从 Vibe Coding 到 Agentic Engineering

在这里插入图片描述

那个周五下午的"惊喜"

2024 年前后,“Vibe Coding”(氛围编程)这个词火了起来。它描述的开发方式确实爽:打开 AI 编辑器,用自然语言说清楚你想要什么,AI 哗啦啦吐出一大段代码,你跑一下,能用就接着往下写,不能用就再描述一遍。整个过程你几乎不看代码细节,只跟着感觉走。

这种方式在 2024 到 2025 年解决了两个真问题,起步门槛和验证速度。不会写前端的人,可以让 AI 在十分钟里搭出一个能看的页面;想验证产品想法的人,可以让 AI 在一天内做出可点击的原型。说它是生产力解放并不夸张。

转折出现在 2026 年。大量团队把 Vibe Coding 生成的原型往生产环境推的时候翻车了。JetBrains 在 2026 年那份 AI 编程智能体采纳率调研里有个挺耐人寻味的结论:智能体的采纳率和留存率之间存在明显落差。用了 AI 写代码的团队很多,但真正让 AI 参与生产流程、并且长期稳定跑下去的团队,比例低得多。落差的那部分,就是被 Vibe Coding 的"爽"盖住的工程债。

新的词于是接过了接力棒,Agentic Engineering,智能体工程。下面把三件事讲清楚:Vibe Coding 到底解决了什么,它在生产环境为什么翻车,以及 Agentic Engineering 是什么、怎么落地。

Vibe Coding 真正解决了什么

批评之前先把价值说清楚,不然容易变成老工程师看不上新工具的偏见。

Vibe Coding 的本质是把"表达意图"和"实现细节"解耦。传统开发里,你脑子里想的是"我要一个能筛选的列表",落到键盘上却得先想清楚用什么框架、数据结构怎么定义、事件怎么绑定、边界怎么处理。中间这一大段翻译成本,Vibe Coding 交给大模型承担了。

它真正解决的三件事:

  • 降低起步门槛。不用先把整个技术栈学一遍,才能做出第一个能跑的东西。
  • 快速验证想法。产品经理、设计师,甚至非技术背景的人,都能把想法直接变成可交互的原型。
  • 探索未知领域。碰到一个你完全不熟的技术,比如某个小众图表库,让 AI 先给一版能跑的代码,比从头读文档快得多。

这些价值是真实的。所以正确的态度不是抛弃 Vibe Coding,而是分清它适合什么场景。原型、脚本、一次性工具、个人玩具项目,它依然是效率神器。可一旦进入要长期维护、要被别人接手、要承担线上责任的生产级软件,就得换到 Agentic Engineering。

生产环境里的三个翻车场景

在这里插入图片描述
图 1:三大翻车场景,能跑,但没人敢动、没法验收、踩了红线。

下面三个场景,几乎每个把 AI 生成代码推上生产的团队都踩过至少一个。

代码不可维护

典型的产出是这样的:功能能跑,但结构混乱、命名随意、重复逻辑到处都是、没注释、错误处理敷衍。根子在于 AI 是按当前这个需求生成代码的,它不关心你未来的需求。

三个月后你要加一个新功能,问题就来了。你不敢改这段代码,因为你不知道动哪里会不会连带弄坏别的地方。让 AI 来改,它又得把整段代码重读一遍,而它读到的是一团没有结构的逻辑,于是倾向于推倒重写,结果引入新 bug。这就是维护性债务:代码能跑,但每次改动都像拆炸弹。

判断一段 AI 生成的代码是否可维护,有个很省事的测试:你能不能在不运行的情况下,通过阅读代码说出它的数据流?说不出来,这段代码就处在不可维护的状态。

没有"做完了"的定义

Vibe Coding 的工作循环是生成、跑一下、看起来对、继续。这里藏着一个致命问题:"看起来对"不是验收标准。AI 生成的代码经常能通过你随手试的那两个输入,但在边界情况、异常输入、并发场景下直接崩。

更麻烦的是,没有测试时你没法回答"这次改动让系统变好了还是变坏了"。只能凭感觉。而感觉在复杂系统里极不可靠,修好了 A 场景,弄坏了 B 场景,你甚至不会立刻发现,直到线上出问题。

测试在这里的角色变了。它不只是质量保障,更是给 Agent 的验收契约,这一点后面还会展开。

AI 不知道你的红线在哪

这类风险最容易被低估,代价却最高。AI 生成代码时优化的是功能正确,不是符合你的安全与合规要求。它可能:

  • 把密钥、Token 硬编码进代码;
  • 写出存在 SQL 注入、路径穿越、越权访问的代码;
  • 引入一个许可证有问题的依赖;
  • 把用户数据发到一个不该发的地方。

个人玩具项目无所谓。要过合规审查、要处理用户隐私的生产系统,任何一条都是事故。Vibe Coding 缺的不是能力,是约束。它不知道你的红线画在哪里,因为你从来没告诉过它。

Agentic Engineering 是什么

我给它的定义是:

