Vibe Coding 做出原型后，为什么还要智能体？从代码生成到可控交付
<p><img src="https://i-blog.csdnimg.cn/direct/e89e18d9b5a9437d85dbce23e3ba0a7d.png" alt="文章封面" style="max-width:100%;height:auto;display:block;margin:16px auto;"></p><p>很多人把 Vibe Coding 想成“对着编辑器说一句话，页面就出现了”。它确实适合把想法快速变成能点的原型；但当原型要接入真实接口、通过测试、留下交付证据时，重复的核对和权限判断又回来了。前端、后端、运维和 Web Coding 开发者今天就能做的第一步，是选一个可回滚的小任务，让智能体只读取脱敏代码、测试结果和部署清单，生成一份带来源的检查单；合并代码、修改生产配置、发布和对外通知仍由人确认。做到“每一步可回看、每个副作用有停点”就已经足够开始。</p><h2>先把两个概念分开：生成原型和可控执行</h2><p>Vibe Coding 的价值在于缩短“想法 -> 第一版界面”的距离。它通常以自然语言提示、代码生成和即时预览为主，目标是尽快验证交互是否合理。原型阶段可以接受临时数据、一次性脚本和未覆盖的边界，因为人还在旁边观察。</p><p>智能体关注的是另一段链路：把目标拆成步骤，按允许的工具契约读取上下文，执行后验证结果，并保存一条可回看的记录。它不是更会聊天的机器人，而是把“计划、工具、上下文、验证、停点”连起来的工作流执行者。</p><p>这一区分有官方依据。OpenAI Agents SDK 的工具指南把工具定义为连接外部能力的显式接口，要求声明输入与结果（文档，访问于 2026-08-29）：<https://openai.github.io/openai-agents-js/guides/tools/>。MCP 工具规范也要求工具调用状态可见，并保留人拒绝调用的机会（规范版本 2025-06-18）：<https://modelcontextprotocol.io/specification/2025-06-18/server/tools>。</p><h2>一个熟悉场景：原型能跑，交付却卡在发布前检查</h2><p>假设你用 Vibe Coding 做了一个前端页面，接口也由后端补齐。真正准备交付时，通常要重复确认：</p><ul><li>页面构建是否通过，失败日志对应哪次提交？</li><li>接口契约、环境变量名和部署清单是否一致？</li><li>截图、测试报告和变更说明是否齐全？</li><li>哪些动作只是读取，哪些动作会改文件、改配置或触发发布？</li></ul><p>这些问题不是“再生成一段代码”就能解决。它们需要跨文件、跨工具的证据整理，还要在有副作用的动作前停下来。下面的演示把任务限制在只读检查：智能体读取三份脱敏输入，按固定顺序产出检查项，发现缺口就标红并停止，不调用发布接口。</p><p><img src="https://i-blog.csdnimg.cn/direct/195c8f51005947dca55f45a318478560.png" alt="原型检查入口和任务边界" style="max-width:100%;height:auto;display:block;margin:16px auto;"></p><p>图 1：本地演示页面的入口状态。素材来自实际运行的脱敏演示，展示只读范围、输入版本和人工确认点；不是生产后台截图。</p><h2>智能体到底增加了哪一步？把工作流变成可回放记录</h2><p>最小可行工作流可以压缩成四步：</p><ol><li><strong>任务卡</strong>：写清目标、输入版本、允许工具和禁止动作。</li><li><strong>计划</strong>：把“检查是否可交付”拆成构建、契约、证据三项，先列计划再执行。</li><li><strong>工具调用</strong>：每次读取都记录参数、返回摘要和来源文件；发现版本冲突就暂停。</li><li><strong>人工交接</strong>：输出待确认清单，不替人点击合并、发布或发送通知。</li></ol><p><img src="https://i-blog.csdnimg.cn/direct/360c7bdc72f94019b37870fae3cb442e.png" alt="任务计划和工具调用记录" style="max-width:100%;height:auto;display:block;margin:16px auto;"></p><p>图 2：演示页面的计划视图。每项检查都有顺序、只读工具和预期证据，计划与实际结果分开显示。</p><p>一个足够小的任务卡可以这样写：</p><pre><code>目标: 生成发布前检查单输入: - 构建结果.json - 接口契约.yaml - 部署清单.md允许工具: - 读取文件 - 解析测试结果 - 输出检查单禁止动作: - 修改代码 - 写入生产配置 - 点击发布人工确认: - 是否合并代码 - 是否执行发布</code></pre><p>任务卡的作用不是让模型“更聪明”，而是让失败可定位：计划错了、参数错了、输入过期了，还是验证没有覆盖，都能在记录中找到对应位置。</p><h2>记忆和上下文怎么用，才不会把旧结论带进新版本</h2><p>“有记忆”不等于永久保存所有聊天记录。OpenAI Agents SDK 的会话指南把历史上下文视为可持久化边界，开发者仍需决定保存、清理和隔离策略（文档，访问于 2026-08-29）：<https://openai.github.io/openai-agents-js/guides/sessions/>。</p><p>在发布检查中，建议把记忆缩小为三类可验证信息：</p><ul><li><strong>来源</strong>：来自哪次提交、哪份测试报告、哪一版契约。</li><li><strong>有效期</strong>：什么时候过期，过期后必须重新读取。