面試官皺眉：“你簡(jiǎn)歷上寫精通 AI 編程？” 我自信：“不就是 Vibe Coding？” 他沒(méi)繃住笑：“就這？”

大家好，我是程序員魚皮。

最近有個(gè)朋友跟我說(shuō)，他去面試的時(shí)候，面試官問(wèn)他：“你對(duì) AI 編程了解多少？”

他張口就來(lái)一句 “不就是 Vibe Coding 嗎？跟 AI 對(duì)話而已，有啥難的？”

然后面試官?zèng)]繃住笑，反問(wèn)了一句：“就這？你確定么？”

他愣住了：“阿巴巴巴。。”

如果是 2025 年，這個(gè)答案可能還能唬住很多面試官，因?yàn)槟菚?huì)兒大家一提 AI 編程，腦子里就只有 Vibe Coding。跟 AI 隨便聊幾句，代碼就出來(lái)了，能跑就行。

但 2026 年了，AI 編程的玩法早就不只這一種了！

AI 編程 != Vibe Coding

Vibe Coding 只是 AI 編程眾多模式中的一種，而且是最隨性的那種。如今 AI 編程的模式已經(jīng)非常多了，從跟著感覺(jué)走到按流程來(lái)，從一個(gè)人問(wèn) AI 到一整套方法論驅(qū)動(dòng)，不同場(chǎng)景有不同的最佳實(shí)踐。

今天就給大家一次性講清楚，目前主流的 6 種 AI 編程模式到底是什么？有什么區(qū)別？各自適合什么場(chǎng)景？

搞懂這些，下次面試再被問(wèn)到 AI 編程，你就能從容地掏出一整套體系了。

本文內(nèi)容節(jié)選自魚皮免費(fèi)開(kāi)源的 《AI 編程零基礎(chǔ)入門教程》 中的「Vibe Coding 概念大全」篇，想系統(tǒng)學(xué)習(xí) AI 編程的朋友可以直接去看完整教程。

Vibe Coding 是由計(jì)算機(jī)科學(xué)家 Andrej Karpathy 在 2025 年 2 月提出的概念。它描述了一種全新的編程方式：通過(guò)自然語(yǔ)言和 AI 對(duì)話，讓 AI 幫你寫代碼，你只需要描述需求、測(cè)試結(jié)果、指導(dǎo)方向。

你不需要精通編程語(yǔ)法，只需要能清楚表達(dá)你的想法，AI 負(fù)責(zé)把你的想法變成可運(yùn)行的代碼。

所以說(shuō)，Vibe Coding 的重點(diǎn)不是寫代碼，而是明確需求并清晰表達(dá)。你描述得越清楚，AI 給你的結(jié)果就越靠譜。

這就像點(diǎn)外賣一樣，你告訴外賣平臺(tái)你想吃什么，餐廳幫你做好送到手上。你不需要會(huì)做飯，但要知道自己想吃什么。

適合場(chǎng)景：做小工具、快速驗(yàn)證想法、個(gè)人項(xiàng)目原型、非程序員想快速做出產(chǎn)品。

二、Agentic Engineering 智能體工程

Agentic Engineering 智能體工程是 2026 年 2 月由 Andrej Karpathy（也就是提出 Vibe Coding 的那位大佬）提出的新概念，可以理解為 Vibe Coding 的規(guī)范版。

Vibe Coding 就是跟著感覺(jué)寫代碼：你給 AI 一句話，AI 吐出代碼，能跑就行，跑不了就把報(bào)錯(cuò)粘回去讓 AI 再改。做個(gè)小工具賊拉快，但項(xiàng)目一大就容易翻車。

而 Agentic Engineering 的思路是：你先想清楚要干嘛、寫好方案、拆好任務(wù)，再把活交給 AI 去執(zhí)行，它干完了你還得驗(yàn)收，質(zhì)量不行再打回去重做。

打個(gè)比方，Vibe Coding 的時(shí)候你是個(gè) DJ，放什么歌全憑感覺(jué)；Agentic Engineering 里你是包工頭，流程、質(zhì)量、驗(yàn)收都得你說(shuō)了算。一個(gè)跟著感覺(jué)走，一個(gè)按流程來(lái)。

當(dāng)然，不是說(shuō) Vibe Coding 已經(jīng)過(guò)時(shí)了。Vibe Coding 負(fù)責(zé)讓你看到可能性，Agentic Engineering 負(fù)責(zé)把可能性變成真正能用的東西。二者適用于不同的場(chǎng)景，做小工具時(shí)可以用 Vibe Coding，做企業(yè)級(jí)項(xiàng)目就需要 Agentic Engineering 的思維。

