跟大侠学 AI |(前沿洞察)从氛围编码到情境工程:软件开发趋势
这是大侠发布的《侠游》专栏文章
2026 年第 92 期、总第 469 期
本文共 2200+ 字，阅读需要 5 分钟
随时获取全球行业最新洞察与前沿资讯！
本期是大侠为你不定期带来的全新的 “跟大侠学 AI” 系列文章。
本期大侠为你带来的 “跟大侠学 AI” 文章是：
从氛围编码到情境工程：软件开发趋势
（From vibe coding to context engineering: 2025 in software development）
（点赞并转发本期文章即可获赠行业最新数智化转型报告1份，限前10名）
大侠编辑 🙂 + DATAVERSITY 官网
大侠注：如果你没有时间，请直接跳到文末看最后一句话。
2025 年，我们目睹了一场席卷整个科技行业的实时实验：人工智能的软件工程能力与人类技术人员展开了较量。尽管 2025 年初人工智能发展势头强劲，但从 “氛围编码（vibe coding）” 到所谓的 “上下文工程（context engineering）”的转变表明，尽管人类开发人员的工作方式在不断演变，但他们仍然至关重要。
最新一期的《Thoughtworks技术雷达》报告对此进行了详细阐述，该报告介绍了我们的团队在客户项目中使用的技术。报告指出，一些技术和工具正在涌现，旨在帮助团队更好地解决在使用 LLM 和 AI 智能体时管理上下文的问题。
总而言之，这清晰地表明了软件工程乃至更广泛的人工智能领域的发展方向。多年来，业界一直认为人工智能的进步完全取决于规模和速度。我们开始意识到，真正重要的是有效处理上下文的能力。
（Vibes, antipatterns and new innovations）
早在 2025 年 2 月，Andrej Karpathy 就创造了这个术语。 “氛围编码（vibe coding）” 这个概念，虽然最初可能只是个玩笑，却迅速席卷了整个行业。它在 Thoughtworks 内部也引发了激烈的讨论；我们很多人都持怀疑态度。在四月份的一期技术播客节目中，我们讨论了这些担忧，并对它未来的发展方向保持谨慎。
鉴于 “氛围编码” 本身就存在不确定性，反模式（antipattern）的出现也就不足为奇了。例如，我们在最新一期的《技术雷达》中再次指出，人们对人工智能生成的代码过于自信。但同样值得一提的是，早期对 “氛围编码” 的尝试也暴露出人们对人工智能模型实际能力的低估 —— 用户需求不断增长，提示信息也越来越长，但模型的可靠性却开始下降。
这正是人们越来越关注如何构建上下文的原因之一。我们深知其重要性 —— 在使用 Claude Code 和 Augment Code 等编码辅助工具时，提供必要的上下文或 “知识预判（knowledge priming）” 至关重要。这能确保输出更加一致可靠，最终打造出更优质、所需工作量更少的软件 —— 减少重写，并有可能提高生产力。
如果准备充分，我们已经看到，使用生成式人工智能来理解遗留代码库可以取得良好的效果。事实上，如果运用得当，并结合适当的上下文，即使我们无法完全访问源代码，它也能有所帮助。
重要的是要记住，上下文不仅仅意味着更多的数据和更详细的信息。这是我们在使用生成式人工智能进行 正向工程（forward engineering）时总结出的经验之一。这听起来可能有点违反直觉，但在这种情况下，我们发现，当人工智能与底层系统进一步抽象化时 —— 或者换句话说，与遗留代码的具体细节进一步分离时 —— 它会更加有效。这是因为解决方案的空间会变得更大，使我们能够更好地利用所用人工智能模型的生成和创造能力。
近几个月来发生的种种变化，其背景是智能体和智能体系统（agentic systems）的蓬勃发展 —— 企业既希望将其开发成产品，也希望加以利用。这迫使整个行业认真审视具体情境，并摒弃单纯基于感觉的营销方式。
事实上，智能体远非简单地执行它们被编程要执行的任务，而是需要大量的人为干预，以确保它们能够应对复杂多变的环境。
针对这一挑战，涌现出了许多基于上下文的技术，例如 agents.md、Context7 和 Mem0。但这同时也是一个方法论的问题。例如，我们发现将编码代理锚定到参考应用程序上 —— 本质上是为智能体提供上下文相关的真实信息 —— 是一种行之有效的方法。
我们也在尝试使用编码智能体团队；虽然这听起来似乎会增加复杂性，但实际上却减轻了单个智能体需要掌握所有复杂上下文信息的负担，使其能够顺利完成工作。
希望随着实践和标准的完善，这一领域能够日趋成熟。模型上下文协议（Model Context Protocol）的重要性不容忽视，它已成为连接大语言模型（LLM）或智能体式 AI（agentic AI）与上下文数据源的首选协议。与之相关的是，智能体间交互（A2A）协议在标准化智能体之间的交互方式方面发挥着引领作用。
这些标准最终能否胜出还有待观察。但无论如何，重要的是要考虑那些能够帮助我们这些软件工程师和技术人员在处理高度复杂且动态的系统时也能有效协作的日常实践。诚然，人工智能需要上下文，但我们人类也需要。像为软件团队精心策划的共享指令这样的技术，听起来或许并非什么惊世骇俗的创新，但它们对于帮助团队协作却有着显著的效力。
或许我们还可以探讨一下这些变化对敏捷软件开发意味着什么。规格书驱动开发（Spec-driven development）似乎已经获得了一些认可，但我们仍然需要思考，如何在保持适应性和灵活性的同时，为人工智能系统构建强大的上下文基础和真实数据。
显然，2025 年是软件工程实践发展史上意义非凡的一年。行业需要密切关注诸多方面，但同时也是一个激动人心的时代。尽管人们对人工智能取代人工的担忧依然存在，但讨论的焦点已从速度和规模转向应用场景，这使得软件工程师处于变革的核心地位。
未来将再次取决于他们能否进行试验、合作和学习 —— 未来就取决于此。
好了！本期内容就是这些！如您认为文章有益，欢迎点赞、赞赏或转发，赠人玫瑰，手有余香，下期见！
侠游专栏：专业视角、大众语言、解读江湖中的科技动态
夜雨聆风
