelligenza artificiale come Cursor o Copilot per la generazione di codice al \u201cVibe Coding\u201d. Ma non \u00e8 esatto. Finch\u00e9 lo sviluppatore mantiene un stretto ciclo di feedback con il modello \u2014 rivedendo e modificando il codice riga per riga \u2014 non si pu\u00f2 parlare di vero e proprio \u201cvibe\u201d.\u201d<\/p>\n\n\n\n

Andre Karpathy ha fornito una definizione pi\u00f9 precisa: \u201cimmergersi completamente nell\u2019atmosfera, abbracciare la crescita esponenziale della tecnologia e dimenticare del tutto che il codice esista\u201d.\u201d<\/p>\n\n\n\n

Questo stile di lavoro riduce notevolmente le barriere allo sviluppo, consentendo anche a chi non ha una formazione ingegneristica di realizzare in autonomia applicazioni complete. Tuttavia, in passato, i casi di successo di questo approccio erano per lo pi\u00f9 limitati a giochi personali o progetti a basso rischio. Quando i non professionisti applicano questo approccio in contesti di produzione reali, spesso si verificano situazioni fuori controllo, come l\u2019esaurimento delle quote API, l\u2019aggiramento della convalida degli abbonamenti o la modifica arbitraria dei database.<\/p>\n\n\n\n

Perch\u00e9 la programmazione intuitiva \u00e8 importante: la logica della crescita esponenziale<\/h2>\n\n\n\n

Se gli ambienti aziendali ad alto rischio presentano fattori incontrollabili, perch\u00e9 dovremmo comunque portare avanti questa tecnologia? La forza trainante principale risiede nella \u201ccrescita esponenziale\u201d delle capacit\u00e0 dell\u2019IA.<\/p>\n\n\n\n

Attualmente, la durata delle attivit\u00e0 che l\u2019IA \u00e8 in grado di gestire in modo autonomo raddoppia all\u2019incirca ogni 7 mesi. Oggi l\u2019IA \u00e8 in grado di portare a termine in modo affidabile attivit\u00e0 di programmazione che richiedono circa 1 ora, e gli sviluppatori hanno ancora le energie per rivederle riga per riga. Ma entro il prossimo anno o quello successivo, quando l\u2019IA sar\u00e0 in grado di generare in un\u2019unica operazione codice equivalente a 1 giorno o addirittura a 1 settimana di lavoro umano, se continueremo a insistere sulla tradizionale revisione e modifica sincrona, gli ingegneri umani diventeranno inevitabilmente il collo di bottiglia nell\u2019esplosione della potenza di calcolo.<\/p>\n\n\n\n

\"Il<\/figure>\n\n\n\n

Possiamo fare riferimento alla storia dei compilatori. I primi sviluppatori non si fidavano dei compilatori e continuavano a controllare il codice assembly sottostante. Con l\u2019aumentare delle dimensioni dei sistemi, gli sviluppatori hanno dovuto imparare a fidarsi delle astrazioni di livello superiore. Guardando al futuro, l\u2019intero settore dell\u2019ingegneria del software deve riflettere in anticipo su come accettare in modo sicuro e responsabile, negli ambienti di produzione, i sistemi generati direttamente da modelli di grandi dimensioni.<\/p>\n\n\n\n

Come applicare il Vibe Coding in produzione<\/h2>\n\n\n\n

Il principio fondamentale della pratica del Vibe Coding in ambiente di produzione \u00e8: dimenticare l'esistenza del codice, ma concentrarsi sempre sull'esistenza del prodotto.<\/p>\n\n\n\n

Nella gestione aziendale moderna, i CTO si affidano ai test di accettazione per gestire gli esperti tecnici, i product manager convalidano le funzionalit\u00e0 provando il prodotto e gli amministratori delegati verificano i modelli finanziari attraverso una selezione di dati chiave. Nessuno di loro si addentra nei dettagli esecutivi di livello pi\u00f9 basso. Anche gli ingegneri del software devono definire livelli di astrazione simili che possano essere verificati senza leggere il codice sottostante.<\/p>\n\n\n\n

