把 Agent 当程序员管，别当许愿池——AI 开发模式的实战沉淀

从"忘掉代码"到"管住代码"

Karpathy 那句 "forget that the code even exists" 出来时，大家都觉得浪漫——自然语言进，能跑的程序出，程序员终于不用管花括号了。但真 vibe coding 了几个月、几个项目下来，翻车姿势其实高度雷同：

• 改到第 3 轮，AI 把之前写对的逻辑给你删了（"改出 regression" 是 agent 模式最高频的痛）
• 没给全局架构约束，AI 默认选最俗的方案，几次迭代后变成意大利面
• Prompt 太模糊，"做个好看的页面"= 开盲盒，出来像 2015 年的 Bootstrap demo
• 上下文拖太长，同一个会话里 AI 开始"健忘 + 乱猜"
• 能跑 ≠ 对，能跑但藏着 SQL 注入 / 弱哈希 / 边界 case 崩，是最危险的那种 bug

YC 2025 冬季批次里 25% 的初创 codebase 95% 是 AI 生成的——这说明"能产出了"，但也说明"没纪律管着，AI 代码会反过来吃掉你"。

所以这大半年行业里真正在沉淀的，不是"哪个 prompt 更好用"，而是工作模式本身从"探索态"进化到"交付态" ：从靠模糊意图+即时反馈的 vibe，过渡到靠规格文档+工程约束的 Spec-Driven。下面这 6 条是我觉得最值得固化的。

---

1. 项目共识文档先落地，再写第一行代码

CLAUDE.md / AGENTS.md / cursor rules，不管叫什么，本质是给 AI 做"入职培训"——项目背景、技术栈、代码规范、禁止事项、目录约定，一次性写清楚。

没这个文件时，AI 每次对话都像新来的实习生，第 8 轮开始自由发挥。有了之后，同一份 prompt 出来的代码质量差一档。

💡 进阶一步：把 PRD 也先让 AI 帮你磨出来——用户流程、UI 规格、技术指标、成功度量，存成 README.md 当 north star，再动手。

2. Spec 先行，哪怕只是"迷你 Spec"

5 行也说清：背景 / 输入输出 / 边界条件 / 验收标准。比直接说"帮我做个登录"强十倍。

再进一步就是 Spec-Driven Development：spec 作为 single source of truth，AI 按 spec 生成，review 对的是 spec 不是凭感觉。Y Combinator 那批 95% AI 生成代码的团队，基本都走到这一步了。

3. 小步闭环：生成 → 验证 → 提交 → 下一步

这是 vibe coding 最容易违背的一条。别一次性让 AI 生成全量代码，别一次性让 AI "把整个项目重构一下"。正确节奏：

• 按分层/模块拆成独立子任务
• 每完成一个可验证的小改动立刻跑（单元测试 / lint / 手动点一遍）
• 过了就 git commit，不过就回退
• 再进下一环

腾讯云那篇一人团队的 70/20/10 法则也呼应这个——70% 时间和 AI 聊需求和设计，20% AI 执行，10% 人工 review，"看不懂的代码不提交"。

4. 把 Agent 当程序员管，不当许愿池

这句话是 Reddit/V2EX 那波实战帖里最被认同的一句。落到动作上：

• 一次只做一件事（"先实现登录，完了我再告诉你下一步"，而不是"帮我做登录+注册+个人中心"）
• 每个文件不超过 200 行，按职责拆，禁止单体巨文件
• 上下文拖长了就用 /clear或 /compact开新会话，关键状态写入 memory-bank/
• 调试时给 AI 喂：预期行为 + 实际行为 + 报错 + 相关代码 + 已尝试过什么

5. 建自己的 Skill / Prompt 库，别每次从零描

"每个 Skill = 目标 + 上下文 + 约束 + 步骤 + 输出模板 + 验收标准"——比如：

• 需求分析类：用户故事拆解、验收标准生成
• 后端类：OpenAPI 草案、Prisma 模型、异常中间件
• 前端类：组件拆分、表单校验、a11y 检查
• 质量类：code review prompt、安全扫描、性能 diff

项目做完，让 AI 自己把部署步骤、环境配置、常见坑输出一份归档。下次新项目直接复用，这才是"经验沉淀"的实体形态。

6. AI 生成代码 = 初级同事提交，门禁同等待遇

这条是底线：

• 逻辑错误要靠你自己或测试抓——AI 特别擅长"看起来对但边界崩"
• 安全敏感段（auth、加密、支付）必须人 review，AI 不知道最新 CVE
• 核心业务建议人复核，infra/脚手架类可放宽
• 测试让 AI 先写，但你得告诉它"帮我想想哪些 edge case 会炸"

---

竞争力迁去哪了

Vibe Coding 不是对编程的背叛，是把人从 80% 机械劳动里捞出来——但前提是你有纪律地用它。不然爽三个月，后面全是还 tech debt。

以后最值钱的能力不是"会写代码"，是"知道该做什么 + 能判断 AI 做得对不对"。

代码不稀缺了，稀缺的是架构判断、需求拆解、对 AI 输出的甄别力，以及——把这一套 workflow 固化下来的工程纪律。