2025年2月，Andrej Karpathy随手发了一条推文，创造了"Vibe Coding"这个词。
一年后的2026年2月，他亲手提出了新的概念——Agentic Engineering。
这不是术语的更迭，而是一次认知的重构。

---

一、一个概念是如何诞生的，又如何被自己超越

时间回到2025年2月。

Andrej Karpathy——特斯拉前AI负责人、OpenAI联合创始人——在推特上随手写了一句话，描述他用AI写代码的体验：

“这是一种全新的编程方式，让你完全顺从直觉，拥抱指数级变化，忘记代码本身的存在。”

他称之为"Vibe Coding"（氛围编程）。

核心体验很直接：你描述需求，AI生成代码，你几乎不读代码，直接"Accept All"，遇到报错就把错误信息扔给AI修复。

这条推文在48小时内获得了超过200万次阅读，被程序员社区疯狂转发。三个月后，《柯林斯词典》将其列入年度词汇候选。2026年，MIT Technology Review把它列为"十大突破技术"之一。

然后，Karpathy自己出来"打脸"了。

2026年2月，他在一次公开分享中说：

“Vibe Coding是好的，但它不适用于复杂系统。当你要构建一个需要多文件协作、有隐性约束的生产级系统时，你不能’跟着感觉走’。你需要约束AI的边界，让它在明确的框架里工作。”

他把这个新方向命名为——Agentic Engineering（智能体工程）。

这不是否定Vibe Coding，而是给它划定了边界：Vibe Coding适合原型验证，Agentic Engineering才是生产级开发的答案。

---

二、Vibe Coding的真相：90%的项目都有漏洞

但问题远不止"复杂系统不适用"这么简单。

2026年第一季度，一个名为"Vibe Security Radar"的安全追踪系统记录了一个令人震惊的数据：

由AI生成代码直接引发的CVE漏洞披露，在Q1达到了56起。仅3月单月就贡献了35个——超过2025年全年总和。

更具体的数据来自多份实测报告：

• **超过90%**的Vibe Coding项目包含安全漏洞
• 三分之二的漏洞属于"极易被攻击"级别
• 恶意代码包渗透AI编程工具生态的事件同比增长了340%

为什么AI生成的代码这么危险？

因为AI在"补全"代码时，并不理解你的安全意图。

当你让AI"帮我写一个用户注册接口"，它会写一个功能正常的接口——但它不一定会自动加上：

• 输入验证（防止SQL注入）
• 速率限制（防止暴力注册）
• 密码强度校验
• 账户锁定机制

这些"安全细节"需要你在提示词里显式声明，而大多数Vibe Coding用户并不知道需要声明这些。

更危险的是，AI在生成代码时会倾向于使用它"见过最多"的模式——而互联网上开源代码库中的"经典漏洞模式"，恰恰是它学得最多的。

---

三、Karpathy加入Anthropic：做AI编程，就要去最懂AI编程的地方

2026年5月，AI圈炸了锅——Karpathy宣布加入Anthropic。

这不是一次普通的高管跳槽。这背后有一个非常清晰的逻辑链条：

• Karpathy创造了Vibe Coding概念
• 他自己发现了Vibe Coding的局限性
• 他提出Agentic Engineering来解决这个问题
• 他加入Anthropic——这家公司做的是Claude Code，当前最领先的AI编程Agent工具

Claude Code正是Agentic Engineering的践行者：它不只是"你说什么它写什么"，而是在一个**harness（缰绳/框架）**里工作——这个框架提供工具调用、上下文管理、执行环境和安全策略，让AI在可控边界内完成复杂任务。

Karpathy选择Anthropic，本质上是选择了一个和他理念一致的AI编程工具作为实践土壤。

---

四、Agentic Engineering的四大核心原则

Agentic Engineering到底是什么？它和Vibe Coding的本质区别在哪？

原则一：从"跟着感觉走"到"决策清单约束"

Vibe Coding的信条是"忘掉代码，跟着感觉走"。

Agentic Engineering的信条是"给AI一个决策清单，让它按规则执行"。

具体来说，开发者要为AI定义：

• 哪些操作需要人工确认（支付、删除、修改配置）
• 哪些路径是禁区（禁止访问特定目录、禁止执行特定命令）
• 质量标准是什么（测试覆盖率、性能基准、安全检查项）

这不是限制AI，而是让AI真正能在复杂系统里工作。

原则二：从"单次对话"到"多步任务链"

Vibe Coding的核心交互是"问一句答一句"。

Agentic Engineering的交互模式是：

用户目标 → AI拆解任务 → 分步执行 → 中间验证 → 自我纠错 → 交付结果

AI不再只是响应单次请求，而是理解一个完整的目标，然后自主规划执行路径，并在每一步检查自己的输出是否符合预期。

这正是Claude Code的Auto模式所做的事——你描述一个功能需求，它会自己创建分支、写代码、跑测试、开Pull Request，全程不需要你盯着屏幕。

原则三：从"直接生成"到"差异补丁模式"