</li><li><strong>用途</strong>：只用于解释差异，不直接授权写入或发布。</li></ul><p><img src="https://i-blog.csdnimg.cn/direct/e7f7f00ecce74a5ebb5f6ac505873b44.png" alt="上下文版本和过期提示" style="max-width:100%;height:auto;display:block;margin:16px auto;"></p><p>图 3：演示页面的上下文视图。每条记忆有来源、版本和有效期，过期项不会被自动当成事实。</p><h2>验证结果要看什么？先看证据，再看模型的解释</h2><p>智能体输出的一段“已通过”不能替代原始证据。最低限度要保留：</p><ul><li>命令和退出码，例如构建命令返回 0；</li><li>检查输入的版本或哈希；</li><li>失败项的原始摘要与重现入口；</li><li>生成时间和人工处理状态。</li></ul><p><img src="https://i-blog.csdnimg.cn/direct/8e03d419ab8e4d07a08171fc0af9a243.png" alt="验证证据和人工交接清单" style="max-width:100%;height:auto;display:block;margin:16px auto;"></p><p>图 4：演示页面的交接视图。绿色项来自可读证据，橙色项要求人工决定；页面不会把“建议”伪装成“已发布”。</p><h2>哪些事情仍必须由人确认？给权限划一条线</h2><p>可以优先交给智能体的，是低风险、可回滚、只读或可模拟的工作：整理日志、比对契约、汇总测试、生成变更说明、检查页面清单。下面几类动作应保留人工确认：</p><ul><li>写入生产数据库、修改线上配置或扩大访问权限；</li><li>合并代码、切换流量、执行发布和回滚；</li><li>向客户、团队或公众发送消息；</li><li>证据互相冲突时的取舍，以及对风险的最终承担。</li></ul><p>这是适用边界，不是效率承诺。OWASP GenAI Security 项目把提示注入列为重要风险，建议隔离不可信输入、采用最小权限并对结果做验证（LLM01，2025）：<https://genai.owasp.org/llmrisk/llm01-prompt-injection/>。因此，网页内容、工单文本和外部文档都应被当作不可信输入，不能直接改变工具权限。</p><h2>趋势推断：交付记录可能比“生成速度”更重要</h2><p><strong>事实观察</strong>：工具契约、会话持久化和人在回路的要求，已经出现在 OpenAI Agents SDK、MCP 规范和 GitHub 的智能体工作流示例中。GitHub 官方文章在 2026-08-14 展示了把目标环境变更放入审批请求，而不是让智能体直接推进：<https://github.blog/ai-and-ml/github-copilot/how-to-bring-your-software-delivery-workflow-into-github-with-agent-apps/>。</p><p><strong>趋势推断（推断，不是已发生的行业结论）</strong>：如果更多团队把智能体接入低风险、可回滚的开发任务，并且保留输入版本、工具返回和人工停点，那么交付记录可能会比单次代码生成速度更受重视。这个推断依赖三个条件：任务边界清楚、权限可限制、证据可复查。现有来源不能证明普遍效率提升，也不能推出智能体会替代开发者；不同团队的工具成熟度、合规要求和失败成本仍会造成很大差异。</p><h2>今天就能做的最小尝试</h2><ol><li>选一个不会改生产的任务，例如发布前检查或接口契约比对。</li><li>把输入文件、允许工具、禁止动作和人工确认点写成任务卡。</li><li>先运行一次只读流程，保存计划、工具返回、证据和暂停原因。</li><li>人工复核缺口，再决定是否把结果带入代码评审；不要让首次实验直接触发发布。</li></ol><p>如果这四步能稳定复现，你就已经跨过了从“代码生成”到“可控交付”的第一道门槛。下一步不是堆更多智能体，而是为一个真实小任务补齐版本、权限和验证记录。</p><h2>参考来源</h2><ul><li>OpenAI Agents SDK 工具指南：<https://openai.github.io/openai-agents-js/guides/tools/>（官方文档，访问于 2026-08-29）</li><li>OpenAI Agents SDK 会话指南：<https://openai.github.io/openai-agents-js/guides/sessions/>（官方文档，访问于 2026-08-29）</li><li>Model Context Protocol 工具规范：<https://modelcontextprotocol.io/specification/2025-06-18/server/tools>（官方规范，2025-06-18）</li><li>GitHub Copilot agent apps 工作流：<https://github.blog/ai-and-ml/github-copilot/how-to-bring-your-software-delivery-workflow-into-github-with-agent-apps/>（官方博客，2026-08-14）</li><li>OWASP LLM01 Prompt Injection：<https://genai.owasp.org/llmrisk/llm01-prompt-injection/>（官方安全项目，2025）</li></ul><blockquote>声明：本文由 AI 辅助整理，示例使用脱敏数据；涉及生产权限、代码合并和公开发布的决定应由具备相应权限的人员完成。</blockquote>
浙公网安备 33010602011771号