Vibe Coding、Spec Coding、Harness Engineering 是 AI 驱动软件开发的三个递进式范式，从“快速原型”到“可靠工程”的能力跃迁。

---

一、三者核心定义与定位

1. Vibe Coding（氛围编程 / 感觉流编程）

• 提出者：Andrej Karpathy（2025年2月）
• 核心理念：感觉驱动，快速试错。用自然语言描述模糊需求，AI 自由生成代码，人负责验收与迭代。
• 人类角色：提需求、看效果、调方向（不写代码）。
• AI 角色：猜意图、写代码、快速迭代。
• 产出质量：Demo 级，适合原型、MVP、快速验证想法。
• 适用场景：需求模糊、创意探索、快速原型、个人小工具。

2. Spec Coding（规格编程 / 规范驱动开发 SDD）

• 核心理念：规格先行，契约驱动。先写精确、结构化的 Spec（规格文档），AI 严格按 Spec 实现并自验证。
• 人类角色：定义“做什么”（What）、写 Spec、审查与验收。
• AI 角色：按 Spec 翻译为代码、自动测试、确保一致性。
• 产出质量：生产级，可维护、可审计、可追溯。
• 适用场景：需求明确、团队协作、API 开发、企业级功能、需要验收闭环。

3. Harness Engineering（驾驭工程 / 约束工程）

• 提出者：OpenAI、Anthropic（2026年初）。
• 核心理念：构建运行环境，让 AI 自主可靠执行。人类不再管代码，而是设计 AI Agent 的“马具”（约束系统）。
• 人类角色：设计 Harness（环境、规则、反馈闭环）、定义目标、监控系统。
• AI 角色：在 Harness 内自主完成编码、测试、修复、部署全流程。
• 产出质量：工程级，长期稳定、可扩展、高可靠。
• 适用场景：复杂系统、多 Agent 协作、持续集成/部署、大规模软件工程。

---

二、核心区别对比表

维度	Vibe Coding	Spec Coding	Harness Engineering
驱动方式	感觉/直觉/实时反馈	规格/契约/预先设计	约束/环境/系统规则
输入形式	自然语言、模糊描述	结构化 Spec（可验证）	Harness 系统（规则+工具+反馈）
人类重心	创意、方向、验收	定义 What、写 Spec、审查	设计环境、构建约束、监控
AI 角色	自由生成、猜意图	严格执行、自验证	自主执行、自我修复
代码质量	Demo 级、易有技术债	生产级、一致性高	工程级、长期可靠
可控性	低（AI 自由发挥）	中高（Spec 约束）	极高（系统级约束）
适用规模	小、原型、探索	中、生产、协作	大、复杂、工程化
核心价值	快、创意密度高	稳、可追溯、少返工	可靠、自主、规模化

---

三、演进关系：从“玩”到“用”再到“管”

三者是递进、互补而非替代的关系，对应软件开发的不同阶段与复杂度：

1. Vibe → Spec：当原型验证有效、需求稳定后，用 Spec 固化规则，解决“看起来能用”到“真正能用”的鸿沟。
2. Spec → Harness：当系统复杂到需要多 Agent 协作、持续迭代时，用 Harness 构建自动化环境，让 AI 自主可靠运行。
3. 现实中：大型项目常混合使用——Vibe 做探索、Spec 做模块、Harness 做整体工程化。

---

四、示例

需求：
写一个函数，计算两个数的除法，要处理除零错误。

---

1. Vibe Coding（凭感觉、快、糙）

特点：自然语言 → AI 直接写 → 能用就行

你说：

写个 Python 函数 divide(a, b)，返回 a/b，除零返回错误提示，简单点。

AI 直接输出：

def divide(a, b):
    if b == 0:
        return "不能除以零"
    return a / b

你只看结果：能跑就行。不纠结类型、异常、规范。
→ 这就是 Vibe Coding。

2. Spec Coding（先写规范，再按规实现）

特点：先写 Spec（契约），AI 严格遵守

你先写 Spec（这一步是关键）：

# Spec: divide 函数
功能：计算 a / b
输入：a(int/float), b(int/float)
输出：float
异常：当 b=0 时抛出 ZeroDivisionError
返回值必须是数字，不能返回字符串

AI 必须严格按 Spec 生成：

def divide(a: int | float, b: int | float) -> float:
    if b == 0:
        raise ZeroDivisionError("division by zero")
    return float(a / b)

AI 不能自由发挥，必须符合 Spec。
→ 这就是 Spec Coding。

3. Harness Engineering（人不写代码，只造“笼子”）

特点：人不写代码/不写Spec，只构建环境与规则，AI 自主完成

你给 AI 一套 Harness（约束系统）：

Harness 规则：
1. 必须类型注解
2. 必须抛异常，不能返回字符串
3. 必须通过 pytest 测试
4. 必须通过 ruff lint
5. 通不过就自动修复，直到通过

然后你只说：

实现除法函数。

AI 自动：

1. 写代码
2. 跑测试
3. 跑 lint
4. 自己修复错误
5. 直到全部通过

最终输出可直接上线的代码 + 测试：

# divide.py
def divide(a: int | float, b: int | float) -> float:
    if b == 0:
        raise ZeroDivisionError
    return a / b

# test_divide.py（AI 自己生成）
def test_divide():
    assert divide(4,2) == 2.0
    import pytest
    with pytest.raises(ZeroDivisionError):
        divide(1,0)

你全程不碰代码，只控规则环境。
→ 这就是 Harness Engineering。

---

五、一句话总结

• Vibe Coding：快速出原型，凭感觉和 AI 对话。
• Spec Coding：先写说明书，AI 按图施工。
• Harness Engineering：搭好运行环境，让 AI 自己干活。