嗨，我是辉哥，一个致力于使用 AI 技术搞副业的超级个体
随着AI Coding热度高涨，主流的编码方式可以分为Vibe Coding和Spec Coding，今天我们来聊聊两者的特点，结合我的一些个人经验分享，希望能够让你有更好的选择
Vibe Coding介绍
在软件开发领域，Vibe Coding俗称氛围编程，顺应氛围、拥抱指数级能力、忘记代码本身存在的开发方式，强调 "跟着感觉走" 的对话式协作。
通过持续对话与迭代优化结果，流程从 "编写 - 调试 - 优化" 压缩为 "需求 - 生成 - 测试" 闭环，尽量弱化代码的细节
也就是说非常适合创意想法的快速落地，也适合非编程人员从0到1开发一个产品的场景。
Vibe Coding最佳实践
一直以来，有很多人会有一个误区，觉得Vibe Coding生成的代码非常不可控，无法参与复杂项目的开发，我其实是不认可的
在较早的时候，主流大模型的上下文窗口大小非常有限，确实需要一些额外的手段，比如我们以前做得很多的项目知识沉淀文档化，AI Rules通用规则化等方式，来充分利用上下文，让AI写出来的代码更加可控
现在随着大模型的迭代升级，主流大模型上下文窗口已经是百万token级别了，就算用Vibe Coding，用让它参考现有的代码风格，来实现一个新的功能，其实质量也是非常高了，并不需要做更多额外的事情
我觉得最佳的实践，应该在Vibe Coding开始之前，让AI帮我们总结一些内容作为后续的上下文参考。找到需求所在的模块，不管是关联的文件还是入口，能够尽量准确最好，让AI帮我们从入口出发梳理整个核心的流程，包括数据领域模型之间的关联，进行md文档的记录，这个md文档是非常有价值的，可以作为项目长期的知识文档进行沉淀
然后，针对我们的需求，进行会话描述的同时，上下文挂上我们前面总结的md文档，最终的效果质量是非常高的（跟大模型也有很大的关系，推荐最新的GPT或者Claude系列）
Spec Coding介绍
与Vibe Coding不同，Spec Coding有着自己鲜明的特点和适用场景。Spec Coding是基于详细规范的一种编码方式，它更注重精确性。
这种精确性使得Spec Coding非常适合大型、复杂且对稳定性要求高的项目。在大型项目中，往往涉及众多模块和大量代码，如果没有统一的规范和精确的实现，很容易出现代码混乱、难以维护的问题。而Spec Coding可以确保各个部分的代码都符合标准，提高代码的可读性和可维护性。
Spec Coding最佳实践
对于Spec Coding的使用，我强烈推荐使用AWS的Kiro，提供了最完整的 Spec 驱动开发流程，并且有很友好的交互体验
Spec的流程驱动本身就是文档化的，所以在前期我们规划需求、设计、任务阶段，多多参与，充分将项目中所关联的上下文挂载出来，Spec方式文档直接影响我们最终代码的质量，所以一份清晰的文档是可以做到事半功倍的
当然还有一个点，大模型的推理能力也是严重影响代码的质量，在Kiro中现在是一些主流的Claude，也是直接推荐Claude Sonnet4.5或者Claude Opus4.5
总结
不同的项目应该有不同的方式来处理，对于偏Vibe Coding快速落地的项目，应该更加考虑产品的可用性，弱化代码细节；对于复杂度高，或者需要准确性不能出错的项目，不管是Vibe Coding还是Spec Coding都一定要自己review所实现的代码，毕竟AI不可能不出错，我们能够做的只是让其少出错