適合場(chǎng)景：中大型項(xiàng)目、團(tuán)隊(duì)協(xié)作、需要長(zhǎng)期維護(hù)的正式產(chǎn)品。

三、Harness Engineering 駕馭工程

Harness Engineering 駕馭工程是 2026 年興起的 AI 工程新范式，核心理念是人類掌舵 + 智能體執(zhí)行。

它不是去優(yōu)化 AI 模型本身，而是圍繞 AI 智能體搭建一整套約束機(jī)制、反饋循環(huán)和工作流管理系統(tǒng)，讓原本不可預(yù)測(cè)的 AI 在高可靠性環(huán)境下跑得穩(wěn)、跑得快。

Harness 這個(gè)詞本意是 “馬具”，就像韁繩和馬鞍用來(lái)引導(dǎo)強(qiáng)大但難以預(yù)測(cè)的馬匹一樣，Harness Engineering 就是圍繞 AI 編程智能體搭建的整套 “運(yùn)行環(huán)境”，確保 AI 能按照你的預(yù)期工作。

Harness Engineering 包含三大核心支柱：

1. 上下文工程：確保 AI 在正確的時(shí)間獲得正確的信息，包括代碼庫(kù)文檔、架構(gòu)規(guī)范、AGENTS.md 文件、測(cè)試結(jié)果等

2. 架構(gòu)約束：通過(guò)代碼規(guī)范檢查器、自動(dòng)化測(cè)試等機(jī)制，強(qiáng)制規(guī)定 AI 必須遵守的規(guī)則，明確的邊界能讓 AI 更快地收斂到正確的解決方案

3. 熵管理：定期清理 AI 生成代碼中積累的問(wèn)題，比如過(guò)時(shí)文檔、命名偏差、死代碼等

為什么這個(gè)概念越來(lái)越重要呢？

因?yàn)樵?AI 編程時(shí)代，模型本身已經(jīng)是通用商品，真正的競(jìng)爭(zhēng)力在于你圍繞模型搭建的工程體系。同一個(gè)大模型，在不同的 Harness 環(huán)境下，代碼質(zhì)量可能天差地別。程序員的角色正在從 “自己寫代碼” 轉(zhuǎn)變?yōu)?“設(shè)計(jì)讓 AI 可靠寫代碼的系統(tǒng)”。

適合場(chǎng)景：企業(yè)級(jí) AI 開(kāi)發(fā)、對(duì)代碼質(zhì)量和穩(wěn)定性要求高的項(xiàng)目、需要多人協(xié)作的長(zhǎng)期項(xiàng)目。

四、Ralph Wiggum Loop

Ralph Wiggum Loop 是 2026 年比較流行的一種 AI 編程模式，名字來(lái)源于《辛普森一家》中那個(gè)執(zhí)著不放棄的角色 Ralph Wiggum。

這個(gè)模式目前已有多個(gè)開(kāi)源實(shí)現(xiàn)，比如 wiggumdev/ralph。它的核心思路很簡(jiǎn)單：把 AI 放在循環(huán)中反復(fù)執(zhí)行，直到需求文檔中的所有檢查項(xiàng)全部完成。

工作流程大概是這樣的：

1. 先寫一份 PRD（產(chǎn)品需求文檔），把要做的功能拆解成一個(gè)個(gè)清晰的檢查項(xiàng)

2. 讓 AI 智能體開(kāi)始執(zhí)行，每次從檢查清單中取出未完成的任務(wù)

3. AI 完成一個(gè)任務(wù)后，通過(guò) Git 提交代碼并記錄進(jìn)度

4. 以全新的上下文開(kāi)始新一輪迭代，繼續(xù)處理剩余任務(wù)

5. 不斷循環(huán)，直到所有檢查項(xiàng)完成

這種模式的巧妙之處在于，每輪循環(huán)都以干凈的上下文開(kāi)始（通過(guò) Git 和文件來(lái)持久化進(jìn)度），避免了長(zhǎng)對(duì)話中 AI 容易斷片兒的問(wèn)題。而且可以無(wú)人值守地運(yùn)行，你寫好 PRD 就可以去睡覺(jué)了，第二天起來(lái)檢查成果就行。

不過(guò)要注意設(shè)置好循環(huán)次數(shù)限制和 Token 預(yù)算，防止 AI 陷入無(wú)限循環(huán)瘋狂燒錢。

適合場(chǎng)景：功能明確且可拆解的項(xiàng)目、想讓 AI 無(wú)人值守地干活、任務(wù)量大但單個(gè)任務(wù)相對(duì)獨(dú)立。

