← 上一章：十一、Embedding 模型 | 返回总览 | 下一章：十三、资源导航 →
Vibe Coding 由 AI 研究员 Andrej Karpathy 于 2025 年 2 月提出，指通过自然语言描述需求让 AI 生成代码，而非手动编写。
| 原型 | 技术知识 | AI 依赖度 | 核心特征 |
|---|---|---|---|
| 传统工程师 | 高 | 低 | 全面理解代码库，谨慎使用 AI，聚焦系统完整性，未来将转向架构/安全/系统设计 |
| 增强工程师 | 高 | 高 | 深度依赖 AI 同时保持技术理解，评估和优化 AI 生成方案，将成为主导开发范式 |
| 新兴开发者 | 低 | 低 | 传统方式学习基础，使用基础辅助工具，群体正在缩小 |
| 领域创造者 | 低 | 高 | 专注问题描述而非实现细节，快速原型，将分化为纯非技术创作者与技术学习者 |
| 范式 | 核心思想 | 前置工作 | 适用场景 | 核心优势 |
|---|---|---|---|---|
| Vibe Coding | 灵感驱动，边做边改 | 很少，快速启动 | 创意探索、原型验证 | 最快出结果，抓住灵感 |
| Spec Coding | 先定义，再开发 | 完整规格说明 | 需求明确、模块交付 | AI 容易执行，结果可控 |
| Glue Coding | 复用整合，拼装交付 | 梳理已有模块 | MVP 开发、应用整合 | 最快交付，效率最高 |
| Harness Engineering | 质检门禁，返工迭代 | 定义质检标准 | 生产环境、大型项目 | 质量可控，可维护性好 |
场景：周末突然想到一个好点子，想快速验证是否可行
你：在 Cursor Agent 模式中输入
"做一个极简的 Markdown 笔记应用，支持实时预览、标签分类、localStorage 存储"
结果：5 分钟内得到一个可运行的单页应用
不满意？继续对话：
"加一个暗色主题切换"
"预览区加上代码高亮"
每次对话都是一次探索，不需要想清楚再动手
关键：不纠结代码质量，先跑通再说。灵感转瞬即逝，速度优先。
场景：需求已明确，要交付一个功能模块
第一步：写规格文档（PRD.md）
## 用户登录模块
- 输入：手机号 + 验证码
- 验证：手机号格式校验、验证码 6 位数字、60 秒过期
- 输出：JWT token（有效期 7 天）
- 异常：手机号格式错误 → 400，验证码过期 → 401
第二步：让 AI 按规格实现
你：claude "按照 PRD.md 实现用户登录模块"
AI 输出可预测、可验证，因为规格已经限定了边界
关键：写规格的时间是值得投入的——规格越清晰，AI 输出越准确，返工越少。
场景：已有多个组件，需要快速拼装一个 MVP
你：claude "用以下组件搭建一个知识库问答 MVP：
1. LlamaIndex 做 RAG 检索（见 rag_service.py）
2. FastMCP 暴露为 MCP 工具（见 mcp_server.py）
3. Streamlit 做前端界面
请把它们串起来，确保用户可以在网页端提问，后端调用 RAG 检索并返回答案"
AI 的核心工作不是写新代码，而是理解已有代码并写好"胶水"
关键：AI 最擅长写连接代码，把现有模块串起来。你提供组件，AI 负责拼装。
场景：代码要上线，必须有质量保障
第一步：定义质检标准
你：claude "给这个项目加 Harness：
1. 所有 API 端点必须有单元测试，覆盖率 > 80%
2. 运行 npm run lint 无报错
3. 所有用户输入必须校验
4. 无硬编码密钥或凭证
5. 错误处理必须有用户友好提示"
第二步：AI 执行质检并修复
AI 发现问题后自动修复，循环执行直到所有门禁通过
关键：Harness 不是一次性加的，而是在项目从原型走向生产时逐步建立。
| 信号 | 当前范式 | 应切换到 | 原因 |
|---|---|---|---|
| AI 生成代码越来越难维护 | Vibe Coding | Spec Coding | 代码量超出 AI 上下文理解能力 |
| 多次对话修改同一功能仍不满意 | Vibe Coding | Spec Coding | 需求已明确但缺少规格约束 |
| 需要集成 3+ 个已有模块 | 任意 | Glue Coding | 拼装比重写更高效 |
| 项目要上线/多人协作 | Spec/Vibe/Glue | Harness | 生产环境必须有质检门禁 |
| 修复同一个 bug 超过 2 次 | 任意 | Harness | 缺少测试保护导致回归 |
| 需求一句话说不清 | Glue/Harness | Spec | 先理清需求再动手 |
核心原则：项目早期用 Vibe，中期切 Spec，上线前加 Harness。同一项目中不同模块可以混合使用。
不同范式适合不同的工具组合：
| 范式 | 推荐 CLI | 推荐 IDE | 推荐 Skill/工作流 |
|---|---|---|---|
| Vibe Coding | Claude Code / OpenClaw | Cursor Agent 模式 / Bolt.new | 前端设计、创意生成类 Skill |
| Spec Coding | Claude Code（Plan 模式） | Cursor / Devin Desktop | skill-creator（生成规格）、doc-coauthoring（文档协作） |
| Glue Coding | OpenClaw（Skills 驱动） | TraeCode / Replit | mcp-builder（集成外部工具）、API 对接 Skill |
| Harness Engineering | Claude Code（TDD 模式） | Cursor + Copilot / ADE（ZCode、Warp） | webapp-testing（E2E 测试）、CodeReview Skill |