Agentic Engineering 是一种以目标为驱动、以验收为闭环、以度量为基础的 AI 编程方式。它把 AI 从"帮你打字的工具"升级为"承担明确任务的协作者",同时由工程师定义目标、约束与验收标准。

三个关键词拆开看。

以目标为驱动。你给 Agent 的不是"帮我写个函数",而是"实现这个功能,满足这些约束,通过这些测试"。目标越清晰,输出越可控。

以验收为闭环。每个任务都有明确的完成定义(Definition of Done)。验收通过,任务才算完成;不通过,Agent 继续迭代。闭环让"完成"从主观感受变成客观判断。

以度量为基础。Agent 写得好不好、这次改动是变好还是变坏,要用数据说话。这就是 Eval,也是本专题下一篇的主题,见 Eval:怎么知道你的 Agent 变好了。

打个比方。Vibe Coding 像请一个很聪明、但没看过你项目规范的临时工,你说个大概他就开干。Agentic Engineering 像带一个正式员工:你先给他写清需求文档(spec),告诉他验收标准(测试),定好代码规范(约束),他干活,你验收。

从"生成代码"到"编排协作"

2026 年另一个明显的趋势是,提示词工程(Prompt Engineering)退居二线,编排工程(Orchestration)、记忆工程(Memory)、工具工程(Tool)接过接力棒。

原因是当 Agent 辅助开发成为默认工作方式之后,核心问题不再是"怎么把一句话问好",而是"怎么让多个 Agent 协作完成一件复杂的事"。关注点从怎么问转向怎么协作。一条典型的协作流水线大概是这样:

  1. 需求拆解 Agent,把一个大需求拆成若干可独立验收的子任务;
  2. 代码生成 Agent,逐个实现子任务,每个任务带自己的测试;
  3. 测试补充 Agent,检查测试覆盖,补边界用例;
  4. 评审 Agent,按代码规范和安全规则审查,给出修改意见;
  5. 工程师,定义目标、设定约束、做最终验收和关键决策。

最后一条要划重点:人的角色没有被取消,只是被重新定位了。

两种方式放在一起对比

在这里插入图片描述

图 2:从关注点、人的角色、质量保障、适用场景四个维度对比两种工作方式。

下面这张表建议收藏,它回答的是"什么时候该用哪种方式"。

维度Vibe CodingAgentic Engineering
关注点快速看到结果,“能跑就行”可维护、可验收、可演进
驱动方式感觉驱动,边写边调目标驱动,先定义后实现
人的角色描述者(说需求、看结果)目标定义者 + 结果验收者
质量保障靠肉眼和试跑靠测试、评审、度量
上下文管理临时对话,聊完即弃规格文档、记忆系统、可复用上下文
验收标准主观(“看起来对”)客观(测试即契约、Eval 指标)
安全合规基本不考虑显式约束 + 自动化检查
适合场景原型、脚本、玩具项目生产系统、团队协作、长期维护
失败代价低(大不了重做)高(线上事故、技术债)
迭代方式推倒重来小步验证,回归测试保护

一句话总结这张表:Vibe Coding 优化的是从零到能跑的速度,Agentic Engineering 优化的是从能跑到长期可靠的成本。

落地:四个可以直接用的做法

在这里插入图片描述

图 3:spec → 实现 → 测试 → 评审 → 人工把关,验收不通过则回到 spec 迭代。

理念讲完,得落到具体动作上。

用规格(spec)驱动 Agent

别给 Agent 一句模糊的指令,给它一份结构化的规格。规格是你和 Agent 之间的合同。一份好用的任务规格大致长这样:

# 任务:为文章列表增加按标签筛选

## 目标
在文章列表页顶部增加标签筛选器,点击标签后只显示该标签下的文章。

## 输入 / 输出
- 输入:标签名(字符串),来自 URL query 参数 `?tag=xxx`
- 输出:过滤后的文章列表;无匹配时显示空状态提示

## 约束
- 复用现有的 `filterArticles(list, predicate)` 工具函数,不要新写过滤逻辑
- 不引入新依赖
- 保持现有组件风格,使用项目已有的 `Tag` 组件
- 筛选状态需要反映到 URL,支持刷新后保持

## 验收标准(必须全部通过)
1. 给定 3 篇文章、2 个不同标签,点击某标签后只显示匹配文章
2. URL 参数变化后刷新页面,筛选状态保持
3. 无匹配标签时显示"没有相关文章"空状态
4. 单元测试覆盖上述 3 条,且全部通过

## 交付物
- 修改后的组件代码
- 新增/修改的测试文件
- 一段说明改动点的简短描述

这份模板的关键在于,目标、约束、验收标准三件事都写死了。Agent 不用猜,你也知道怎么验收。

测试即契约

这是 Agentic Engineering 里最重要的一条实践:把测试当作你和 Agent 之间的契约。

流程是:

  1. 你先(或让一个 Agent)把验收测试写好;
  2. 把测试和规格一起交给实现 Agent;
  3. Agent 的目标变成"让这些测试全绿";
  4. 测试全绿之前,任务不算完成。

