Vibe Coding到企业级：Claude Code+Codex工程化实战

AI编程工具正在从“玩具”走向“生产力”。B站一位UP主用一套完整的实战教程，展示了如何用Claude Code和Codex从零开发电商项目，并过渡到企业级工程化开发。这背后是一条清晰的进阶路径：从Vibe Coding的氛围编程，到计划模式的结构化开发，再到基于工程化Skill的全流程管理。

Vibe Coding的边界：为什么“一句话开发”做不了企业级项目

Vibe Coding（氛围编程）的核心是“想法即代码”——你描述需求，AI生成实现。UP主在教程中演示了用Claude Code快速搭建一个电商Demo，几分钟内就能看到可运行的页面。这种体验确实降低了编程门槛。

问题出现在项目变复杂之后。UP主指出，Vibe Coding产出的代码往往是“死伤代码”，难以维护；一旦线上出bug，不懂技术的产品经理很难指挥AI精准修复，容易陷入死循环。这解释了为什么市面上一些“AI取代程序员”的案例，最终都停留在小工具、小网站层面——功能简单，两句话就能描述清楚。企业级项目涉及分布式、微服务架构、高并发等复杂技术栈，Vibe Coding无法承载。

Vibe Coding 一词由前特斯拉AI总监、OpenAI创始成员Andrej Karpathy于2025年初提出，指开发者完全沉浸在“氛围”中，用自然语言描述意图、让大模型生成全部代码，自己几乎不逐行审查的编程方式。它依赖大模型的代码补全与指令跟随能力，典型工具包括Cursor、Claude Code、Windsurf等。其优势在于把想法到可运行原型的周期压缩到分钟级，适合一次性脚本、Demo和低风险小工具；局限则在于缺乏架构约束、测试覆盖和可追溯的变更记录，生成结果高度依赖提示词质量，且难以人工定位深层缺陷。业界普遍认为Vibe Coding是探索性工具，而非交付性工具。

计划模式：从“随口说”到“有章法”

教程的第二层进阶是计划模式（Plan Mode）。Claude Code和Codex都内置了这一能力，AI会先产出实现方案再动手写代码。UP主的做法是先用计划模式梳理需求结构，再让工具执行。相比Vibe Coding的直接生成，计划模式让开发过程可控性更强，适合中等复杂度的项目。

这一阶段的关键转变在于：开发者从“需求描述者”变成了“方案审核者”。AI负责提出实现路径，人负责判断合理性。UP主强调，这种模式已经在不少中小型公司中实际使用。

工程化编程：Super Power与真实企业流程

教程的核心价值在于第三层——基于Claude Code插件Super Power的工程化开发。Super Power提供了一系列Skill，覆盖从需求分析、开发、测试到部署上线的全流程。UP主用它开发了一个企业级电商项目，流程更接近真实企业环境。

据UP主介绍，这套体系与Anthropic内部的Harness AI工程化编程思路一脉相承。虽然无法获取内部文档细节，但大体思想是：通过结构化的工作流约束AI的输出质量，而不是依赖单次生成。Codex同样支持类似的工程化实践。UP主还提到，国内头部大厂也在推行类似的体系。

Skill 在Claude Code生态中指的是一种可复用的能力模块：通常由一段结构化的指令文件（如Markdown格式的SKILL.md）加上可选的脚本、模板和参考资料组成，通过约定名称被Claude在合适场景自动调用。Skill把“如何完成某类任务”的领域知识固化下来，例如代码评审清单、接口设计规范、部署检查步骤，从而让AI的输出从一次性发挥变成可重复的流程执行。相较于单纯依赖长提示词，Skill具备版本管理、按需加载和跨会话复用的特点，这也是“工程化编程”区别于Vibe Coding的关键机制。

工具选型：Claude Code与Codex的现实权衡

教程对两款主力工具的评价值得关注。UP主认为Claude Code在专业程序员中使用最多，内部有一套成熟的工程化体系，对专业化编程做了大量优化。但他也坦言，由于Anthropic的访问限制和封号风险，自己已减少使用Claude Code，转而更多使用Codex——尤其是GPT最新版本发布后，Codex的能力提升明显。

这种“能力”与“可用性”的权衡，是很多国内开发者面临的现实问题。教程中Claude Code的后端接入了国内模型（如智谱GLM），作为替代方案。UP主评价GLM是国内第一梯队，DeepSeek^广告性价比最高，MiniMax、Kimi、混元等也可用。

模型聚合平台：另一个实战项目与商业观察

教程的第二个项目是开发一个类似OpenRouter的AI模型聚合平台。UP主借此引出一个商业判断：当前AI领域最赚钱的不是面向C端的应用（豆包、元宝等都在亏损），而是卖算力、卖token以及做模型聚合的“套壳”网站。他提到身边有朋友做token网站，团队仅十几人，年销售额达到一两个亿。

这个观察是否普适另当别论，但它揭示了AI产业链的利润分布：上游基础设施和中间层分销，往往比下游应用更容易变现。对于开发者而言，理解这一点有助于判断技术投入的方向。

OpenRouter 是一个AI模型聚合与路由平台，开发者通过单一API即可调用OpenAI、Anthropic、Google、Meta等多家厂商的数十种模型，平台负责统一的鉴权、计费、限流和故障回退。它的核心价值在于屏蔽各家接口差异，并允许按价格、延迟或能力自动路由到合适模型。所谓“套壳”网站即建立在此类聚合层之上，向下采购token、向上提供统一入口与增值服务，赚取差价或订阅费。这类业务轻资产、团队规模小，但高度依赖上游定价与通道稳定性，竞争壁垒相对有限。

环境与工具链：VS Code + CLI + 桌面端

教程使用的环境是VS Code配合Claude Code插件，以及Codex的桌面端和CLI命令行。UP主对IntelliJ等传统IDE的评价颇为尖锐：如果不拥抱AI时代，两三年内可能面临淘汰。这一判断或许激进，但反映了AI编程工具正在重塑开发者的工作流。

UP主反复强调“实战优先”，不喜理论灌输。教程配套了上百页的安装配置文档，覆盖Codex和Claude Code从入门到进阶的使用。这种“文档+实战”的组合，对希望系统掌握AI编程的开发者来说，比零散的技巧分享更有价值。

给开发者的启示

这套教程的价值不在于教会你用某个工具写代码，而在于展示了一条可复用的进阶路径：先用Vibe Coding快速验证想法，再用计划模式管理复杂度，最后用工程化Skill体系交付企业级项目。工具会迭代，但这套“从轻到重”的方法论具有延续性。

UP主的一句话值得记住：AI时代没有哪个行业能“学得停”，持续学习才是唯一的稳定性。