智能体｜ AI coding 协作式编程

AI coding 出现后，传统项目角色分工和协作方式发生了改变。工程师不再是"写代码的人"，而是"指挥 AI Agent 写代码的人"。这种转变不仅是角色的变换，更是编程范式的升级。更有人豪言，Al coding 后，再无“古法”编程，不论对错，冲击效果确实很大。

以 AI coding 为中心，主要介绍：

1）从古法编程到 vibe coding 再到智能体编程的转变。 2）规范驱动开发SDD的新模式，以匹配AI coding的超凡编程能力。 3）几种SDD 开发工具的适用场景和选择推荐。

1，AI coding 方式的变化

“古法”编程是指经典的手敲键盘，一行一行手写逻辑、语法、变量、函数、边界判断。特点是慢、稳、可控，但重复劳动多。

像我这习惯了古法编程的人，在模型写完代码后，还是会忍不住手动敲几行，给模型“挑挑刺”，也给自己心理一个安慰。虽然AI coding日益普及，但是古法编程的业务架构能力、逻辑思考能力，还是高级程序员的核心壁垒。

1.1，Vibe Coding

其首次是由karpathy在2025年提出。

Wikipedia 将其定义为：一种基于聊天机器人的软件创建方式，开发者向 LLM 描述项目或任务，LLM 根据提示生成源代码。其核心特征是对代码本身的脱离，人描述意图，AI 产出实现，最后评估通过”能不能跑”，而非”读不读得懂”。

比如，一个数据分析任务

Prompt 可以这样写：读取指定文件夹下所有 Excel 文件，提取 “销售额” 列数据，计算总和并生成汇总报表保存为新 Excel。以下是详细的要求，要求中把需要提取的列，计算逻辑和取数逻辑写清楚。

这中简单的任务，只要设计好提示词，100% 的能生成符合要求，甚至超出预期的代码实现。

这极大降低了代码编程工具的使用门槛，使得更多的工作可以通过AI辅助编程实现，让更多的人享受到AI红利，这大概就是AI平权的意义。

但是对于“老手”程序员来讲这显然不够，它们要的更多。尽管效率提升显著，但 vibe coding 受限于 “脱离代码本身、仅以能跑为评估标准”，存在以下关键问题：

代码可维护性差、复杂场景覆盖不足、依赖精准描述、安全性与合规风险、仅适合短期 “可用”，不适合长期工程化开发。

1.2，Agentic Engineering

从vibe coding 到 agentic Enginnering 的演进，无非是让模型知道的更多，输出的更加符合整体项目要求。从一句一句地"提示"AI，到启动一个 Agent，给它一个目标、一套上下文、一组工具，然后它自己去规划、执行、调试、测试。

工程师负责的是—审查和决策。

使用智能体编程典型的工作流类似于：

• • 需求阶段： 我写清楚要做什么，包括技术选型、目标用户、核心功能。
• • 执行阶段： 丢给 Agent，让它自己去建项目、写代码、装依赖、跑测试。
• • Review 阶段： 回来看 diff，检查架构合理性、有没有安全问题、代码风格一致性等质量问题。
• • 迭代阶段： 不符合要求地方，Agent 改完，我再看一轮，直到满意。

整个过程里，手动写的代码可能不到 1%。但做的决策，技术选型、架构设计、质量把关，这些占了 90%的价值。

在这种模式下：

• • 人的职责：管理和维护所有与任务相关的背景知识和约束条件，并进行质量安全把关。
• • Al的职责：好好干活，干好活，基于提供的完整上下文和明确需求，高效、准确的执行任务结论。

AI 很轻易的就可以写出一堆代码，但整体项目的“品味”应该由人来把控，即"谁来保证质量"成了新的核心问题。

此时工程师更像一个指挥千军万马的“军师”，运筹帷幄之中，决胜千里之外。看似不写代码，但却要比之前更懂代码。这里就体现出古法编程核心能力的重要性，只有经历过古法编程的严格训练，才能少被AI “忽悠”。

如何保证质量，老话说了凡事，“治疗为辅，预防为先”。要预防就要提前讲清楚，这就是规范驱动开发（ Spec-Driven Development SDD）新模式。

2，规范驱动开发SDD

在SDD中，规范不再服务于代码，而是代码服务于规范。

这是对软件开发驱动力的根本性重构，在SDD开发中项目的PRD不再是"指导实现"的参考文件，而是直接生成实现，驱动代码生成的源头活水。

• • SDD的核心原则

• • SDD的工作流程

讲了这么多，如何实践。SDD的完整工作流可以概括为 规范 → 计划 → 任务 → 实现 四个阶段，但这四个阶段并非刚性串行，而是支持随时迭代：

图1，规范驱动开发流程

在这个流程中，维护软件意味着演进规范，调试则意味着修复生成了错误代码的规范或计划。整个开发工作流围绕规范作为核心事实来源重新组织，技术计划和代码只是持续再生的输出物。