好处在于验收标准从人肉判断变成了机器判断。Agent 可以自己反复迭代,因为它有一个客观信号(测试结果)告诉它离目标还有多远。人只需要在最后看一眼测试有没有覆盖真正重要的场景。

# 验收测试即契约:Agent 的实现必须让这些测试全绿
def test_filter_by_tag_returns_only_matching():
    """点击标签后只返回匹配的文章(对应验收标准 1)"""
    articles = [
        {"title": "A", "tags": ["rust"]},
        {"title": "B", "tags": ["python"]},
        {"title": "C", "tags": ["rust", "python"]},
    ]
    result = filter_articles_by_tag(articles, "rust")   # 待实现的目标函数
    assert [a["title"] for a in result] == ["A", "C"]   # 断言即验收标准

def test_empty_state_when_no_match():
    """无匹配时返回空列表(对应验收标准 3)"""
    articles = [{"title": "A", "tags": ["rust"]}]
    result = filter_articles_by_tag(articles, "golang")
    assert result == []

让 Agent 参与代码评审

不要只让 Agent 写代码,也让它审代码。一个专门的评审 Agent 可以配置成"找问题"模式,关注这些点:

  • 是否违反项目约定,包括命名、目录结构、错误处理风格;
  • 是否存在安全隐患,硬编码密钥、注入风险、越权;
  • 是否有未被测试覆盖的分支;
  • 是否引入了不必要的新依赖或重复逻辑。

评审 Agent 的价值不在于它能发现所有问题,而在于它不知疲倦、标准统一。人评审容易因为疲劳或者赶进度放水,Agent 不会。当然它会有误报,所以输出是建议清单,采纳哪些最终由人决定。

人工把关的节点

Agentic Engineering 不是全自动,而是把人的精力从"写"转移到"决策"。下面几个节点人应该介入:

  • 目标定义。需求拆解得对不对、边界划得清不清,这决定成败;
  • 约束设定。安全红线、技术选型、兼容性要求;
  • 验收标准的评审。测试是否覆盖了真正重要的场景,Agent 容易只测 happy path;
  • 高风险改动的最终确认。涉及数据、支付、权限的改动,人必须看。

记住一句话:Agent 可以承担 90% 的工作量,但 100% 的责任依然在人身上。

工程师的角色会怎么变

在这里插入图片描述
图 4:从「写代码的人」到「目标定义者 + 结果验收者」,需补上任务拆解、评估设计、上下文编排三组新技能。

这是很多人最关心的问题:Agentic Engineering 会不会让工程师失业?我的判断是不会失业,但会重新分层。会写代码但不会定义目标、不会设计验收标准的工程师,价值会被压缩;能拆解复杂任务、能设计评估体系、能编排上下文的工程师,价值会被放大。

要完成这个转变,需要三组新技能。

任务拆解(Task Decomposition)是最核心的一项。把一个模糊的大需求,拆成一组可独立验收、边界清晰、依赖明确的子任务。拆得不好,Agent 会在错误的方向上高效地跑偏。判断标准很简单:每个子任务都应该能回答"怎么算做完了"。

评估设计(Eval Design)。能为一类任务设计出合理的评估方式,用哪些测试用例、用什么评分标准、关注哪些指标(准确率、成本、延迟)。这也是 2026 年最稀缺的技能之一,详见下一篇文章 《Eval:怎么知道你的 Agent 变好了》。

上下文编排(Context Orchestration)。知道在什么时候、给 Agent 喂什么信息。Agent 的表现高度依赖上下文,喂对了事半功倍,喂错了它一本正经地跑偏。上下文工程已经成为一个独立方向,可参考 提示词工程不够用了:Context Engineering 入门。

还有一项软技能越来越重要,验收的品味。你得知道什么是真正的好,因为 Agent 只优化你告诉它的目标,目标之外的质量,可读性、优雅、长期可维护性,得靠人把关。

回到最初的问题

Vibe Coding 错了吗?没有。它非常适合原型、脚本和玩具项目,降低了起步门槛,加速了想法验证,这些价值是真实的。

问题出在把 Vibe Coding 的方式直接套到生产级软件上。生产软件需要长期维护、需要别人接手、需要承担线上责任,这些要求它天然不满足:不关心可维护性,不定义验收标准,不考虑安全合规。

Agentic Engineering 不是对 Vibe Coding 的否定,而是它的生产级升级版。它保留了用自然语言驱动 AI 的效率,同时补上三样 Vibe Coding 缺失的东西:清晰的目标、客观的验收、持续的度量。

落地时记住四件事就行:用规格驱动 Agent,用测试当验收契约,让 Agent 参与评审,在关键节点人工把关。而工程师自己的角色,会从写代码的人变成目标定义者和结果验收者,需要补上任务拆解、评估设计、上下文编排这三组技能。

下一篇深入 Agentic Engineering 里最关键、也最容易做错的一环,评估(Eval):怎么用数据而不是感觉,判断你的 Agent 到底变好了还是变坏了。

Logo

更多推荐