五、BMAD 敏捷 AI 開(kāi)發(fā)方法

BMAD-METHOD（Breakthrough Method of Agile AI-Driven Development，突破性敏捷 AI 驅(qū)動(dòng)開(kāi)發(fā)方法）是一套系統(tǒng)化的 AI 智能體開(kāi)發(fā)框架，目標(biāo)是將原本混亂的 AI 編程過(guò)程變得結(jié)構(gòu)化、可復(fù)用。

BMAD 使用角色化智能體的方式組織開(kāi)發(fā)流程，每個(gè)智能體扮演特定角色：

• Analyst Agent 分析師：創(chuàng)建項(xiàng)目簡(jiǎn)報(bào)，包含市場(chǎng)分析和用戶畫像

• PM Agent 產(chǎn)品經(jīng)理：將簡(jiǎn)報(bào)轉(zhuǎn)化為詳細(xì)的產(chǎn)品需求文檔（PRD）

• Architect Agent 架構(gòu)師：設(shè)計(jì)技術(shù)實(shí)現(xiàn)方案和系統(tǒng)架構(gòu)

BMAD 中的智能體分為兩種類型：

• Simple Agents 簡(jiǎn)單智能體：?jiǎn)挝募⒆园m合代碼審查、文檔生成等聚焦任務(wù)

• Expert Agents 專家智能體：具有跨會(huì)話持久記憶，配有專屬文件夾存放資源，適合復(fù)雜的多步驟工作流

每個(gè)智能體都有標(biāo)準(zhǔn)化的組成部分，包括人設(shè)（角色、身份、溝通風(fēng)格、原則）、能力列表、交互菜單，以及可選的關(guān)鍵行動(dòng)。

BMAD 在 GitHub 上獲得了幾萬(wàn)+ Star，說(shuō)明這種結(jié)構(gòu)化的 AI 開(kāi)發(fā)方法正在被越來(lái)越多的開(kāi)發(fā)者認(rèn)可。

適合場(chǎng)景：從零開(kāi)始的完整項(xiàng)目、需要走完分析-設(shè)計(jì)-開(kāi)發(fā)全流程的產(chǎn)品、團(tuán)隊(duì)想要標(biāo)準(zhǔn)化 AI 開(kāi)發(fā)流程。

六、SDD 規(guī)范驅(qū)動(dòng)開(kāi)發(fā)

SDD（Spec-Driven Development 規(guī)范驅(qū)動(dòng)開(kāi)發(fā)）是 AI 時(shí)代的一種新型開(kāi)發(fā)方法論，強(qiáng)調(diào)在編碼之前先創(chuàng)建明確的、AI 能直接理解和執(zhí)行的規(guī)范文檔。

傳統(tǒng)開(kāi)發(fā)流程是：想到什么寫什么，邊寫邊改，最后再補(bǔ)文檔。這樣容易導(dǎo)致需求不清晰、代碼和文檔對(duì)不上。

而 SDD 的思路正好相反：先把需求寫成規(guī)范文檔，并且把規(guī)范文檔當(dāng)作代碼的唯一真相來(lái)源。

你可以把規(guī)范文檔理解為 “項(xiàng)目憲法”，它包含了詳細(xì)的需求描述、系統(tǒng)設(shè)計(jì)和接口定義。AI 必須嚴(yán)格遵守這些條文來(lái)生成代碼，確保產(chǎn)出完全符合預(yù)期。

為什么 SDD 越來(lái)越受重視？

因?yàn)?AI 生成代碼的質(zhì)量直接取決于上下文的清晰度，而不僅僅是依靠提示詞技巧。一個(gè)清晰的規(guī)范文檔能比任何 Prompt 黑魔法更有效地減少錯(cuò)誤。

SDD 的典型工作流程如下：

1. Constitution 制定準(zhǔn)則：定義項(xiàng)目的基本原則、代碼規(guī)范、性能標(biāo)準(zhǔn)

2. Specify 編寫規(guī)范：描述要做什么功能、為什么做、用戶需求是什么

3. Clarify 澄清疑問(wèn)：讓 AI 提出結(jié)構(gòu)化問(wèn)題，明確邊界情況和錯(cuò)誤處理

4. Plan 制定方案：確定技術(shù)棧、系統(tǒng)架構(gòu)、數(shù)據(jù)模型、API 接口

5. Tasks 拆解任務(wù)：把計(jì)劃拆解成可執(zhí)行的任務(wù)列表，標(biāo)注依賴關(guān)系和優(yōu)先級(jí)

6. Implement 執(zhí)行實(shí)現(xiàn)：AI 按照任務(wù)列表生成代碼，人類驗(yàn)證

其實(shí)這和程序員在企業(yè)中開(kāi)發(fā)項(xiàng)目的標(biāo)準(zhǔn)流程非常相似，只不過(guò)執(zhí)行者從人變成了 AI。

