Glossario: Termini di Vibe Coding Spiegati

• Vibe Coding • AI Coding • Prompt Engineering • Large Language Model (LLM) • Natural Language Programming • Code Generation • AI-assisted Development • Revisione Umana • Pair Programming con AI • Token • Context Window • Hallucination • Temperatura (Temperature) • Fine-tuning • Transfer Learning

Approccio allo sviluppo software in cui descrivi il comportamento desiderato e i requisiti in linguaggio naturale (italiano, inglese, ecc.), e un modello di IA avanzato genera automaticamente il codice corrispondente. Il developer umano verifica, approva e integra il risultato.

Invece di scrivere un'API REST manualmente, dici: "Creami un endpoint POST /orders che accetti nome cliente, email, indirizzo e importo. Valida l'email e salva in database."

Generico termine per descrivere l'uso di modelli di intelligenza artificiale per aiutare nello sviluppo software. Include code generation, code completion, bug fixing automatico.

GitHub Copilot è un esempio di AI Coding: mentre digiti, suggerisce il prossimo codice.

L'arte e la scienza di formulare domande/istruzioni precise all'AI per ottenere risposte di qualità. Nel Vibe Coding, un buon prompt genera codice migliore.

Prompt scarso: "Crea un form". Prompt ottimo: "Crea un form per ordinazioni online che chieda: nome completo (obbligatorio), email (validata), indirizzo (con autocomplete), metodo pagamento (PayPal o carta)."

Un modello di intelligenza artificiale addestrato su enormi quantità di testo e codice. Ha imparato i pattern del linguaggio naturale e del codice. Claude, GPT-4, Llama sono esempi.

Un LLM contiene miliardi di parametri (pesi) che gli permettono di predire il token (parola) successivo in una sequenza.

Programmazione in linguaggio naturale anziché in linguaggio di programmazione formale. Dici cosa vuoi, l'AI lo traduce in codice.

Invece di "if (user.age >= 18 && user.verified === true)", dici: "Mostrami solo gli utenti verificati maggiorenni".

Il processo mediante il quale un AI genera automaticamente codice completo (non solo snippet) basato su una descrizione umana.

Dai "Creami una web app per gestire inventario" all'AI e ricevi database schema, API, UI component, tutto generato.

Approccio allo sviluppo dove il developer lavora insieme a un modello AI: il developer descrive, l'AI suggerisce/genera, il developer rivede e adatta.

Nel Vibe Coding, il developer è il "pilota" e l'AI è il "co-pilota intelligente".

Il processo critico in cui un developer esperto esamina il codice generato dall'AI per verificare correttezza, security, performance. Non è opzionale, è essenziale.

L'AI genera un login system. Il developer verifica: le password sono hashate? C'è protezione contro brute force? Sono state considerare le SQL injection?

Situazione dove il developer e l'AI lavorano insieme: il developer specifica, l'AI suggerisce, il developer integra. È come il pair programming tradizionale ma con una macchina.

Developer: "Aggiungi validazione per email duplicate". AI genera il codice. Developer: "OK ma aggiungi anche un messaggio d'errore personalizzato".

L'unità di base in cui gli LLM leggono e scrivono testo. Un token è più piccolo di una parola (ad es. "hello" = 1 token, "AI" = 1 token, ma "unprecedented" = 3 token).

Quando dici "Creami un'app", l'AI legge/processa ~4 token. La tua descrizione lungo il prompt consuma migliaia di token.

La lunghezza massima del testo che un LLM può "leggere" e "ricordare" in una singola conversazione, misurata in token. Claude supporta fino a 200.000 token.

Se il tuo progetto è enorme, descrivi tutto in una volta o rischia di "dimenticare" i requisiti iniziali.

Quando un LLM genera informazioni false o incoerenti, anche se sembrano plausibili. Non sa di sbagliare.

L'AI genera un codice che usa una libreria che in realtà non esiste. O cita una funzione inesistente. Per questo serve la revisione umana.

Un parametro che controlla quanto "creativo" è l'AI. Temperatura alta = più variabilità e rischio di errori. Bassa = più conservatore e prevedibile.

Per code generation, temperature bassa (0.3) è meglio: vogliamo codice corretto, non creativo. Per brainstorming, temperatura alta va bene.

Processo di addestramento ulteriore di un LLM su dati specifici (es. il tuo codebase, il tuo stile). Lo rende più specializzato ma richiede risorse significative.

Se hai 10.000 progetti in una tecnologia specifica, puoi fare fine-tuning su quella tecnologia e l'AI diventerà esperta.

Tecnica di machine learning in cui il modello trasferisce conoscenze acquisite su un task a un altro task. Gli LLM usano transfer learning: addestrati su testo generico, poi specializzati su codice.

Claude è addestrato prima su testo internet generale, poi specializzato su codice. Transfer learning consente di mantenere la comprensione generale pur diventando esperto in codice.

Torna a Vibe Coding → Calcola preventivo →