## 一、引言：一场被自己“终结”的变革

2025年2月，前特斯拉AI负责人、OpenAI联合创始人Andrej Karpathy在推特上随手发了一条推文，描述他用AI写代码的体验。他说这是一种“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）。

这条推文在48小时内获得了超过200万次阅读。三个月后，《柯林斯词典》将其列入年度词汇候选。MIT Technology Review把它列为“十大突破技术”之一。整个软件工程行业被这个词彻底搅动了。

然而，整整一年后的2026年2月，Karpathy亲手提出了一个新概念 **——Agentic Engineering**（智能体工程）。

这不是术语的更迭，而是一次认知的重构。Karpathy自己出来“打脸”了，但这不是否定Vibe Coding，而是给它划定了边界。

那么，**Vibe Coding** 和 **Agentic Engineering** 到底有什么区别？这场范式迁徙对我们意味着什么？开发者又该如何应对？

## 二、Vibe Coding：让AI帮你“凭感觉”写代码

### 2.1 什么是Vibe Coding？

Vibe Coding，中文常译为“氛围编程”或“感觉编程”。它的核心体验很直接：**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**。

用Karpathy自己的话说，这是一种“see stuff, say stuff, run stuff”的对话式创作方式。你不再需要精确地记住每个API，你可以凭着“感觉”和“氛围”，用自然语言描述你的想法，AI会帮你填充细节。

### 2.2 Vibe Coding的黄金时代

在2025年，Vibe Coding确实让无数开发者感受到了前所未有的效率提升。Cursor、Copilot、Claude Code等工具让很多开发者体验到了2-5倍的效率提升。

Vibe Coding极大地降低了编程的门槛——不懂代码的产品经理可以快速搭出原型，初级开发者可以借助AI完成之前不敢碰的任务，甚至完全没有编码技能的用户也能开发出面向特定市场的应用。

**Vibe Coding提高的是编程的“下限”** ——让更多人能创造软件。

### 2.3 Vibe Coding的瓶颈与隐患

但Vibe Coding有一个**结构性瓶颈**：**人是循环中的瓶颈**。

每一轮对话，你都需要看AI生成的代码、判断对不对、决定下一步、给出新指令。AI再快也没用——它在等你。对于复杂任务，一个功能可能需要20-50轮对话，算下来还是要花半天到一天。

更根本的问题是：**你需要一直盯着**。注意力是稀缺资源。你不可能同时Vibe Coding三个功能。

更令人担忧的是安全问题。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。**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。

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、速率限制、密码强度校验这些安全细节。

> **Vibe Coding的本质**：你对着AI说“帮我写一个登录页面”，它吐出代码，你复制粘贴，跑起来就行。不行就再试一次。核心体验是——**碰运气**。

## 三、Agentic Engineering：让AI自己跑循环

### 3.1 什么是Agentic Engineering？

2026年2月，Karpathy在X上发了一条长帖，正式提出了 **Agentic Engineering**。

他原话说：

> **“agentic”** ——因为新的常态是，**你99%的时间不再直接写代码，而是在编排（orchestrating）那些写代码的Agent，并担任监督（oversight）角色。**
>
> **“engineering”** ——因为这件事本身**是一门需要学习的艺术与科学**。

翻译成人话：**你不再是“写代码的人”，你是“指挥AI Agent写代码的人”** 。

Agentic Engineering是一种**工程范式**：人从“代码编写者”转变为“Agent协调者”，通过系统化的上下文管理、知识沉淀和流程设计，让AI Agent具备自主性、记忆力和成长性，在不牺牲质量的前提下实现工程效率的复利增长。

如果说Vibe Coding解决的是“单点任务如何高效交付”，那么Agentic Engineering解决的就是 **“复杂系统如何持续演进”** 。它标志着AI编程从“功能实现”阶段，正式迈入 **“系统治理”阶段**。

### 3.2 Agentic Engineering的核心机制

Agentic Engineering的核心思想是：**把人从循环中拿出来，让AI自己完成“写代码→运行→检查结果→修正→继续”的循环**。人的角色变成了**定义目标、设定约束、提供反馈**——但不参与每一步的执行。

一个AI编程Agent的核心架构可以用四个要素描述：

**Agent = LLM + 系统提示词 + 工具集 + 执行循环**

- **LLM**：核心推理引擎
- **系统提示词**：几百行的隐藏指令，定义了Agent的行为方式（Codex的系统提示词已公开，长度超过800行）
- **工具集**：十几个可调用的函数——Bash命令执行、文件读写、代码搜索、Web浏览等
- **执行循环**：LLM调工具→拿到结果→继续推理→再调工具→直到任务完成

> **Agentic Engineering的本质**：你花10分钟写一份需求文档，Agent用30分钟自己跑完，你花20分钟Review。

### 3.3 实战案例：/goal命令的威力

OpenAI的Codex CLI在v0.128.0版本中上线了 **`/goal`** 命令。它的工作方式是：

```bash
$ codex /goal "重构 auth 模块，将 session 管理从 Redis 迁移到 JWT，
确保所有现有测试通过，并添加 token 刷新的单元测试"
```

然后Codex开始自主循环：
1. 分析现有代码结构
2. 制定迁移计划
3. 逐步修改代码
4. 运行测试 → 失败
5. 分析失败原因 → 修正
6. 再次运行测试 → 部分通过
7. 继续修正...
8. 全部测试通过 → 编写新测试
9. 新测试通过 → ✅ 任务完成

