AI编程系列之1：AI 编程的三种范式——从 Copilot 到 Agent 到 Spec

- 前言
- [1. Vibe Coding：感觉驱动的编程新范式](#1. Vibe Coding：感觉驱动的编程新范式)
- - [1.1 Vibe Coding 的四条核心原则](#1.1 Vibe Coding 的四条核心原则)
  - [1.2 Vibe Coding 适用与不适用](#1.2 Vibe Coding 适用与不适用)
- [2. Agentic Engineering：工程化升级范式](#2. Agentic Engineering：工程化升级范式)
- - [2.1 为什么纯 Vibe Coding 在大项目中不够用](#2.1 为什么纯 Vibe Coding 在大项目中不够用)
  - [2.2 什么是智能体（Agent）](#2.2 什么是智能体（Agent）)
  - [2.3 任务分解的 MECE 原则](#2.3 任务分解的 MECE 原则)
- [3. SDD：规范驱动开发，三层"合同"](#3. SDD：规范驱动开发，三层"合同")
- - [3.1 为什么需要"规范"](#3.1 为什么需要"规范")
  - [3.2 PRD：需求规范，写"做什么"](#3.2 PRD：需求规范，写"做什么")
  - [3.3 SPEC：技术规范，写"怎么做"](#3.3 SPEC：技术规范，写"怎么做")
  - [3.4 质量规范与文件组织](#3.4 质量规范与文件组织)
- [4. 为什么大项目必须从 Vibe Coding 升级](#4. 为什么大项目必须从 Vibe Coding 升级)
- - [4.1 复杂度阈值：项目从 100 行到 1 万行](#4.1 复杂度阈值：项目从 100 行到 1 万行)
  - [4.2 协作阈值：从 1 个人到 5 个人](#4.2 协作阈值：从 1 个人到 5 个人)
  - [4.3 维护阈值：从"能跑"到"长期演进"](#4.3 维护阈值：从"能跑"到"长期演进")
- [5. 三种范式的适用场景对比](#5. 三种范式的适用场景对比)
- 结语

前言

过去三年，"AI 写代码"从一个猎奇话题变成了工程师的日常工具。但工具更迭的同时，背后的编程范式也在悄悄迁移：从最早的代码补全，到现在的智能体自主执行，再到新兴的"规范驱动"工作流。如果你只关注具体工具，而不理解范式差异，很容易在项目变大时撞上"为什么 AI 越帮越忙"的天花板。

这篇博客要回答的核心问题只有三个：Vibe Coding、Agentic Engineering、SDD 到底在说什么？它们各自的适用场景是什么？为什么大型项目必须从 Vibe Coding 升级到 Agentic Engineering？我们会用具体例子、对比表和决策建议，帮你建立一张清晰的范式地图。

1. Vibe Coding：感觉驱动的编程新范式

2025 年初，前 OpenAI / Tesla AI 主管 Andrej Karpathy 提出了一个让整个开发圈既兴奋又警惕的概念------Vibe Coding。他的原话非常口语化："完全沉浸在氛围中，拥抱指数级增长，忘记代码的存在。"

翻译成大白话就是：不要纠结代码的每一个细节，跟着感觉走，让 AI 帮你把想法变成能跑的东西。

1.1 Vibe Coding 的四条核心原则

Vibe Coding 不是"乱来"，它有清晰的底层逻辑：

意图优先：先描述你想要什么效果（"做一个深色主题的登录页"），而不是告诉 AI 怎么写代码（"用 Tailwind 的 bg-gray-900 配 text-white"）。
快速迭代：不追求一次完美，拥抱"生成 → 测试 → 修正"的循环。第一次跑出来丑，没关系，再说一遍"按钮再圆一点"就行。
信任但验证：相信 AI 的能力，但永远检查关键逻辑------尤其是数据库、认证、支付等涉及钱和安全的代码。
上下文经营：持续维护和优化你提供给 AI 的背景信息（项目说明、风格约束、禁区规则），让 AI 越来越懂你。

