Codex+Claude Code实战：从Vibe Coding到企业级AI工程化开发

AI编程工具的实战价值：不止于玩具级Demo

在AI编程工具百花齐放的今天，Codex和Claude Code无疑是全球AI编程能力最强的两个工具。但很多开发者面临一个共同困惑：用Vibe Coding（氛围编程）做出来的项目，为什么总是停留在玩具级别？ 如何才能真正用AI工具开发出企业级项目？

B站UP主诸葛老师通过一场近3小时的实战直播，从零开始演示了两个项目的完整开发过程——电商项目和AI模型聚合平台，并深入讲解了从Vibe Coding到AI工程化编程的进阶路径。本文将梳理其中的核心要点和实战方法论。

Vibe Coding的能力边界：能做什么，不能做什么

Vibe Coding（氛围编程）这个概念源自国外，由特斯拉前AI总监、OpenAI联合创始人Andrej Karpathy在2025年初提出。他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性，忘记代码的具体存在，只通过自然语言描述意图。其核心思想很简单：你只需要把脑海中的需求写清楚，告诉AI编程工具，它就能帮你生成代码。 无论你是产品经理还是非技术人员，都可以快速搭建一个Demo。这一概念迅速在全球开发者社区引发热议，因为它代表了一种从"编写代码"到"描述意图"的根本性转变。

然而，正如任何新范式的早期阶段，Vibe Coding存在明显的天花板：

• 代码质量堪忧：生成的代码往往是"死伤代码"，难以维护
• Bug修复困难：非技术人员无法有效指挥AI工具修复复杂Bug，容易陷入死循环
• 无法应对复杂业务：高并发、分布式、微服务架构等企业级需求完全无法胜任

诸葛老师举了一个很有说服力的例子：早期很多AI博主声称用Vibe Coding"干掉了程序员"，但仔细看他们做的项目——不过是一个跨境电商小网站、一个番茄钟、一个补光灯工具，功能极其简单。真正的企业级项目，业务复杂度和技术复杂度远非Vibe Coding所能驾驭。

三种AI编程开发模式的递进路径

本次实战课程设计了三种递进式的开发模式，每个项目都会经历这三个阶段：

Vibe Coding快速原型

最基础的方式，适合快速验证想法。几分钟内就能搭建一个电商项目的基本框架，但仅限于Demo级别。这是小白入门AI编程的起点。

Plan模式：计划先行再编码

Codex和Claude Code都内置了Plan模式。在这种模式下，AI不会直接动手写代码，而是先制定开发计划，再按计划逐步实现。相比纯Vibe Coding，项目的结构性和可维护性有明显提升。Plan模式的核心价值在于引入了"分治思想"——将复杂需求拆解为可管理的子任务，每个子任务独立实现并验证，最终组合成完整系统。这种方式虽然比纯Vibe Coding多了一步规划环节，但显著降低了后期返工的概率。

SuperPAL工程化编程：企业级开发的正确姿势

这是真正的企业级开发方式。SuperPAL是Claude Code的一个插件，内置了一系列开发Skill（技能），覆盖了从需求分析、架构设计、编码开发到测试部署的全流程。

SuperPAL本质上是一套AI工程化编程的Agent Skill体系，类似于早期的Spy Code、Spy Kit等基于SDD（规范驱动开发）的工具，但更加成熟和完整。目前很多中小型公司已经在实际使用这套流程。

SDD（Specification-Driven Development，规范驱动开发）是一种软件工程方法论，强调在编码之前先建立完整的规范文档，包括接口定义、数据模型、行为约束等。在AI编程语境下，SDD的核心价值在于为AI Agent提供明确的"行为边界"——AI不再是自由发挥式地生成代码，而是在严格的规范约束下进行开发。这与传统的TDD（测试驱动开发）和BDD（行为驱动开发）形成互补关系。SuperPAL正是将SDD理念产品化，通过预定义的开发规范来约束AI的代码生成行为，从而提高输出质量的一致性和可预测性。

开发环境与工具链配置详解

核心工具选择

诸葛老师推荐的开发环境是 VS Code + Claude Code插件 + Codex桌面端/CLI。他特别指出，传统IDE如IntelliJ在AI时代已经显得落伍：

"如果IntelliJ不做大的变革，再过两三年被淘汰也不远了。Eclipse当年被IntelliJ干掉，现在IntelliJ又面临被AI编程工具干掉的局面。"

传统IDE的核心价值在于代码编辑、调试、重构等以"人工编写代码"为中心的功能。然而在AI编程时代，开发者的核心工作正从"写代码"转向"描述意图和审查代码"，这使得轻量级编辑器（如VS Code）配合AI插件的组合反而比重量级IDE更具优势。JetBrains（IntelliJ母公司）虽然也在积极集成AI功能（如AI Assistant），但其架构设计的历史包袱使其难以像VS Code那样灵活地适配各种AI编程工具的工作流。Cursor、Windsurf等AI-native编辑器的崛起进一步加速了这一趋势，预示着开发工具领域正在经历一次根本性的代际更替。

