从Vibe Coding到AI工程化编程：三个层次的进阶实战指南

引言：AI编程的三个层次

在AI编程工具日益成熟的今天，很多人对"Vibe Coding"（氛围编程）并不陌生——只需用自然语言描述需求，AI就能帮你生成代码。但当项目规模扩大、业务逻辑变复杂后，Vibe Coding的局限性就暴露无遗。

本文基于B站UP主诸葛老师的一场全程实战直播课，系统梳理了从Vibe Coding到AI工程化编程的完整进阶路径，并通过电商项目和AI模型聚合平台两个实战案例，展示了不同阶段AI编程的能力边界与最佳实践。

Vibe Coding：快速出原型，但止步于玩具级

什么是Vibe Coding

Vibe Coding（氛围编程）是近两年从国外传入的概念，核心思想很简单：无论你是程序员还是产品经理，只要把脑中的需求写清楚，交给AI编程工具，它就能帮你生成完整的代码。这种方式极大降低了编程门槛，几分钟就能搭建出一个电商项目的Demo。

这一概念最早由Andrej Karpathy（前特斯拉AI总监、OpenAI联合创始人）在2025年初提出。他在社交媒体上描述了一种全新的编程方式：开发者完全沉浸在"氛围"中，拥抱指数级增长的代码复杂度，忘记代码的具体存在，只通过自然语言与AI对话来完成开发。这一概念迅速在全球开发者社区引发热议，成为AI编程领域的标志性术语。

Vibe Coding的致命短板

然而，Vibe Coding的问题在实际使用中很快就会显现：

• 代码质量堪忧：生成的代码往往是"一次性代码"，缺乏模块化设计，难以维护和扩展
• Bug修复困难：一旦线上出现问题，非技术背景的用户很难精准指挥AI修复，容易陷入"改一个Bug引入三个新Bug"的死循环
• 项目天花板低：只能做简单的小工具、小网站，无法应对企业级的复杂业务场景

诸葛老师在课上直言：早期很多AI博主声称用Vibe Coding就能"干掉程序员"，但仔细看他们做的项目——要么是一个跨境电商小网站，要么是一个补光灯小工具，功能极其简单。真正的企业级项目涉及高并发、分布式、微服务架构等复杂技术，Vibe Coding根本无法胜任。

这里有必要解释一下这些技术概念的含义。高并发是指系统在同一时间需要处理大量用户请求的能力，例如双十一期间淘宝每秒可能面临数十万笔交易请求。分布式架构则是将一个系统拆分到多台服务器上协同运行，以提升整体的处理能力和容错性。微服务架构是分布式的一种主流实现方式，它将单体应用拆分为多个独立部署的小服务，每个服务负责一个特定的业务功能。这些技术涉及负载均衡、服务发现、分布式事务、消息队列等大量基础设施组件，需要严谨的架构设计和工程实践，远非简单的代码生成所能覆盖。

计划模式：迈向结构化开发的第一步

在Vibe Coding和全面工程化之间，还有一个中间态——计划模式（Plan Mode）。Claude Code和Codex都支持这种模式，其核心是在编码前先让AI生成一份开发计划，包括技术选型、模块划分、实现步骤等，然后再按计划逐步执行。

相比纯粹的Vibe Coding，计划模式的优势在于：

1. 代码结构更清晰，有基本的模块划分
2. 开发过程可控，不会"一口气"生成一堆难以理解的代码
3. 适合有一定技术基础的开发者，能在AI生成的计划基础上做调整

计划模式适合开发中等复杂度的项目，是很多个人开发者和小团队目前采用的主流方式。

AI工程化编程：企业级开发的正确姿势

SuperPower插件与工程化Skill体系

真正的企业级AI编程，需要的是一套完整的工程化流程。课程中重点介绍了Claude Code的SuperPower插件，它本质上是一系列覆盖软件开发全生命周期的Agent Skill（智能体技能），包括：

• 需求分析与拆解
• 架构设计与技术选型
• 模块化开发与代码生成
• 测试用例编写
• 部署与上线

Claude Code是Anthropic推出的命令行AI编程工具，它能够直接在终端中理解代码库上下文、执行文件操作和运行命令。与Cursor、GitHub Copilot等IDE内嵌工具不同，Claude Code采用Agent模式运行，具备自主规划和执行多步骤任务的能力。SuperPower插件则是在Claude Code基础上构建的技能扩展层，它通过预定义的Prompt模板和工作流编排，将软件开发的各个阶段封装为可复用的Agent Skill，使AI能够按照标准化的软件工程流程进行开发，而非简单地响应单次对话指令。

这套体系的核心理念是SDD（Specification-Driven Development，规范驱动开发）——先定义清晰的规范和标准，再让AI按规范生成代码。这与早期的Spy Code、Spy Kit等工具的思路一脉相承，但SuperPower将其做得更加系统和完善。

SDD的核心思想源自软件工程中"契约式设计"的理念。在传统开发中，开发者往往先写代码再补文档，导致代码与设计意图脱节。SDD则反其道而行之：先用结构化的规范文档定义系统的接口、数据模型、业务规则和约束条件，然后以这些规范作为"单一事实来源"驱动代码生成。这种方式在AI编程场景下尤为重要，因为AI模型需要明确、无歧义的指令才能生成高质量代码。类似的理念在API开发领域早有实践，例如OpenAPI/Swagger规范就是先定义API契约再生成服务端和客户端代码的典型范例。

