首页
学习
活动
专区
圈层
工具
发布
社区首页 >专栏 >解析五大AI编程范式:Vibe/Plan/Spec/Glue/Smell Coding 完整选型指南

解析五大AI编程范式:Vibe/Plan/Spec/Glue/Smell Coding 完整选型指南

原创
作者头像
lyb-geek
发布2026-09-08 09:14:52
发布2026-09-08 09:14:52
530
举报
文章被收录于专栏:Linyb极客之路Linyb极客之路

近两年,AI编码工具已从「辅助提效玩具」彻底进化为主力生产工具。随之而来的,是开发者的工作模式发生根本性改变:从传统的“人主导编码”,变为“人定义规则、AI执行编码”。

在这一背景下,行业逐步沉淀出五套AI编程范式:Smell Coding、Vibe Coding、Plan Mode、Glue Coding、Spec Coding

这五套范式并非概念炒作,而是一套从混乱到规范、从个人即兴到企业工程、从低约束到强约束的完整人机协作演进体系。不存在绝对最优的范式,只有最适配当前业务、团队、场景的选择。

一、核心认知:五大范式的层级演进逻辑

区分五大范式的核心标尺,只有一个:人类对AI的约束强度。约束越弱,开发越快、越灵活,但技术债务越高;约束越强,代码越稳、越规范,但前置设计成本越高。

五套范式从劣到优、从无序到有序的完整层级如下:

Smell Coding(反模式,代码异味)< Vibe Coding(即兴氛围)< Plan Mode(轻量化计划)< Glue Coding(胶水集成)< Spec Coding(规范工程化)

简单来说:越靠左越重效率、越靠右越重质量

层级变化对应的核心规律非常清晰:

  • 偏左范式(Vibe/Smell):极致灵活、零前置成本,适合试错验证,不适合长期迭代与核心业务
  • 偏右范式(Plan/Glue/Spec):强约束、可追溯、可协作,适合规模化落地、长期维护、企业级业务

二、五大AI编程范式深度拆解

1. Smell Coding(代码异味编程)| 必须杜绝的AI开发反模式

核心定位:非正向开发范式,是AI无约束迭代产生的劣质代码集合,属于需要杜绝的反模式。

产生根源:全程无设计、无评审、无重构、无规范,是过度滥用纯即兴Vibe Coding的必然结果。开发者只看“功能能不能跑”,完全忽略“代码能不能维护”。

行业通用代码异味特征

  • 逻辑耦合严重,单类/单方法承载多职责,违背单一职责原则
  • 残留大量AI迭代冗余代码:注释代码、无效变量、临时调试逻辑、未清理依赖
  • 边界校验缺失,无统一异常兜底,参数校验不完整,极易触发线上报错
  • 硬编码泛滥、魔法数字、字段硬写,无统一配置管理
  • 无单元测试、无业务注释,仅靠人工页面点点验证,隐藏大量隐性Bug
  • 多轮AI迭代后代码风格、命名规范、分层逻辑混乱无序

核心危害:短期上线快,长期迭代成本指数级暴涨。代码耦合混乱、隐性Bug遍地、新人无法接手、重构成本极高,是线上故障、数据异常、安全漏洞的主要源头。

适用场景:无,属于AI工程化开发的绝对禁区。

2. Vibe Coding(即兴氛围编程)| 极速试错的轻量化范式

权威溯源:由Andrej Karpathy正式提出,是最早普及的AI原生编程范式。核心思想:先跑通、再优化,以结果为导向,无前置设计与书面契约。

标准工作流:模糊自然语言需求 → AI直接生成代码 → 运行验证 → 口头微调迭代 → 功能可用即交付

核心优势

  • 启动成本趋近于零,无需梳理方案、编写文档,极致高效
  • 适配探索式开发,适合技术预研、陌生技术栈落地、创意验证
  • 低门槛,非专业开发者也可完成简单功能开发

核心短板(致命问题)

  • 约束完全依赖对话上下文,换会话、换人即丢失所有需求约束
  • AI自由发挥空间过大,易出现越界修改、过度开发、逻辑冗余问题
  • 无任何资产沉淀,无设计文档、无需求追溯,技术债务持续累积
  • 完全不支持多人协作,代码风格与实现逻辑无法统一