实战中会用到的工具形态包括：

• Codex桌面端：可视化操作，适合日常开发
• Codex CLI（命令行）：企业中使用较多的方式
• Claude Code CLI：命令行方式开发，配合SuperPAL插件效果最佳

后端大模型的选择策略

AI编程工具的核心竞争力，排第一位的永远是后端模型。诸葛老师分享了他对国内主流大模型的实测体验：

• 第一梯队：智谱GLM——综合能力最强，"股价涨到天上去了，公司成立没几年就快赶上小米"
• 性价比之选：DeepSeek——能力不错且价格极低
• 第二梯队：Minimax、Kimi、小米Mimo、阿里通义、腾讯混元

由于Claude（Anthropic）的CEO对中国用户不友好，频繁封号，诸葛老师选择在Claude Code中接入GLM作为后端模型，而Codex则使用GPT最新版本。值得注意的是，AI编程工具的效果高度依赖后端模型的代码生成能力，而代码生成能力又与模型的训练数据质量、上下文窗口长度、指令遵循能力等多个维度密切相关。选择合适的后端模型，本质上是在能力、成本、稳定性和合规性之间寻找最优平衡点。

OpenRouter解析：AI模型聚合平台的商业逻辑

课程的第二个实战项目是开发一个类似OpenRouter的AI模型聚合平台。OpenRouter是全球最大的AI大模型聚合平台，集成了市面上几乎所有主流大模型，包含免费和付费选项，并提供详细的模型评测排名。

OpenRouter的商业模式本质上是AI领域的"API网关聚合"，类似于云计算早期的CDN聚合服务商。开发者只需对接OpenRouter一个API端点，即可访问OpenAI、Anthropic、Google、Meta等数十家模型提供商的数百个模型。其盈利模式包括：在模型提供商原价基础上加收10-20%的服务费、提供企业级SLA保障的增值服务、以及通过流量规模获取的批发折扣差价。这种模式的核心壁垒不在技术，而在于生态位——一旦大量开发者和应用依赖其统一接口，迁移成本就会形成天然护城河。

诸葛老师揭示了一个很多人忽略的商业事实：当前AI领域最赚钱的不是面向C端的AI应用（如豆包、腾讯元宝等都在亏钱），而是三个方向：

1. 卖算力：芯片、半导体、内存等硬件，A股相关板块已经涨到天上
2. 卖Token：智谱、腾讯等大厂的API服务
3. 模型聚合平台：即"套壳卖Token"的网站

"我身边有朋友，就做这种套壳网站，团队十几个人，一年卖一两个亿。几年前跟我们还是一个数量级，现在已经在天上了。"

这类平台的商业模式很简单：拿到较便宜的Token批发价，通过聚合多家模型的方式零售给开发者，赚取差价。虽然技术门槛不高，但市场需求巨大。从技术实现角度看，这类平台的核心挑战在于：统一不同模型提供商的API格式差异、实现智能路由和负载均衡、处理各家模型的计费差异、以及保障服务的高可用性。这恰好是一个适合用AI工程化编程方式来开发的中等复杂度项目。

大厂AI工程化编程的内部实践

课程还涉及了国内头部互联网公司（如阿里）内部的AI工程化编程最佳实践。诸葛老师提到，各大厂内部正在推行一套基于Harness的AI工程化编程体系，核心理念是自闭环进化——从需求到代码到测试到部署，形成完整的AI辅助开发闭环。

Harness在AI工程化编程语境中指的是一套完整的"测试与执行框架"，源自软件测试领域的Test Harness概念。在AI编程工具中，Harness体系负责构建一个自动化的反馈闭环：AI生成代码后，Harness自动执行编译检查、单元测试、集成测试，并将结果反馈给AI进行迭代修正。这种"生成-验证-修正"的自闭环机制大幅减少了人工介入的频率，是AI编程工具从"代码补全"进化到"自主开发"的关键技术基础。

Claude Code之所以被专业程序员广泛使用，正是因为其内部实现了一整套Harness工程体系，对专业化编程做了大量优化。具体而言，Claude Code在执行编码任务时，会自动运行项目的测试套件来验证生成代码的正确性，如果测试失败则自动分析错误原因并修正代码，直到所有测试通过。这种机制使得AI生成的代码质量远高于简单的一次性生成。有兴趣的开发者可以阅读Claude Code的源码，深入理解其工程化设计思想。

总结：AI编程进阶的三条路径

AI编程正在经历从"氛围编程"到"工程化编程"的范式转变。对于不同阶段的开发者，建议采取不同策略：

• 入门者：先用Vibe Coding快速体验，理解AI编程的基本流程
• 进阶者：掌握Plan模式，学会拆解需求、分步实现
• 专业开发者：深入学习SuperPAL等工程化编程框架，将AI工具融入企业级开发流程

无论选择哪条路径，核心原则不变：AI是工具，工程化思维才是核心竞争力。 正如软件工程从瀑布模型到敏捷开发的演进一样，AI编程也在经历从"随意生成"到"规范化工程"的成熟过程。掌握这一趋势的开发者，将在未来的技术竞争中占据显著优势。