Vibe Coding 进阶之路:从氛围编程到工程化实践

FAQ：有AI了还需要手写代码吗？有了AI之后，不一定需要把大量时间花在手写每一行代码上，但仍然需要具备读懂代码、判断代码和修改代码的能力，开发能力的重点会从“手写代码”，转向“能清楚的表达需求"一、重新定义 Vibe Coding:不是偷懒,是换一种方式思考1.核心误解澄清误区:Vibe C...

FAQ：有AI了还需要手写代码吗？

有了AI之后，不一定需要把大量时间花在手写每一行代码上，但仍然需要具备读懂代码、判断代码和修改代码的能力，开发能力的重点会从“手写代码”，转向“能清楚的表达需求"

一、重新定义 Vibe Coding:不是偷懒,是换一种方式思考

1.核心误解澄清

误区:Vibe Coding = 让 AI 替你写代码,自己躺平一直点击接受就行其实不是这样的

真相:Vibe Coding = 让 AI 帮你更快地实现你已经想清楚的东西

关键转变:

从"写代码"到"说需求、验证结果"
从"技术实现细节"到"产品思维和架构设计"
从"单兵作战"到"人机协作" AI其实就相当于你的一个写代码的劳动力 总之就是AI帮助你完成写代码这个动作但是由你来为AI写出来的代码负责任最终完成需求的开发

二、范式演进:从 Vibe Coding → Spec Coding → Loop Programming

2.1 第一阶段:Vibe Coding(氛围编程)

工作原理:

开发者:帮我写一个登录功能
AI:好的,这是一个登录功能的代码...
开发者:跑不通,报错了
AI:让我修改一下...
开发者:还是不行
AI:再试试这个版本...

典型特征:

快速迭代,感觉驱动
缺乏规划,边做边改
产出不稳定,质量参差不齐

2.2 第二阶段:Spec Coding(规格驱动编程)

核心思想:在写代码之前,先写清楚"要做什么"和"怎么做"

工作流程:

1. 编写 Spec(规格文档)
   - 明确需求边界
   - 定义数据结构
   - 设计接口契约
   - 列出验收标准

2. AI 根据 Spec 生成代码
   - 一次性生成完整实现
   - 符合工程规范
   - 可测试、可维护

3. 人工审查和测试
   - 验证是否符合 Spec
   - 检查边界情况
   - 确认代码质量

核心优势:

减少 AI "瞎猜"导致的返工
提高代码质量和可维护性
便于团队协作和知识传递

2.3 第三阶段:Loop Programming(循环编程)

核心突破:不再是人去 prompt AI,而是设计一个 Loop 让 AI 自动运行

Claude Code 创始人 Boris Cherny 的实践:

"我不再 prompt Claude 了。我有一些 Loop 在运行,它们负责 prompt Claude、决定下一步该做什么。我的工作是写 Loop。"

Agent Loop 核心机制:

while (任务未完成) {
  1. 读取当前上下文
  2. 调用模型生成决策
  3. 执行工具调用(读文件、写代码、跑测试)
  4. 将结果写回上下文
  5. 判断是否需要下一轮循环
}

个人理解： Loop Programming 很像“人工约束版 ReAct”。

ReAct 的核心是：

Reason → Act → Observe → Reason → Act → Observe... 思考 → 行动 → 观察结果 → 再思考 → 再行动...

Loop Programming 在 AI 编程里的对应就是：

读代码/分析 → 修改代码 → 运行测试/命令 → 看输出 → 再分析 → 再修改...

可以把它总结成一句话：

Loop Programming = 把 ReAct 用在编程任务上，并用测试/运行结果作为 Observe。

总结：定义一套让 AI 反复执行的工作方式

三、Superpowers ：给 AI 加上工程纪律

Superpowers github仓库（目前只支持Codex、Cursor、Claude Code一些平台）

Superpowers是什么？

Superpowers 是一个 AI 编程脚手架框架，让 AI 在写代码之前先像资深工程师一样思考、规划和验证。

image.png

GitHub Stars:225k+(2026年数据)

核心价值:把 AI 从"听话但毛躁的实习生"升级为"按流程办事的资深工程师"

核心组成：

1.Skills (技能模块)

20+ 个预定义的工程化技能:

image.png

举例：你说 "帮我做一个计划清单的web项目"

Agent 应先触发 brainstorming — 提问、给方案、写设计文档，不写代码
你确认设计后 → writing-plans — 拆成 2–5 分钟的小任务
你说 "开始" → subagent-driven-development — 派子 Agent 逐项实现
实现时 → test-driven-development — 先写失败测试，再写代码（测试驱动开发）
完成后 → verification-before-completion — 跑测试验证，不能空口说"修好了"

2.工作流

强制的多阶段流程:

需求理解 → 设计文档 → 任务拆分 → TDD 实现（测试驱动开发）） → 代码审查 → 验证完成

** **完整工作流:

1. brainstorming(头脑风暴)
   ↓ 苏格拉底式对话,把模糊想法变成清晰设计
   ↓ 产出:docs/superpowers/specs/--design.md

2. using-git-worktrees(使用 Git 工作树)
   ↓ 创建隔离的工作环境,确保不污染主分支
   ↓ 验证干净的测试基线

3. writing-plans(编写计划)
   ↓ 把设计拆成 2-5 分钟的细粒度任务
   ↓ 每个任务包含:精确的文件路径、完整代码、验证步骤

4. subagent-driven-development(子代理驱动开发)
   ↓ 为每个任务派发独立子代理,互相隔离上下文
   ↓ 两阶段审查:
   ↓   F1:规格合规审查(是否违反设计文档?)
   ↓   F2:代码质量审查(风格、性能、安全、边界条件?)

5. test-driven-development(测试驱动开发)
   ↓ RED-GREEN-REFACTOR 循环
   ↓ 写失败测试 → 看到失败 → 写最少代码 → 看到通过 → 重构

6. requesting-code-review(代码审查)
   ↓ 审查是否符合计划
   ↓ 按严重程度报告问题,关键问题阻止继续推进

7. finishing-a-development-branch(完成开发分支)
   ↓ 验证测试通过
   ↓ 呈现选项(合并/PR/保留/丢弃)
   ↓ 清理工作树

用户反馈:

"前面花了两个小时被拷打需求,后面执行只用了 10 分钟,一遍过。"

四、实践建议：如何从 Vibe Coding 走向工程化

从一个主力工具开始

先选 Cursor、Claude Code 或 Trae 其中之一深入使用，比浅尝十个工具更重要。

为项目编写 AI 上下文文档

至少写清楚：项目背景、技术栈、目录结构、常用命令、测试方式、代码规范、禁止事项。

构建自己的 Harness（工程约束系统）

真正的进阶是构建围绕 AI 的工程 Harness，包括：上下文加载、任务拆解、工具调用、测试执行、结果验证、人工审批、知识沉淀。有了 Harness，AI 才不只是聊天窗口，而是可以被纳入工程流程的生产力系统。