大家好，我是程序員魚皮。

最近有個朋友跟我說，他去面試的時候，面試官問他：“你對 AI 編程了解多少？”

他張口就來一句 “不就是 Vibe Coding 嗎？跟 AI 對話而已，有啥難的？”

然后面試官沒繃住笑，反問了一句：“就這？你確定么？”

他愣住了：“阿巴巴巴。。”

如果是 2025 年，這個答案可能還能唬住很多面試官，因為那會兒大家一提 AI 編程，腦子里就只有 Vibe Coding。跟 AI 隨便聊幾句，代碼就出來了，能跑就行。

但 2026 年了，AI 編程的玩法早就不只這一種了！

AI 編程 != Vibe Coding

Vibe Coding 只是 AI 編程眾多模式中的一種，而且是最隨性的那種。如今 AI 編程的模式已經非常多了，從跟著感覺走到按流程來，從一個人問 AI 到一整套方法論驅動，不同場景有不同的最佳實踐。

今天就給大家一次性講清楚，目前主流的 6 種 AI 編程模式到底是什么？有什么區別？各自適合什么場景？

搞懂這些，下次面試再被問到 AI 編程，你就能從容地掏出一整套體系了。

本文內容節選自魚皮免費開源的 《AI 編程零基礎入門教程》 中的「Vibe Coding 概念大全」篇，想系統學習 AI 編程的朋友可以直接去看完整教程。

Vibe Coding 是由計算機科學家 Andrej Karpathy 在 2025 年 2 月提出的概念。它描述了一種全新的編程方式：通過自然語言和 AI 對話，讓 AI 幫你寫代碼，你只需要描述需求、測試結果、指導方向。

你不需要精通編程語法，只需要能清楚表達你的想法，AI 負責把你的想法變成可運行的代碼。

所以說，Vibe Coding 的重點不是寫代碼，而是明確需求并清晰表達。你描述得越清楚，AI 給你的結果就越靠譜。

這就像點外賣一樣，你告訴外賣平臺你想吃什么，餐廳幫你做好送到手上。你不需要會做飯，但要知道自己想吃什么。

適合場景：做小工具、快速驗證想法、個人項目原型、非程序員想快速做出產品。

二、Agentic Engineering 智能體工程

Agentic Engineering 智能體工程是 2026 年 2 月由 Andrej Karpathy（也就是提出 Vibe Coding 的那位大佬）提出的新概念，可以理解為 Vibe Coding 的規范版。

Vibe Coding 就是跟著感覺寫代碼：你給 AI 一句話，AI 吐出代碼，能跑就行，跑不了就把報錯粘回去讓 AI 再改。做個小工具賊拉快，但項目一大就容易翻車。

而 Agentic Engineering 的思路是：你先想清楚要干嘛、寫好方案、拆好任務，再把活交給 AI 去執行，它干完了你還得驗收，質量不行再打回去重做。

打個比方，Vibe Coding 的時候你是個 DJ，放什么歌全憑感覺；Agentic Engineering 里你是包工頭，流程、質量、驗收都得你說了算。一個跟著感覺走，一個按流程來。

當然，不是說 Vibe Coding 已經過時了。Vibe Coding 負責讓你看到可能性，Agentic Engineering 負責把可能性變成真正能用的東西。二者適用于不同的場景，做小工具時可以用 Vibe Coding，做企業級項目就需要 Agentic Engineering 的思維。

適合場景：中大型項目、團隊協作、需要長期維護的正式產品。

三、Harness Engineering 駕馭工程

Harness Engineering 駕馭工程是 2026 年興起的 AI 工程新范式，核心理念是人類掌舵 + 智能體執行。

它不是去優化 AI 模型本身，而是圍繞 AI 智能體搭建一整套約束機制、反饋循環和工作流管理系統，讓原本不可預測的 AI 在高可靠性環境下跑得穩、跑得快。

Harness 這個詞本意是 “馬具”，就像韁繩和馬鞍用來引導強大但難以預測的馬匹一樣，Harness Engineering 就是圍繞 AI 編程智能體搭建的整套 “運行環境”，確保 AI 能按照你的預期工作。