精准适用场景:技术POC验证、临时脚本、内部工具、个人项目、短期活动功能、UI快速试错。严禁用于核心业务线上迭代。

3. Plan Mode(计划模式)| 效率与质量的最优折中方案

核心定位:介于Vibe Coding与Spec Coding之间的过渡型可控范式,也是目前中小团队AI日常迭代的主流方案,完美解决纯Vibe模式乱改代码、返工率高的问题。

标准工作流:需求梳理 → 生成结构化开发计划(.plan.md)→ 人工审核修正 → AI严格按计划编码 → 小幅微调交付

核心特征

  • 局部约束:仅锁定单次任务的修改文件、实现步骤、边界场景、禁止改动范围
  • 轻量化资产:计划为临时任务文档,无需强制入库,上线后可归档删除
  • 高灵活性:需求小幅变更可直接修改计划,无需复杂评审流程
  • 防越界:明确隔离公共底层框架、基础组件,杜绝AI乱改存量核心代码

核心优势:前置成本极低,仅多一步计划评审,就能大幅降低AI乱改、过度开发、逻辑跑偏问题;完美兼容老旧存量项目,无需补全历史规范,适配绝大多数日常迭代场景。

核心短板:计划仅服务单次任务,无法跨会话、跨人员复用;无标准化验收用例,复杂业务仍存在逻辑偏差;无法约束全局架构与统一编码规范。

精准适用场景:线上Bug修复、单模块小幅迭代、后台功能改造、老系统边缘功能优化、2人及以内小团队日常开发。

4. Glue Coding(胶水编程)| 系统集成专属专项范式

核心定位:非通用全流程开发范式,而是专门用于系统集成、能力对接****的专项AI编码模式。核心原则:绝不重复造轮子,只做能力串联与适配。

核心逻辑:基于已有SDK、第三方API、内部公共组件、微服务能力,AI仅负责编写适配层胶水代码,完成参数转换、格式适配、异常转发、流程编排、超时重试与熔断兜底,不触碰、不重构底层成熟能力

核心特征

  • 能力复用优先:所有开发围绕现有成熟能力展开,零底层重复开发
  • 边界固定:上下游接口契约明确,AI仅做适配逻辑,无自由发挥空间
  • 轻量化代码:以编排、转发、适配逻辑为主,无复杂业务算法
  • 依附性强:通常搭配Plan/Spec范式使用,极少独立采用Vibe模式

核心优势:开发效率极高、底层稳定性强,依托线上验证过的成熟能力;改动范围仅限适配层,无全局故障风险,安全可控。

核心短板:高度依赖上下游接口稳定性,依赖变更易导致适配层批量失效;无规范约束时,极易出现胶水层臃肿、逻辑堆砌,形成隐蔽技术债务。

精准适用场景:第三方接口对接、微服务多接口编排、多数据源聚合、老系统新能力接入、中间适配层开发。

5. Spec Coding(SDD规范驱动开发)| 企业级工程化标准范式

权威定义:全称 Spec-Driven Development(SDD,规范驱动开发),是目前行业公认最严谨、最标准化的AI工程化范式。核心准则:规范先行、代码后置、契约固化、可追溯可审计

标准工作流:需求梳理 → 编写结构化Spec规范 → 团队评审定稿 → AI按规范编码 → 绑定验收用例与单测 → 变更必先更新Spec → 规范与代码同步版本管理

核心特征

  • 强全局约束:显性定义业务背景、接口契约、数据模型、全量异常场景、错误码、性能安全规范,AI禁止擅自新增逻辑
  • 资产化沉淀:Spec文档纳入Git版本管理,为项目永久工程资产,可跨人、跨会话复用
  • 变更受控:所有需求迭代、逻辑修改必须走Spec更新+评审,杜绝即兴变更
  • TDD绑定:验收用例固化至规范,单元测试与Spec一一对应,保障交付一致性

核心优势:代码确定性拉满,核心功能首次交付通过率极高;彻底解决团队认知偏差;全程可追溯、可审计,满足金融、政务合规要求;长期维护成本最低,从源头杜绝隐性技术债务。

