适合很多公司和团队的 AI Coding 落地范式(一)

大家好,我是 lv。

我从 0 ~ 1 探索前端 AI 落地,到现在已经 3 年多时间了。

从一开始的 V0、Bolt、Github Copilot、Devin 等 AI Coding 平台 ,到现在市面上成熟的 AI Coding 基建,如 Cursor 、Claude Code 等。

不同的产品形态都有自己的受众人群、面向的场景、以及解决的问题。

下面这个系列,总共两篇文章,我们来探讨,基于不同形态的 AI Coding 产品,适合很多公司和团队的 AI Coding 落地范式。

有同学也已经在团队内部落地实施了这套范式。

不多说,开始第一篇~

欢迎加入最懂 AI 的前端伙伴们群

AI Coding 生态现状

现在市面上的 AI Coding 产品,我们划分为两大类型:

  • AI Coding 平台类产品:如 Bolt New、V0、Lovable、Compoder 等。

Compoder 是一个 AI 驱动的组件代码生成引擎,可以基于它定制基于特定技术栈(React、Vue、开源组件库、私有组件库)、特定业务场景(landing page 等)的组件代码生成器。

详见: github.com/IamLiuLv/co...

  • AI Coding 基建类产品:具有代表性的如 Cursor、Claude Code 等,这也是程序员现在日常工作都高频使用的产品。

不同产品形态的侧重点

先聊 AI Coding 平台类产品,平台方(V0、Bolt New、Lovable、Compoder)已经内置了一整套产品研发的环境,同时把 AI 融入到了这个研发的环境中。

作为用户来说,核心的三个步骤就是:

1、输入需求(prompt)

2、查看效果(preview)

3、发布上线(deploy)

中间的代码生成、代码运行环境、代码执行效果、构建发布等,这都都交给了平台方。

那作为 AI Coding 基建来说,其实本质上就是把 AI 生成代码的能力集成到了现有程序员的编码环境中来。

对于开发人员来说,相当于在产品研发的各个环节多个一个很强的 AI 助手,随时提供帮助。

所以这种 AI Coding 基础建的产品形态作为程序员来说,用起来的心智负担会更小。

下面我们来聊下他们的优缺点。

不同产品形态的优缺点

总结起来一句话:AI Coding 平台类产品的门槛低,但灵活性有限 ,AI Coding 基建类产品的门槛相对较高,同时灵活性也更高。

这里的优缺点是这两类产品相比较于对方来说的。

举一个例子:

我们可以基于 V0 快速生成一个产品的原型代码出来,也可以迅速发布上线到 Vercel 平台上。

如果原型代码本身不需要进行后续的维护和迭代,保持当前的形态,那 V0 产品就足够了。

但是如果我们进行后续的迭代开发,那么 V0 产品就不太能够满足需求了。

首先从技术栈来说,V0 大概率生成的是 nextjs + shadcnui 技术栈的代码(自家产品,自产自销),如果公司团队内部使用的是其它技术栈,那基于 V0 定制特定技术栈的代码就比较麻烦了。

这里加一句 ,Compoder 产品的其中一个形态是属于 AI Coding 平台类的产品,和市面上其他 AI Coding 平台类产品对比起来,灵活性会更高,用户可以基于 Compoder 定制基于特定技术栈、代码规范的代码生成器,具体我们下一篇文章再探讨。

言归正传。

所以对于需要进行长期迭代的项目来说,AI Coding 基建类产品会更加合适。

比如说,我可以基于 Cursor 的 Rules 能力,定制化出一套符合公司内部研发规范的代码生成规则,然后基于这套规则,我可以快速生成符合公司内部研发流程的代码。

尤其是在基于已有复杂项目的迭代场景下,我们需要深入到代码实现细节进行调节,那就需要很灵活的 AI 辅助能力来配合。

如果我选择的是 Cursor,那我的迭代开发路径大概是:Vibing => Plan => Coding

Vibing: 在 Chat 模式下,和 AI 聊天,梳理需求、讨论方案。

Plan: 在 Plan 模式下,规划具体的技术方案实现路径,具体到针对哪些文件进行哪些更高。

Coding: 基于 Plan 出来的技术方案实现路径,Agent Build 实际的代码。

不同产品形态面向的人群

基于以上分析,我们可以理解不同产品形态面向的人群大致分布情况。

下图中的 75% 和 25%,不代表实际的值,只是为了方便对比。

AI Coding 基建类产品,程序员是绝对的主力军,占了大多数。

AI Coding 平台类产品,面向的人群大部分是 非程序员,尤其是程序员的上游岗,如产品经理、设计师、运营等。

适合很多公司和团队的 AI Coding 落地范式

不同形态的 AI Coding 产品,在公司和团队中,面向的人群,解决的问题场景是不同的。

了解了不同 AI Coding 产品的不同形态、特征、优缺点和面向的人群之后。

下一篇文章,我们来探讨,AI Coding 平台类产品、以及 AI Coding 基建类产品,在公司和团队中,落地的范式是什么样的。

相关推荐
OpsEye2 分钟前
大模型 Token 计量不准,是什么原因,怎么解决??
javascript·ai编程
西安小哥1 小时前
把 200K 上下文跑满之后,我给编码智能体立了四条规矩
aigc·ai编程
西安小哥1 小时前
让大模型稳定输出 JSON,我换了三次方案,最后败给一个土办法
ai编程
梦de天空一米16881 小时前
【一个重复id让游戏卡在62%,聊聊配置表检查】
前端
ryn483981 小时前
01 一个功能模块,怎么分层才不乱
前端·ai编程·claude
文谦南宁AI普工1 小时前
CVSS 10.0 沙箱逃逸 + 假扩展后门:给 Agent 开发者的供应链与沙箱安全复盘(附可跑的配置审计器)
安全·agent·ai编程
vivo互联网技术1 小时前
把 Agent 的判断与行动变成可恢复的软件事实|KDC 系列 工程篇
架构·agent·ai编程
T_Wizard1 小时前
后端转 AI 应用开发,我先把这 12 个名词理清了:一张图看懂架构、RAG、Tool Calling 与 MCP
java·ai编程
徐开泉1 小时前
每天早上六点问一遍:固定问法监测的调度设计与去重键(2026)
aigc
Amos_Web1 小时前
通过 Rspack 源码学 Rust(五):读懂 Result 与问号运算符的错误返回
前端