2025 年 9 月，GitHub 發(fā)布了開(kāi)源的 Spec Kit 工具包，幫助開(kāi)發(fā)者在 AI 編程中實(shí)踐 SDD 方法論。它支持 Claude Code、GitHub Copilot 等主流編程工具，通過(guò)一套斜杠命令引導(dǎo)你完成上述流程。即使你不是軟件開(kāi)發(fā)專家，也能在 AI 的引導(dǎo)下輕松地走完規(guī)范的項(xiàng)目開(kāi)發(fā)流程。

適合場(chǎng)景：需求復(fù)雜且明確的項(xiàng)目、對(duì)代碼質(zhì)量要求高的場(chǎng)景、團(tuán)隊(duì)多人協(xié)作開(kāi)發(fā)。

對(duì)比一下

學(xué)完這些模式后，再來(lái)給大家用一張表格來(lái)匯總：

模式

一句話總結(jié)

上手門檻

適合項(xiàng)目規(guī)模

Vibe Coding

跟著感覺(jué)走，能跑就行

小項(xiàng)目/原型

Agentic Engineering

包工頭模式，先規(guī)劃再執(zhí)行

中等

中大型項(xiàng)目

Harness Engineering

給 AI 套上韁繩，搭建可靠的運(yùn)行環(huán)境

較高

企業(yè)級(jí)項(xiàng)目

Ralph Wiggum Loop

寫好清單讓 AI 循環(huán)干，干完為止

中等

功能明確的中型項(xiàng)目

BMAD

角色扮演式開(kāi)發(fā)，分析師+產(chǎn)品+架構(gòu)全上

中等

從零開(kāi)始的完整產(chǎn)品

SDD

先寫規(guī)范文檔，再讓 AI 照著做

中等

需求明確、質(zhì)量要求高的項(xiàng)目

注意，這些模式之間并不是互相排斥的，實(shí)際開(kāi)發(fā)中完全可以混著用。比如用 SDD 先把規(guī)范寫好，再用 BMAD 的角色化智能體去執(zhí)行，底層用 Harness Engineering 的思路來(lái)約束 AI 的行為。靈活組合，效果更佳。

最后

回到開(kāi)頭那個(gè)面試場(chǎng)景，如果你只知道 Vibe Coding，說(shuō)明你還停留在 AI 編程的入門階段。但如果你能把這 6 種模式的適用場(chǎng)景和優(yōu)劣講清楚，面試官大概率會(huì)對(duì)你刮目相看。

話說(shuō) AI 編程這個(gè)領(lǐng)域變化太快了，現(xiàn)在的最佳實(shí)踐，過(guò)幾個(gè)月可能就會(huì)有更好的替代方案。保持學(xué)習(xí)、多動(dòng)手嘗試，比記住任何一個(gè)概念都重要。

如果你是剛開(kāi)始學(xué)習(xí) AI 編程，肯定是從 Vibe Coding 學(xué)起，如果你想系統(tǒng)學(xué)習(xí) AI 編程的完整知識(shí)體系、快速做出企業(yè)級(jí)項(xiàng)目和商業(yè)產(chǎn)品，可以看我免費(fèi)開(kāi)源的，GitHub Star 數(shù)破萬(wàn)，涵蓋從零基礎(chǔ)入門到項(xiàng)目實(shí)戰(zhàn)再到產(chǎn)品變現(xiàn)的全流程。

開(kāi)源倉(cāng)庫(kù)：https://github.com/liyupi/ai-guide

我是魚皮，持續(xù)分享 AI 編程干貨，學(xué)會(huì)的話歡迎點(diǎn)贊收藏關(guān)注哦，也歡迎評(píng)論區(qū)聊聊你現(xiàn)在用過(guò)哪些 AI 編程模式~

一些對(duì)大家有用的資源：
100+ 編程學(xué)習(xí)路線 / 實(shí)戰(zhàn)項(xiàng)目 / 求職指導(dǎo)
100+ 簡(jiǎn)歷模板
300+ 企業(yè)面試題庫(kù) mianshiya.com
500+ AI 資源大全
1 對(duì) 1 模擬面試
動(dòng)畫學(xué)算法教程