核心短板:前置文档成本高,简单小需求存在流程冗余;团队落地有学习门槛;不适合高频试错、快速迭代的探索性开发。

精准适用场景:支付/订单/风控/用户核心业务、中台公共组件、全新系统从零搭建、3人以上长期迭代团队、需要等保合规审计的政企金融系统。

三、范式横向对比:一张表看懂所有差异

编程范式

前置设计强度

约束范围

文档入库

协作能力

核心风险

核心定位

Smell Coding

无任何约束

代码腐烂、隐性Bug、线上故障

必须规避的反模式

Vibe Coding

极低

单次对话临时约束

单人开发

AI越界修改、无资产沉淀

极速试错、原型验证

Plan Mode

单次任务局部约束

可选临时存储

2人内小团队

无法跨会话复用、复杂逻辑易偏差

日常迭代、存量改造折中方案

Glue Coding

上下游契约约束

按需入库

中小团队

适配层臃肿、依赖变更风险

系统集成、能力适配专项方案

Spec Coding

极高

全局架构+业务全约束

强制Git入库

大型团队/跨部门

小需求流程冗余、灵活性低

核心业务、工程化落地标准

四、落地方法论:企业分层混合使用策略

没有任何一种范式可以通吃所有场景,成熟的技术团队,全部采用分层匹配、混合落地的策略,在效率和质量之间取得最优平衡:

  1. 探索试错场景 → Vibe Coding:技术预研、原型验证、UI试错、临时工具,优先效率,快速验证想法,绝不直接上线核心业务。
  2. 日常迭代/存量改造 → Plan Mode:Bug修复、边缘功能迭代、老系统小幅改造,用轻量化计划约束AI行为,规避乱改代码,兼顾效率与质量。
  3. 系统集成/第三方对接 → Glue Coding + Plan Mode:锁定上下游契约,只做适配胶水层开发,通过开发计划约束修改范围,杜绝重复造轮子。
  4. 核心业务/长期模块 → 强制 Spec Coding:资金、风控、用户、中台等核心资产,必须规范先行、评审入库,保障可追溯、可审计、可稳定迭代。
  5. 全场景兜底规则 → 杜绝 Smell Coding 堆积:所有迭代完成后,必须做代码评审与重构,清理冗余、补齐边界、消除代码异味,从源头遏制技术债务累积。

五、写在最后:AI编程范式的终极选型逻辑

五大AI编程范式的迭代升级,本质是人机协作关系的进化:从最初“AI自由写代码、人类被动接盘”,进化为“人类定义规则、AI精准执行”。

团队选型无需盲目跟风、追求“最先进范式”,核心只看场景:

  • 小、临时、模糊、单人、非核心业务:选用轻量化范式(Vibe / Plan)
  • 大、长期、明确、多人协作、核心合规业务:选用工程化范式(Glue / Spec)

真正专业的AI开发,不是无脑依赖AI自动生成,而是按需匹配范式、精准约束AI、分层管控质量,用最合适的协作模式,平衡研发效率与工程质量。

写在最后

如果你的团队还在“一刀切”使用某种AI编程模式,必然会出现:小需求过重、大需求失控的问题。

成熟的AI研发体系,一定是多范式混合使用、按场景精准选型:试错看Vibe、日常看Plan、集成看Glue、核心看Spec、全程杜绝Smell。

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

目录
  • 一、核心认知:五大范式的层级演进逻辑
  • 二、五大AI编程范式深度拆解
    • 1. Smell Coding(代码异味编程)| 必须杜绝的AI开发反模式
    • 2. Vibe Coding(即兴氛围编程)| 极速试错的轻量化范式
    • 3. Plan Mode(计划模式)| 效率与质量的最优折中方案
    • 4. Glue Coding(胶水编程)| 系统集成专属专项范式
    • 5. Spec Coding(SDD规范驱动开发)| 企业级工程化标准范式
  • 三、范式横向对比:一张表看懂所有差异
  • 四、落地方法论:企业分层混合使用策略
  • 五、写在最后:AI编程范式的终极选型逻辑
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档