1.2 Vibe Coding 适用与不适用

Vibe Coding 最适合的场景是"试错成本低、可视化反馈快"的任务：

原型开发、概念验证（最快速度把想法变成可运行的东西）
个人项目、学习项目
探索性编程（不确定最终效果，边做边看）
UI / 前端开发（截图就是反馈，容易判断好不好）

需要谨慎的场景是那些"出错代价巨大、且问题藏得很深"的地方：生产环境的金融交易系统、医疗数据处理、性能极致要求的核心服务，以及所有涉及安全敏感逻辑（认证、加密、权限）的代码。Vibe Coding 的精髓是改变你的关注点------从关注"代码怎么写"转向关注"产品好不好用"。但这句话反过来也成立：当你必须关注"代码怎么写"才能保证正确性时，Vibe Coding 就该退场了。

2. Agentic Engineering：工程化升级范式

当 Vibe Coding 撞上"几千行代码的中型项目"，问题就开始出现了。

2.1 为什么纯 Vibe Coding 在大项目中不够用

四种典型症状：代码质量不可控，AI 写出能跑但很乱的代码，几个月后没人敢动；前后矛盾，AI 在不同对话中给出相互冲突的实现方式；缺乏全局视角，AI 只关注当前的小任务，忽略对整体架构的影响；难以协作，没有统一规范时，多个人或多次会话的代码风格各异。

这就像建房子------自己搭一个小木屋可以随意发挥，但要建一栋大楼就必须有图纸、有规范、有质检。Agentic Engineering 就是那套图纸、规范和质检体系。

2.2 什么是智能体（Agent）

在 AI 编程语境中，智能体（Agent） 是一个能自主完成任务的 AI 系统。它和普通 AI 聊天有本质区别：

维度	普通 AI 聊天	智能体（Agent）
行为	你问一句，它答一句	你说一个目标，它自己规划并执行多个步骤
能力	只能生成文字	能读写文件、运行命令、搜索代码、调用工具
主动性	被动回答	主动规划、主动发现问题
记忆	仅限当前对话	可以有长期记忆
比喻	百科全书	实习生程序员

智能体的工作循环是 Plan-Act-Observe-Reflect（规划-行动-观察-反思）的四步循环，优秀的 AI 编程智能体不会一股脑把所有代码写出来，而是先思考再行动。

2.3 任务分解的 MECE 原则

Agentic Engineering 区别于"乱来"的关键是任务分解。推荐用 MECE 原则（Mutually Exclusive, Collectively Exhaustive，相互独立、完全穷尽）把大目标拆成不重叠、不遗漏的子任务。

比如把"构建一个博客系统"分解为：用户系统、文章系统、评论系统、分类标签、部署上线------5 个子任务互不重叠，合在一起覆盖全部功能。在使用 Claude Code 这样的 Agent 工具时，最佳实践永远是先让 AI 制定计划，你确认后再执行，而不是一上来就让它开始写代码。

3. SDD：规范驱动开发，三层"合同"

Vibe Coding 解决了"快"的问题，Agentic Engineering 解决了"自主"的问题，但还有一个更根本的问题没解决：人和 AI 之间的沟通精度。

3.1 为什么需要"规范"

你有没有过这种经历：在淘宝买衣服时，你描述"我要一件好看的衣服"，结果收到的和你想的完全不一样？这就是沟通不精准导致的。AI 编程也是一样------"垃圾进，垃圾出"，模糊的需求必然导致不准确的结果。

规范（Specification）就是你和 AI 之间的"合同"，它明确写清楚要做什么（功能需求）、怎么做（技术方案）、做到什么程度（质量标准）。

3.2 PRD：需求规范，写"做什么"

PRD（Product Requirements Document，产品需求文档） 描述的是"要做什么"。两个常用模板：

用户故事（User Story）格式：

复制代码

作为一个 [角色]，
我希望 [功能]，
以便 [价值/目的]。

验收标准（Acceptance Criteria）格式：

复制代码

Given（前提条件）：系统中有 20 篇文章，其中 5 篇标记了"Python"标签
When（操作）：用户点击"Python"标签
Then（预期结果）：页面只显示这 5 篇标记了"Python"标签的文章