Harness Engineering 包含三大核心支柱：

1. 上下文工程：確保 AI 在正確的時間獲得正確的信息，包括代碼庫文檔、架構規范、AGENTS.md 文件、測試結果等

2. 架構約束：通過代碼規范檢查器、自動化測試等機制，強制規定 AI 必須遵守的規則，明確的邊界能讓 AI 更快地收斂到正確的解決方案

3. 熵管理：定期清理 AI 生成代碼中積累的問題，比如過時文檔、命名偏差、死代碼等

為什么這個概念越來越重要呢？

因為在 AI 編程時代，模型本身已經是通用商品，真正的競爭力在于你圍繞模型搭建的工程體系。同一個大模型，在不同的 Harness 環境下，代碼質量可能天差地別。程序員的角色正在從 “自己寫代碼” 轉變為 “設計讓 AI 可靠寫代碼的系統”。

適合場景：企業級 AI 開發、對代碼質量和穩定性要求高的項目、需要多人協作的長期項目。

四、Ralph Wiggum Loop

Ralph Wiggum Loop 是 2026 年比較流行的一種 AI 編程模式，名字來源于《辛普森一家》中那個執著不放棄的角色 Ralph Wiggum。

這個模式目前已有多個開源實現，比如 wiggumdev/ralph。它的核心思路很簡單：把 AI 放在循環中反復執行，直到需求文檔中的所有檢查項全部完成。

工作流程大概是這樣的：

1. 先寫一份 PRD（產品需求文檔），把要做的功能拆解成一個個清晰的檢查項

2. 讓 AI 智能體開始執行，每次從檢查清單中取出未完成的任務

3. AI 完成一個任務后，通過 Git 提交代碼并記錄進度

4. 以全新的上下文開始新一輪迭代，繼續處理剩余任務

5. 不斷循環，直到所有檢查項完成

這種模式的巧妙之處在于，每輪循環都以干凈的上下文開始（通過 Git 和文件來持久化進度），避免了長對話中 AI 容易斷片兒的問題。而且可以無人值守地運行，你寫好 PRD 就可以去睡覺了，第二天起來檢查成果就行。

不過要注意設置好循環次數限制和 Token 預算，防止 AI 陷入無限循環瘋狂燒錢。

適合場景：功能明確且可拆解的項目、想讓 AI 無人值守地干活、任務量大但單個任務相對獨立。

五、BMAD 敏捷 AI 開發方法

BMAD-METHOD（Breakthrough Method of Agile AI-Driven Development，突破性敏捷 AI 驅動開發方法）是一套系統化的 AI 智能體開發框架，目標是將原本混亂的 AI 編程過程變得結構化、可復用。

BMAD 使用角色化智能體的方式組織開發流程，每個智能體扮演特定角色：

• Analyst Agent 分析師：創建項目簡報，包含市場分析和用戶畫像

• PM Agent 產品經理：將簡報轉化為詳細的產品需求文檔（PRD）

• Architect Agent 架構師：設計技術實現方案和系統架構

BMAD 中的智能體分為兩種類型：

• Simple Agents 簡單智能體：單文件、自包含，適合代碼審查、文檔生成等聚焦任務

• Expert Agents 專家智能體：具有跨會話持久記憶，配有專屬文件夾存放資源，適合復雜的多步驟工作流

每個智能體都有標準化的組成部分，包括人設（角色、身份、溝通風格、原則）、能力列表、交互菜單，以及可選的關鍵行動。

BMAD 在 GitHub 上獲得了幾萬+ Star，說明這種結構化的 AI 開發方法正在被越來越多的開發者認可。

適合場景：從零開始的完整項目、需要走完分析-設計-開發全流程的產品、團隊想要標準化 AI 開發流程。

六、SDD 規范驅動開發

SDD（Spec-Driven Development 規范驅動開發）是 AI 時代的一種新型開發方法論，強調在編碼之前先創建明確的、AI 能直接理解和執行的規范文檔。