你一次性告诉它一个持久目标（durable objective），它就会把这个目标当成“数据库里的一行记录”，持续追着干，直到完成、暂停、预算用完或者卡住。

一个不到5人的创业团队，用Claude Code三天搭完了一个SaaS产品的核心功能，而隔壁20人的工程团队花了三个月才交付相同复杂度的东西。**快的那些团队不是因为“AI帮他们写了更多代码”，而是因为他们根本不是在“写代码”了**。

## 四、一张图看懂：Vibe Coding vs Agentic Engineering

| 维度 | Vibe Coding | Agentic Engineering |
|---|---|---|
| **人的角色** | 写提示词的“对话者” | 架构师 + 审查者 |
| **AI的角色** | 补全代码 | 自主规划 + 执行 |
| **交互方式** | 一问一答 | 下发任务，持续监控 |
| **质量控制** | 碰运气 | 系统化Review |
| **目标** | 原型 / 一次性脚本 | 生产级软件 |
| **适用场景** | Demo、小工具 | 商业项目、团队协作 |
| **上下文管理** | 随意 | 精细管控 |

这不是风格之争，而是**工程纪律之争**。

Vibe Coding能让你在10分钟内搭出一个Demo；Agentic Engineering能让你在10天内交付一个可维护的系统。

如果说Vibe Coding是**提高下限**，那么Agentic Engineering的目标就是 **“维持原有的质量标准”** ，甚至在高速开发的同时超越它。Vibe Coding是**楼地板**，Agentic Engineering是**天花板**。

## 五、Agentic Engineering的四大核心原则

基于Karpathy的阐述和行业实践，Agentic Engineering包含以下核心原则：

### 原则一：规范驱动（Spec-Driven）

不再是随口说“帮我写个功能”，而是**撰写结构化的设计规格**——明确目标、约束条件、验收标准。代码是规格的**衍生品**，而不是起点。

### 原则二：多阶段质量门禁（Multi-stage Quality Gates）

采用多阶段流程，每个阶段有确定性的质量门和对抗性评审。不是“写完就完”，而是**写→测试→评审→迭代**的工程化流程。

### 原则三：上下文精细管控

上下文窗口是AI编程Agent**最宝贵也最容易被浪费的资源**。三条黄金法则：
- 及时开新会话（对话超过100K tokens时质量明显下降）
- 精准控制输入长度
- 利用token缓存降低成本

### 原则四：人类在环（Human-in-the-Loop）

Agentic Engineering不是让AI完全取代人。**人依然负责架构决策、质量把关和最终验收**。正如Karpathy所说：“你可以外包你的思考，但你不能外包你的理解。”

## 六、开发者该如何应对？

### 6.1 认知升级：从“写代码的人”到“定义问题的人”

这是最根本的变化。Agentic Engineering不是“更好的Vibe Coding”，而是一个全新的工种。开发者需要从**战术执行者**转变为**战略定义者**。

你不再需要记住每个API的签名，但你需要**更清楚地知道你想要什么、为什么想要、以及怎样才算做好了**。

### 6.2 技能重塑：哪些能力更重要了？

在Agentic Engineering时代，以下能力将变得前所未有的重要：

1. **架构设计能力**：你指挥Agent写代码，但**架构是你设计的**。Agent不替你思考系统该长什么样。
2. **需求定义能力**：写一份好的需求文档，比写1000行代码更有价值。
3. **代码审查能力**：你不再逐行写代码，但你需要**逐行Review Agent写的代码**。
4. **系统思维**：理解整个系统的运作方式，而不是只盯着自己的一亩三分地。
5. **品味与判断力**：Karpathy特别强调，在AI时代 **“品味”远比“写代码技能”重要**。知道什么代码是好的、什么设计是优雅的，这种判断力无法外包。

### 6.3 工具链升级

从“IDE + 插件”升级到“Agent编排平台”。主流的Agentic Engineering工具包括：
- **Claude Code**（Anthropic）：终端Agent，支持/goal命令
- **Codex CLI**（OpenAI）：首创/goal命令，支持持久化目标
- **Gemini CLI**（Google）：命令行AI编程助手

### 6.4 工作流重构

你的日常工作流将从这样：

1. **需求阶段**：写清楚要做什么（**不是怎么做**），包括技术选型、目标用户、核心功能
2. **执行阶段**：丢给Agent，让它自己去建项目、写代码、装依赖、跑测试
3. **Review阶段**：审查Agent的工作成果，做架构决策和质量把关
4. **迭代阶段**：基于Review结果，调整需求或约束，让Agent继续迭代

## 七、结语：范式迁徙，不是选择题

2025年，人人都在Vibe Coding。2026年，能做Agentic Engineering的人，才是真正的稀缺资源。

这场范式迁徙不是一道选择题——**它已经发生了**。

Anthropic在2026年1月发布的趋势报告里指出：开发者约60%的工作会用到AI，但能完全委托给AI的任务，只有0–20%。这就是 **“协作悖论”** ——AI已是日常伙伴，但完全放手还不是时候。

2026年是智能体编程从“辅助工具”走向“生产力主体”的分水岭。Karpathy说，他“从未感觉自己作为程序员如此落后”。这种“落后感”不是因为他写代码的速度慢了，而是因为 **“写代码”这件事本身的定义正在被重塑**。

> **Agentic Engineering代表了软件开发的范式转移——我们正从亲手编写代码转向设计能自主编写代码的系统。这可能是自敏捷开发以来，软件工程领域最重要的一次演进。**

你当然可以继续Vibe Coding——做做Demo、玩玩原型，这完全没有问题。但如果你想构建**生产级的、可维护的、安全的软件系统**，Agentic Engineering是你不得不跨越的门槛。

从“写代码的人”到“指挥Agent写代码的人”——这不仅仅是一个角色的转变，更是一次**认知的重构**。

你准备好了吗？