Karpathy在Agentic Engineering中特别提到一个技术细节：

不要让AI生成完整文件，而是让它生成差异补丁（diff patch）。

原因很直接：

• 完整文件容易被AI"改写"你原本正常的代码
• 差异补丁模式确保AI只修改必要的地方，不会意外破坏已有功能
• 补丁模式天然支持版本控制和回滚

这是从工程实践中总结出来的经验——很多Vibe Coding翻车，都是因为AI在生成新代码时"顺手"改了原有的正常逻辑。

原则四：从"速度优先"到"风险分级"

Agentic Engineering引入了一个关键概念：风险分级。

不同操作有不同的风险等级，AI需要据此调整行为模式：

风险等级	操作类型	AI行为
低风险	读文件、搜索代码、生成注释	自动执行
中风险	创建文件、修改配置、运行测试	执行后报告
高风险	删除文件、执行Shell命令、提交代码	需人工确认
极高风险	修改认证逻辑、访问生产数据库	禁止执行

这个分级体系，解决了Vibe Coding最大的安全隐患——AI不知道什么能做，什么不能做。

---

五、实测对比：Vibe Coding vs Agentic Engineering

我们用一个具体场景来对比两种模式：

任务： 为一个电商系统添加"商品评论功能"，包括评论列表、发表评论、敏感词过滤。

Vibe Coding模式（问题版）：

用户：帮我做一个商品评论功能
AI：生成完整的review.py（包含基本功能）
用户：运行测试
测试失败（敏感词过滤逻辑错误）
用户：报错：xxx
AI：修改了review.py中的用户认证逻辑（意外破坏登录）
用户：😱

Agentic Engineering模式（正确版）：

用户：在 /src/features/ 下新增评论功能，需包含：
- 评论列表API（GET /reviews?product_id=xxx）
- 发表评论API（POST /reviews）
- 敏感词过滤（黑名单词库+替换）
- 禁止修改 /src/auth/ 目录
- 新增代码必须通过 pytest 测试
AI：创建任务分解计划，提交用户确认
用户：确认
AI：分步执行，每步验证，完成后提交PR
用户：Review PR，合并

---

六、2026年了，开发者应该怎么做？

认知层面：更新你的AI编程mental model

很多人对AI编程的认知还停留在"让它写个函数"阶段。这需要更新：

• AI不只是代码生成器，它是能理解上下文、自主规划、多步执行的智能体
• 你的角色从"打字员"变成了"架构师+审核者"，AI负责执行
• 提示词质量决定输出质量，含糊的需求描述必然产出含糊的代码

实践层面：建立AI编程规范

建议团队建立以下规范：

1. 需求描述规范（Vibe层）
每条AI任务至少包含：

• 目标描述（清晰的功能边界）
• 技术约束（禁止修改的范围、性能要求）
• 验收标准（测试用例、性能基准）

2. 代码审核流程（Must Have）
AI生成的代码必须经过：

• 逻辑正确性审查
• 安全漏洞扫描（OWASP Top 10）
• 测试覆盖验证

3. 权限分级制度
明确团队成员的AI工具使用权限：

• 初级工程师：只读操作 + 生成测试用例
• 高级工程师：代码生成 + 修改已有模块
• Tech Lead：架构设计 + 生产环境操作

工具层面：选对工具，用对模式

场景	推荐工具	推荐模式
快速原型、个人项目	Cursor / Kimi	Vibe Coding（快速迭代）
团队协作、企业项目	Claude Code / Copilot	Agentic Engineering
安全敏感场景	Claude Code（Auto模式）	差异补丁 + 人工审核
中文项目、合规要求	文心快码（Comate）	SPEC规范驱动

---

七、写在最后：忘掉概念，记住本质

从Vibe Coding到Agentic Engineering，我们看到的不是"旧的错了、新的对了"，而是AI编程认知的逐步深化。

Vibe Coding没有错——它的适用范围就是简单项目、原型验证、创意探索。在这些场景里，它的效率是革命性的。

Agentic Engineering也没有多神秘——它的本质就是给AI一个框架，让它做它擅长的事，同时约束它不擅长的事。

Karpathy说得好：

“AI编程工具的终极目标，是让你专注于你想做什么，而不是怎么做。但’怎么做’的细节，依然需要一个严谨的框架来承载。”

忘掉Vibe Coding和Agentic Engineering这两个名字，记住一个道理：

AI是放大器，你才是方向盘。工具越强大，越需要清晰的意图和严谨的框架。

---

💬 互动时间

你在用AI编程时踩过哪些坑？遇到过AI"好心办坏事"、改了你原本正常的代码吗？评论区来聊聊，帮大家避坑～

觉得这篇有收获的话，点个 👍 + 收藏，关注我，持续追踪AI编程前沿动态！

---

数据来源：Andrej Karpathy公开分享内容、Anthropic官方文档、Vibe Security Radar 2026 Q1报告、MIT Technology Review 2026十大突破技术榜单、IDC《AI编程助手技术评估报告》2026版。