一个非常实用的技巧是让 AI 帮你把模糊想法变成结构化 PRD------直接给 AI 一个 Prompt，让它按章节生成。

3.3 SPEC：技术规范，写"怎么做"

SPEC（Technical Specification，技术规范文档） 描述的是"怎么做"。完整 SPEC 包含 5 个模块：系统架构（前后端如何交互）、技术选型（用什么框架，比如 Next.js + Prisma + SQLite）、数据模型（数据库表结构设计）、API 接口（URL、请求参数、返回格式）、目录结构（代码放哪个文件夹）。

规范文件最大的价值之一是------可以直接作为 AI 工具的上下文输入。当你把 SPEC.md 的内容提供给 Claude Code 时，它就能精准地按照你的技术方案来写代码。

3.4 质量规范与文件组织

质量规范定义"做到什么程度算合格"：编码规范（代码风格、命名规则、注释要求）、测试规范（覆盖哪些场景）、安全规范（输入验证、认证授权、数据保护）。

建议在项目根目录下创建 specs/ 文件夹统一管理：PRD.md、SPEC.md、ARCHITECTURE.md、API.md------所有规范文件都是 AI 可以"读懂"的合同文本。

4. 为什么大项目必须从 Vibe Coding 升级

范式升级的本质原因，是项目复杂度的增长打破了"感觉驱动"的前提条件。

4.1 复杂度阈值：项目从 100 行到 1 万行

Vibe Coding 之所以在小项目里好用，是因为单个会话的 AI 上下文能装下整个项目，AI 改一处就理解了全局。但当代码量从 100 行涨到 1 万行、10 万行，单次会话的上下文已经装不下所有细节，AI 不可避免地开始"近视"------它只看到被召唤出来的那几行代码，忘了整个项目的架构约定。

4.2 协作阈值：从 1 个人到 5 个人

单人项目用 Vibe Coding 很爽，但一旦团队超过 2-3 人，没有规范的代码会迅速分化。Agentic Engineering 提供的"Plan-Act-Observe-Reflect"循环和任务分解，是让多个人（以及多个 AI 会话）协同工作的语言。

4.3 维护阈值：从"能跑"到"长期演进"

Vibe Coding 项目最常见的问题：3 个月后想加新功能，发现原来的代码"能跑但没人敢动"。SDD 通过规范文档把决策固化下来，让项目从"一次性的实验"变成"可以持续演进的产品"。

5. 三种范式的适用场景对比

下面这张表是这一篇最重要的产物：

维度	Vibe Coding	Agentic Engineering	SDD
核心思路	跟着感觉走，快速迭代	自主规划-执行-验证	先写规范，再让 AI 执行
适合项目	原型、个人项目、UI 实验	中大型项目、长期维护	复杂业务、多人协作
项目规模	几十到几百行	几千到几万行	几万行以上
团队规模	1 人	1-3 人	3 人以上
沟通方式	自然语言模糊描述	自然语言 + 任务分解	PRD + SPEC + 质量规范
AI 角色	创意伙伴	自主执行的工程师	按规范交付的承包商
失败成本	低	中	高（必须用 SDD）
学习曲线	最低	中等	较陡
典型工具	Cursor Chat、Claude.ai	Claude Code、Codex	Claude Code + 规范文档

实操建议是这样的：Vibe Coding 永远是你的起点------当想法模糊时，先用 Vibe Coding 跑出第一个能用的版本；当项目开始变大、变多人、变长期时，逐步叠加 Agentic Engineering 的工作流；当项目进入生产环境、有明确业务约束时，把 SDD 的规范层补上。这三层不是互斥的，而是一层层叠加的关系：一个成熟的 AI 编程项目，往往同时使用三种范式。

结语

这一篇帮你建立了一张"AI 编程范式地图"：Vibe Coding 解决了"快"、Agentic Engineering 解决了"自主"、SDD 解决了"精准"。三者不是非此即彼的关系，而是可以叠加使用的不同工具。