3，工具选型

有多个开源项目都是SDD 的优秀实践，其中最具代表性的三款是OpenSpec、Spec-kit和Superpowers。要结合自身项目特点和需求进行适当的选择。

3.1，OpenSpec

该工具注重灵活行，比较适合在存量代码上开发优化。可以从以下几个方面考虑。

• • 灵活性优先：不希望引入复杂的规范流程，工作流需要足够流动，随时可以迭代
• • 多AI工具混用：团队成员使用不同的AI助手，需要一个统一的、工具无关的规范层
• • 存量项目优先：在已有代码库上增量引入SDD，OpenSpec的双区域设计（specs/ + changes/）对存量项目尤为友好
• • 低上手成本：希望快速试用SDD方法论，/opsx:propose一条命令即可启动规范化流程，门槛最低

3.2，Spec-kit

它的核心理念是：先写规格，再写代码。

其核心特点是文档规范，适合开发前评审和多人合作开发。

• • 架构一致性要求高：需要通过"宪法"文件约束所有技术决策，防止多轮迭代后架构腐化
• • 质量门控需求强：希望在代码生成前有明确的质量检查（宪法门禁、规范完整性验证等）
• • 完整制品体系：希望每个特性都有正式的spec、plan、data-model、contracts等完整文档
• • 团队协作：spec.md和plan.md可天然作为需求评审和Code Review的基准文档，适合跨职能团队

项目初始化后，文档的目录结构是这样式的：

# your-project/
# ├── .spec/
# │   ├── CONSTITUTION.md    # 项目宪法
# │   ├── specs/             # 功能规格目录
# │   │   └── example.md
# │   └── reviews/           # 审查清单目录
# │       └── example.md

3.3，Superpowers

Superpowers 更像是一名攻击工程师，有多个技能，在合适的场景下触发，专注于执行方法论。代码执行比较靠谱。

可以从以下方面考虑：

• • 自动管理工作流：希望AI自动判断并应用工程实践，而不是每次都手动调用阶段命令
• • TDD是团队规范：Superpowers是三款工具中对TDD支持最完善的，强制执行红绿重构循环
• • 复杂任务并行化：需要多个子智能体并行执行独立任务，且每个任务有独立的质量评审
• • 关注工程行为而非文档：更关注AI的开发行为是否符合工程规范，而非维护一套规范文档体系

4，总结

Vibe Coding 降低了编程的门槛，Agentic Engineering 会拉开工程师之间的差距。

所以，未来程序员的核心能力不是"写代码快"，而是：

• • 架构能力：告诉 Agent 怎么拆分模块、选什么方案
• • Review 能力：快速看出 Agent 生成代码的问题
• • 系统设计：Agent 不会帮你做取舍，你得自己决定
• • 产品 taste：知道该做什么比知道怎么做更值钱

在 Agentic Engineering 编程时代，你得懂架构、懂系统设计、懂工程质量、懂产品逻辑。Agent 越强，对操控 Agent 的人要求越高。

规范驱动开发SDD是，AI 编程工具从"代码补全"向"自主工程"演进的主动探索。三种工具的最终目标是：让 AI 成为可靠的工程伙伴，而非需要时刻看管的实习生。随着这些工具的成熟，"规格驱动 + AI 执行"将成为软件开发的新范式。

个人瞎扯：

技术发展的太快，还没有从vibe coding中缓过劲来，智能体编程们又纷至沓来。个人看来AI编程，对程序员是好事，要将 AI coding 为我所用，之前我一人干活，现在我一人指挥千万个小弟干活，效率指数级提升，脑袋里的想法能得到快速的验证。所以有很多 AI native 的公司迅速的发展起来，风险和机遇并存，一人一公司不是梦！

技术的演进到实际工程落地，远没有那么快，但迟早会来。认清局势，充分利用新旧技术迭代的窗口期，升级自身能力，才能勇立潮头。

送给自己，也送给你！

“随着AI大模型能力的进步，有些事情被逐渐的被大模型取代，如果你所做的正是那些被取代的事，那你必定会被取代。”

参考：

https://jishuzhan.net/article/2021893119294373890
https://johng.cn/ai/sdd-spec-driven-development