傳統開發流程是：想到什么寫什么，邊寫邊改，最后再補文檔。這樣容易導致需求不清晰、代碼和文檔對不上。

而 SDD 的思路正好相反：先把需求寫成規范文檔，并且把規范文檔當作代碼的唯一真相來源。

你可以把規范文檔理解為 “項目憲法”，它包含了詳細的需求描述、系統設計和接口定義。AI 必須嚴格遵守這些條文來生成代碼，確保產出完全符合預期。

為什么 SDD 越來越受重視？

因為 AI 生成代碼的質量直接取決于上下文的清晰度，而不僅僅是依靠提示詞技巧。一個清晰的規范文檔能比任何 Prompt 黑魔法更有效地減少錯誤。

SDD 的典型工作流程如下：

1. Constitution 制定準則：定義項目的基本原則、代碼規范、性能標準

2. Specify 編寫規范：描述要做什么功能、為什么做、用戶需求是什么

3. Clarify 澄清疑問：讓 AI 提出結構化問題，明確邊界情況和錯誤處理

4. Plan 制定方案：確定技術棧、系統架構、數據模型、API 接口

5. Tasks 拆解任務：把計劃拆解成可執行的任務列表，標注依賴關系和優先級

6. Implement 執行實現：AI 按照任務列表生成代碼，人類驗證

其實這和程序員在企業中開發項目的標準流程非常相似，只不過執行者從人變成了 AI。

2025 年 9 月，GitHub 發布了開源的 Spec Kit 工具包，幫助開發者在 AI 編程中實踐 SDD 方法論。它支持 Claude Code、GitHub Copilot 等主流編程工具，通過一套斜杠命令引導你完成上述流程。即使你不是軟件開發專家，也能在 AI 的引導下輕松地走完規范的項目開發流程。

適合場景：需求復雜且明確的項目、對代碼質量要求高的場景、團隊多人協作開發。

對比一下

學完這些模式后，再來給大家用一張表格來匯總：

模式

一句話總結

上手門檻

適合項目規模

Vibe Coding

跟著感覺走，能跑就行

小項目/原型

Agentic Engineering

包工頭模式，先規劃再執行

中等

中大型項目

Harness Engineering

給 AI 套上韁繩，搭建可靠的運行環境

較高

企業級項目

Ralph Wiggum Loop

寫好清單讓 AI 循環干，干完為止

中等

功能明確的中型項目

BMAD

角色扮演式開發，分析師+產品+架構全上

中等

從零開始的完整產品

SDD

先寫規范文檔，再讓 AI 照著做

中等

需求明確、質量要求高的項目

注意，這些模式之間并不是互相排斥的，實際開發中完全可以混著用。比如用 SDD 先把規范寫好，再用 BMAD 的角色化智能體去執行，底層用 Harness Engineering 的思路來約束 AI 的行為。靈活組合，效果更佳。

最后

回到開頭那個面試場景，如果你只知道 Vibe Coding，說明你還停留在 AI 編程的入門階段。但如果你能把這 6 種模式的適用場景和優劣講清楚，面試官大概率會對你刮目相看。

話說 AI 編程這個領域變化太快了，現在的最佳實踐，過幾個月可能就會有更好的替代方案。保持學習、多動手嘗試，比記住任何一個概念都重要。

如果你是剛開始學習 AI 編程，肯定是從 Vibe Coding 學起，如果你想系統學習 AI 編程的完整知識體系、快速做出企業級項目和商業產品，可以看我免費開源的，GitHub Star 數破萬，涵蓋從零基礎入門到項目實戰再到產品變現的全流程。

開源倉庫：https://github.com/liyupi/ai-guide

我是魚皮，持續分享 AI 編程干貨，學會的話歡迎點贊收藏關注哦，也歡迎評論區聊聊你現在用過哪些 AI 編程模式~

一些對大家有用的資源：
100+ 編程學習路線 / 實戰項目 / 求職指導
100+ 簡歷模板
300+ 企業面試題庫 mianshiya.com
500+ AI 資源大全
1 對 1 模擬面試
動畫學算法教程