大厂内部的AI编程实践

诸葛老师透露，目前国内头部大厂（如阿里）内部已经在推行Harness AI工程化编程体系。其核心特点包括：

• 全流程覆盖：从需求到上线的每个环节都有对应的AI辅助Skill
• 自闭环进化：系统能根据反馈不断优化自身的开发流程
• 标准化输出：确保AI生成的代码符合企业级的质量标准

这意味着AI编程不再是"让AI随便写写代码"，而是将AI嵌入到成熟的软件工程流程中，让它在规范约束下发挥最大效能。

工具选型与大模型评估

开发环境推荐

课程推荐的开发环境是VS Code + Claude Code插件的组合。诸葛老师认为，传统IDE如IntelliJ IDEA在AI时代已经显得落后，如果不做出重大变革，未来两三年用户量可能会大幅下降。VS Code凭借其轻量级架构和丰富的AI插件生态，已成为AI编程时代的主流选择。

VS Code（Visual Studio Code）由微软于2015年开源发布，目前已成为全球使用率最高的代码编辑器，市场份额超过70%。它的成功在于轻量级的Electron架构和强大的扩展市场（Extension Marketplace），开发者可以通过安装插件来支持几乎任何编程语言和开发场景。在AI编程浪潮中，VS Code的开放架构使其成为各类AI编程工具的首选宿主环境：GitHub Copilot、Cline、Continue、Cursor（基于VS Code分支）等主流AI编程工具都优先支持VS Code。相比之下，JetBrains系列IDE虽然在Java等特定语言的智能提示和重构能力上仍有优势，但其封闭的插件体系和较重的运行负担使其在AI工具集成方面明显滞后。

后端模型怎么选

在后端模型方面，课程给出了一份实用的国内大模型评价：

梯队	模型	特点
第一梯队	智谱GLM	综合能力最强，编程表现优秀
第二梯队	Minimax、Kimi、Mimo	各有特色，能力不错
性价比之选	DeepSeek	能力不错且价格极低
可用	阿里通义、腾讯混元	基本可用

说个细节，由于Anthropic（Claude母公司）对中国用户的封号政策日趋严格，很多开发者已经转向使用OpenRouter等聚合平台来接入模型，或者直接使用国内模型作为Claude Code的后端替代方案。

Anthropic自2024年下半年起逐步收紧了对中国大陆及部分地区用户的使用政策，大量使用非美国IP或支付方式注册的账号遭到封禁。这一政策的背景是美国政府对先进AI技术出口管控的持续升级，以及Anthropic自身在合规方面的审慎立场。受此影响，国内开发者使用Claude API和Claude Code面临较大的账号稳定性风险。应对策略主要有三种：一是通过OpenRouter等第三方聚合平台间接调用Claude模型；二是将Claude Code的后端模型替换为国内可用的大模型（如DeepSeek、智谱GLM等）；三是使用企业级API渠道，通过合规的商业合作获取稳定的访问权限。

AI模型聚合平台：一个被低估的赚钱赛道

课程中还分享了一个值得关注的商业洞察：在AI领域，真正赚钱的不是面向C端的AI应用（如豆包、腾讯元宝，这些产品目前都在亏钱），而是以下三类业务：

1. 卖算力：芯片、半导体、内存等硬件厂商
2. 卖Token：各大模型厂商的API服务
3. 模型聚合平台：如OpenRouter这类聚合多家模型API、赚取差价的中间商

关于C端AI应用的亏损，这反映了当前AI行业的一个结构性矛盾：大模型的推理成本极高（每次对话都需要消耗大量GPU算力），而C端用户的付费意愿和付费能力有限。据行业估算，ChatGPT每天的运营成本高达数百万美元，即便拥有数亿用户，其订阅收入仍难以覆盖全部成本。国内厂商为了争夺用户，普遍采取免费或低价策略，导致"烧钱换规模"的局面更加严峻。相比之下，卖算力和卖Token的商业模式更加清晰，因为它们直接服务于有明确付费能力的企业客户和开发者群体。

OpenRouter是目前最知名的AI模型聚合平台之一，它的商业模式类似于云计算领域的"多云管理平台"。开发者只需接入OpenRouter一个API端点，就可以按需调用OpenAI、Anthropic、Google、Meta等数十家厂商的数百个模型，无需分别注册账号和管理多套API密钥。OpenRouter通过批量采购各厂商的API额度获取折扣，再以略高于成本的价格转售给终端用户，赚取中间差价。这种模式的核心价值在于降低了开发者的接入成本和切换成本，同时提供了统一的计费、监控和故障转移能力。在国内，类似的平台还有硅基流动（SiliconFlow）等，它们在帮助开发者规避海外模型访问限制的同时，也聚合了国内各家大模型的API服务。

诸葛老师透露，他身边有朋友仅靠运营一个Token聚合平台，十几人的小团队一年营收就达到一两个亿。这也是课程选择开发AI模型聚合平台作为第二个实战项目的原因——它既有技术学习价值，又有真实的商业前景。

总结：找到适合你的AI编程切入点

AI编程正在经历从"玩具"到"工具"再到"工程"的进化。对于开发者而言，仅仅会用Vibe Coding是远远不够的，掌握AI工程化编程的思想和方法，才能在这个快速变化的时代保持竞争力。

无论你是零基础的新手还是有经验的工程师，理解Vibe Coding、计划模式、AI工程化编程这三个层次的区别，并找到适合自己的切入点，才是拥抱AI编程时代的正确方式。

核心要点