夜雨聆风AI PROG RAMMING PARADIGM
从助手到团队到自动化引擎
AI编程范式的三次升级
周老师 | 2026年7月
2025年2月，Karpathy造了一个词——Vibe Coding。原话是："你完全交出控制权，拥抱指数级增长，忘记代码的存在。"当年就被《柯林斯词典》评为年度词汇。
但一年后，Karpathy自己宣布："Vibe Coding is dead."又过了四个月，Google的Addy Osmani提出了Loop Engineering。Anthropic Claude Code的负责人Boris Cherny公开说："我已经不再给Claude写提示了，我让循环程序去提示Claude，我的工作是写循环。"
不到一年半，AI编程范式换了三代。每一次升级，你和AI的协作关系都在发生根本性的变化——AI从你的助手，变成了你的团队，又从你的团队变成了一个自动化引擎。
越往上游走，对人的要求越高，不是更低了。
不会写代码的人想用AI做产品，到底卡在哪里？
PHASE 01
助手阶段：Vibe Coding
AI是随叫随到的助手，你说什么它做什么
这个阶段，AI是随叫随到的助手。你说"帮我写个登录页面"，它写；你说"加个支付"，它加。你不需要懂编程，不需要看代码——你只需要告诉它你想要什么。
助手模式的核心体验是一个字：爽。但爽是有代价的。
假设AI每次改动正确率95%——这已经是很乐观的估计——连续委托30次后，全部正确的概率只剩21%。0.95的30次方，约等于0.21。你不是被一个大bug杀死的，是被"差不多对"的累积效应拖垮的。
"
有人把这种现象叫"验证鸿沟"——代码以机器速度产出，验证速度还是人的速度。你来不及检查每一次改动是否真的对，等问题集中爆发，你改不动了。
已经有人专门靠收拾这种"能跑但改不动"的代码赚钱了。一个叫Slopfix的团队，三个长期合作开发Rust智能合约框架的工程师，专门接手AI代码库做缩减和重构。标准服务周期一周，基础报价1万美元。讽刺的是，他们自己也用AI清理代码，但强调"给它拴的绳子特别短"——代理机器人在他们那儿没投票权。
一句话
助手什么都能做，但你不知道它做得对不对。你只看见结果，过程是黑的。
PHASE 02
团队阶段：Agentic Engineering
你不再对着一个人下指令，而是画好图纸、分头交办、各司其职
2026年2月初，Karpathy提出了替代方案——Agentic Engineering。核心定义是：你99%的时间不再直接写代码，你在编排执行写代码的智能体，并充当监督者。
想象你开了一家公司。一开始只有一个助手，什么事都他干。后来你招了一个团队：有人专门负责架构，有人专门写代码，有人专门做测试。你不再对着一个人说"帮我做这个"，你画好图纸，分头交办，各司其职。
三个关键变化
从"一句一句下指令"到"给目标、给上下文、给工具"
助手模式是对着AI说"帮我写个登录页面"，跑不起来就再试。团队模式是启动一个Agent，给它目标、上下文、工具，然后它自己规划、执行、调试、测试。
从"碰运气"到"有审查"
助手模式的验证方式是"跑一下看看"。团队模式的验证方式是Agent自己跑测试，你审查结果。
从"一个人+一个AI"到"人+多个Agent协作"
架构Agent负责设计，编码Agent负责实现，测试Agent负责验证。每个Agent只做一件事，做到专业。
但对不会写代码的人来说，这里有一个残酷的现实：团队模式要求你至少能看懂AI在做什么、判断它的输出是否正确、给出有效反馈。你从"不知道助手在做什么"升级到了"知道团队在做什么但判断不了做得对不对"。进步了，但还没走出来。
PHASE 03
自动化引擎阶段：Loop Engineering
你不指挥谁干什么，你制定规则和验收标准，让系统自己运转
2026年6月，Google的Addy Osmani正式提出Loop Engineering。核心定义是："你不是那个提示Agent的人，你是设计那个提示Agent的系统的人。"
继续那个公司的比方。团队模式下，你是设计师兼项目经理——画图纸、分任务、盯进度、审质量。但你的注意力是瓶颈。自动化引擎模式下，你变成了立法者——你不指挥谁干什么，你制定规则和验收标准，然后让整个系统自己运转。
Loop 五要素
Osmani: "A loop needs five things, plus a place to remember things"
Automations · 触发机制
系统自己扫描有没有活要干，不需要你说"现在该做这个了"
Worktree · 工作隔离
每个任务在独立分支上工作，互不干扰
Skill · 技能封装
把常用操作封装成可复用的技能，下次不用重新教
Connector · 外部连接
连接数据库、API、监控工具等外部服务
Sub-Agent · 子智能体
大任务拆成小任务，每个小任务有专门的Agent负责
+ Memory · 记忆
系统记得之前做过什么、哪些方案失败了、哪些路径走通了
核心逻辑：你把判断力和注意力"外化"成系统的一部分，系统替你盯着、替你检查、替你决定下一步，你只定规则和验收标准。
你可能会问：既然AI这么聪明，为什么不能直接让它自己干？答案是：AI不是不能主动，是不能在没有约束的情况下主动。没有规则，AI的"主动"就是助手模式的加强版——做得更快，但同样失控。
核心
Loop Engineering做的事情——先有规则，再让AI主动。规则是边界，主动是边界内的自由。
你最重要的武器不是代码，是规格
到这里，规律已经很清楚了：AI编程越进化，对人的要求越高。但这个"高"不是让你学编程，而是让你学会一件事——把需求从脑子里搬出来，写成AI能执行、能验证的规格。
2026年，GitHub官方开源了Spec Kit，上线不久就获得超过10万Stars。核心理念一句话：规格是第一等公民，代码只是规格的产出物。工作流是：先写规格，再定计划，再拆任务，最后才让AI写代码。
写规格不需要你会编程，它需要你想清楚三件事：
一、这个东西到底要做什么？
不是"大概什么感觉"，而是具体的：用户打开页面看到什么，点哪里，会发生什么。
二、什么算"做对了"？
助手模式之所以卡在demo，就是因为没有验收标准。规格文档要定义的是：输入A，应该得到B。
三、哪些事情绝对不能发生？
比如"用户数据不能明文存储""支付流程必须有二次确认"。你不需要知道怎么实现，你只需要知道这条红线不能碰。
想清楚这三件事，你就能写规格。能写规格，你就能从助手模式升级到团队模式——因为规格就是Agent需要的"目标、上下文和验收标准"。再进一步，把验收标准写成自动化检查规则，你就迈进了自动化引擎的门槛。
从助手到团队到自动化引擎
每一次升级都不是换了个工具
而是你和AI的协作关系变了
不会写代码从来不是真正的障碍
真正的障碍是——
你愿不愿意把需求从脑子里搬出来
写成白纸黑字的规格
搬出来，AI才有据可依
搬不出来，你永远在demo里打转
AI编程 Vibe Coding Agentic Engineering Loop Engineering
载物AI · 周老师