2026 年的补充：Harness Engineering 阶段往往要同时跑多个 agent（一个写、一个测、一个审），这正是 ADE（Agent-first 开发环境）的用武之地——它把入口从编辑器换成任务，天生支持多 agent 并行与验证。详见章节七的「ADE」小节。
上面四种范式回答的是「这个项目该用哪种协作方式」。2026 年业界（由 Google Chrome 工程负责人 Addy Osmani 整合提出，Boris Cherny、Peter Steinberger 参与讨论）另梳理出一条层叠谱系——每一层都建立在下一层之上：
| 层 | 名称 | 解决什么问题 | 本文档位置 |
|---|---|---|---|
| L1 | Prompt Engineering | 单次指令怎么写 | 章节十四 |
| L2 | Context Engineering | 喂给模型哪些上下文、工具与记忆 | 尚未单独成章 |
| L3 | Harness Engineering | 给 agent 搭工具链、权限与验证门禁 | 本章（定义见下） |
| L4 | Loop Engineering | 设计「提示 agent 的系统」，而非自己提示 | 本小节 |
一个容易混的术语：L3 的「Harness Engineering」是工程实践，而「Harness」本身指承载 agent 的运行时——工具、权限、记忆、验证的总和。两者不在同一层：Claude Code、Codex、DSH、Pi 都属于「Harness」（DSH 的口号就是
Model + Harness = Agent），而本章前面讲的 Harness Engineering 是设计它的一套方法论。本文档此前只强调了其中的「验证门禁」这一面。
一句话：你不再手动给 agent 写 prompt，而是设计一套会自动给 agent 写 prompt 的系统。
Prompt Engineering 关心「这句话怎么说最好」，Loop Engineering 关心「由什么机制去说这句话、判断结果、记住进度、决定何时停」。触发这次转变的是 Boris Cherny（Claude Code 作者）的一句话：
"I don't prompt Claude anymore. I have loops that are running. They're the ones that are prompting Claude and figuring out what to do."
一个完整的 loop 由五个组件构成：
| 组件 | 作用 | 例子 |
|---|---|---|
| Trigger | 什么启动循环 | 定时（每天 9 点查 issue）、事件（PR 打开 / 测试失败）、人的一次性指令 |
| Goal | 可验证的终态 | 「所有测试通过」「P1 issue 归零」，而不是「优化一下」 |
| Actions | agent 能用的工具 | 读写文件、跑命令、调 MCP、派生子 agent |
| Verification | 怎么知道该停 | 跑测试看退出码、独立 reviewer agent 复核、CI 通过 |
| Memory | 跨轮次保留什么 | 会话续接、CLAUDE.md、外部记忆库 |
常见落地形态：把 loop 挂成 GitHub Actions 定时任务，例如每日 triage、PR 陪伴（babysitting）、CI 清扫、依赖升级、changelog 草拟。社区参考实现见 cobusgreyling/loop-engineering（11.3K star，含 7 个生产型 loop 模式 + 三个脚手架 CLI）。
风险必须知道：无监督的 loop 会「无监督地犯错」。
- token 成本会随子 agent 与长跑循环迅速膨胀
- 验证责任仍在开发者身上——unattended loop 会犯 unattended 的错
- 设计时就要写入停止规则：预算上限、失败次数上限、哪些操作必须人工裁决
业界推荐的放权节奏是 L1 只报告 → L2 可修改但待审 → L3 无人值守，逐级建立信心后再放手。
再往前一层：2026-07 已出现「graph engineering」的说法——loop 描述单个 agent 的行为，graph 描述多个 agent 之间的组织结构。这一层本文档暂不展开。
- 从 Vibe Coding 入门：先用 Bolt.new 或 Cursor Agent 模式快速出原型，感受 AI 编程的效率
- 项目变大时切换 Spec Coding：当 Vibe Coding 产出难以维护时，用 PRD 或规格文档约束 AI 输出
- 生产环境必须上 Harness：无论哪种范式，上线前都需要测试门禁和 CodeReview
- 混合使用：同一项目中，核心模块用 Spec/Harness，探索性功能用 Vibe，不必拘泥于单一范式
- 想让 agent 自己跑起来 → 先设计 loop（trigger / 可验证的 goal / 验证方式 / 停止规则），再按 L1→L3 逐级放权，不要一上来就无人值守
Q：Vibe Coding 写出来的代码质量差怎么办？ A：这是正常的——Vibe Coding 的目标是"快速验证想法"而非"写出生产级代码"。验证可行后，用 Spec Coding 重写关键模块，再加 Harness 保障质量。
Q：我该从哪种范式开始？ A：如果你是新手，从 Vibe Coding 开始——最快出成果，建立信心。如果你已有编程经验，直接从 Spec Coding 开始更高效。
Q：Glue Coding 和 Vibe Coding 有什么区别？ A：Vibe Coding 是从零生成代码，Glue Coding 是用已有组件拼装。当你有现成组件时，Glue Coding 远比 Vibe Coding 高效。