La chiave sta nel trovare livelli di astrazione che sia possibile verificare.<\/p>\n\n\n\n

Tuttavia, l'attuale programmazione nel campo dell'intelligenza artificiale presenta un ostacolo tecnico non da poco: il debito tecnico. Al momento, a parte la lettura dell'intero codice sorgente, \u00e8 estremamente difficile misurare o verificare il debito tecnico attraverso metodi sistematici.<\/p>\n\n\n\n

Sulla base di ci\u00f2, Erik Schluntz propone di concentrarsi sui \u201cnodi foglia\u201d nel codice. Questi nodi si riferiscono a funzioni terminali o componenti ausiliari da cui nessun altro modulo dipende. In queste aree, anche se si dovesse accumulare un po\u2019 di debito tecnico, ci\u00f2 \u00e8 accettabile, poich\u00e9 cambiano raramente e non ostacolano la creazione di moduli futuri.<\/p>\n\n\n\n

Al contrario, per quanto riguarda il nucleo centrale e l\u2019architettura di base del sistema, gli ingegneri devono ancora comprendere a fondo e garantire rigorosamente la scalabilit\u00e0.<\/p>\n\n\n\n

Vale la pena notare che, con il miglioramento delle capacit\u00e0 dei modelli, il livello di codice che possiamo affidare all\u2019IA si sta estendendo verso il basso. In recenti test interni condotti da Anthropic, la percentuale di successo dell\u2019IA nella generazione di architetture di alta qualit\u00e0 \u00e8 in aumento e questo limite sta cambiando dinamicamente.<\/p>\n\n\n\n

La competenza fondamentale del \u201cVibe Coding\u201d: pensare come un product manager<\/h2>\n\n\n\n

Affinch\u00e9 l'intelligenza artificiale sia in grado di generare codice ingegneristico di alta qualit\u00e0, gli sviluppatori devono cambiare mentalit\u00e0 e considerarsi come i product manager di Claude<\/a>. Non chiederti cosa Claude possa fare per te; chiediti cosa tu possa fare per Claude.<\/p>\n\n\n\n

Quando si trovano ad affrontare compiti di sviluppo complessi, gli sviluppatori devono guidare l\u2019IA come se stessero inserendo un nuovo dipendente nel suo primo giorno di lavoro. Limitarsi a dare un\u2019istruzione del tipo \u201cimplementa questa funzionalit\u00e0\u201d \u00e8 destinato a fallire. Gli sviluppatori devono fornire indicazioni dettagliate su come orientarsi nel codice e definire chiaramente i requisiti e i vincoli.<\/p>\n\n\n\n

Prima di lasciare che Claude scriva effettivamente il codice, Schluntz dedica solitamente dai 15 ai 20 minuti a interagire con esso. Ci\u00f2 comporta lasciare che l\u2019IA esplori il codice sorgente, individui i file pertinenti e elabori insieme un piano di esecuzione chiaro. Successivamente, tutto questo contesto ben organizzato e le specifiche vengono riuniti in un unico prompt prima dell\u2019esecuzione.<\/p>\n\n\n\n

Grazie a questo processo, il tasso di successo del modello aumenta in modo esponenziale.<\/p>\n\n\n\n

Caso reale: 22.000 righe di codice integrate in un solo giorno<\/h2>\n\n\n\n

Schluntz ha rivelato un caso estremo tratto dall'esperienza concreta all'interno di Anthropic. Il suo team \u00e8 riuscito a integrare con successo una modifica al codice di ben 22.000 righe in un codice di apprendimento per rinforzo in produzione, la maggior parte del quale era stato scritto da Claude<\/a>.<\/p>\n\n\n\n

Per portare a termine questa fusione in modo responsabile, il team ha adottato quattro strategie:<\/p>\n\n\n\n