AI 开发范式演进路径

概述

软件开发正在经历从人类手动编码到 AI 自主开发的根本性转变。这一演进并非突变,而是沿着一条清晰的路径逐步推进:手动编码 -> Copilot 补全 -> Vibe Coding -> Agentic Coding -> AI 员工(Autonomous Agent)。每个阶段代表人与 AI 协作方式的一次质变。

演进路径总览

阶段1         阶段2          阶段3          阶段4          阶段5
手动编码  -->  Copilot补全  -->  Vibe Coding  -->  Agentic Coding  -->  AI 员工

阶段详解

阶段1: 手动编码

回顾手动编码时代，开发者完全掌控每一行代码。IDE 提供的帮助仅限于语法高亮、基于静态分析的自动补全（比如输入 str. 后弹出字符串方法列表）和简单的重构工具。

这个阶段的核心特征是人类是唯一的代码生产者。每一个函数、每一行逻辑都需要开发者从记忆和经验中提取。代码质量完全取决于个人能力——同一个功能，资深工程师和初级工程师的实现可能有天壤之别。

代表工具: VS Code, IntelliJ IDEA, Vim, Emacs

现在回头看，手动编码时代的最大问题是效率受限于人类的打字速度和知识面。一个后端工程师想写前端代码，需要花几周学习新框架。大量时间花在了样板代码和重复劳动上。但这个阶段也有一个被低估的优势：开发者对代码有100%的理解，出了问题能快速定位原因。这种"深度理解"在后面的阶段中逐渐被削弱。

阶段2: Copilot 补全 

2021 年 GitHub Copilot 的发布是一个分水岭。第一次，AI 参与到了代码编写过程中——不过它的角色更像是"打字加速器"。

实际使用 Copilot 的体验是这样的：你开始写一个函数签名 function calculateTax(income: number)，Copilot 会在你还没按回车时就在灰色字体中显示出完整的函数体。大多数时候这些建议是合理的，你按 Tab 接受就好。偶尔它会给出离谱的建议，你就忽略继续手打。

这个阶段的关键转变是人类从"所有代码都自己写"变成了"审查 AI 建议并选择性接受"。但人仍然主导所有决策——写什么函数、用什么算法、代码结构怎么组织，这些都是人决定的。AI 只是加速了"把想法变成代码"这个环节。

代表工具: GitHub Copilot, Tabnine, Amazon CodeWhisperer, Codeium

Copilot 的局限性在于它只能看到当前文件（最多加上几个打开的 tab），缺乏项目全局理解。它不知道你的项目用了什么架构模式，不知道你的错误处理约定，也不知道数据库的 schema 长什么样。这意味着它经常生成"看起来对但放到项目里不对"的代码。

阶段3: Vibe Coding

2025 年 2 月，Andrej Karpathy 在一条推文中创造了"Vibe Coding"这个词。他的原话是："I just see things, say things, run things, and copy-paste things, and it mostly works." 这完美描述了一种新的编程方式——不再逐行写代码，而是用自然语言描述你想要什么，AI 生成完整的代码块甚至整个文件。

从 Copilot 到 Vibe Coding 的跃迁，核心变化是交互方式从"行级补全"变成了"对话式生成"。你不再是在写代码时等待 AI 补全下一行，而是在对话框中说"给我写一个支持分页的用户列表组件"，AI 直接输出几十行甚至上百行的完整代码。

这种方式让非程序员也能"编程"。一个设计师可以说"用 React 做一个渐变色的登录页面"，AI 会生成可运行的代码。但这也带来了一个隐患：如果你不理解生成的代码，出了 bug 你就束手无策。Karpathy 自己也承认，Vibe Coding 适合原型和个人项目，不适合需要长期维护的生产系统。

代表工具: Cursor (Chat/Composer), Windsurf (Cascade), Claude Artifacts, v0, Bolt.new

阶段4: Agentic Coding (2025-2026)

从 Vibe Coding 到 Agentic Coding 的跃迁，是整个演进路径中最大的质变。区别不在于 AI 写代码的能力变强了（虽然确实更强了），而在于AI 获得了"做事"的能力——它不再只是生成代码文本，而是能自主读取文件、执行命令、浏览网页、调用 API。

在 Vibe Coding 中，AI 输出一段代码后，你需要手动把它复制到正确的文件、手动安装依赖、手动运行测试。在 Agentic Coding 中，AI 自己做所有这些事情。你说"给项目添加用户认证"，Agent 会自己读取项目结构、安装 bcrypt 和 jwt 库、创建模型文件、写路由、注册中间件、运行测试。

这种转变对开发者的角色产生了深刻影响。你从"写代码的人"变成了"审批者"——Agent 做事，你检查结果。这需要一种新的技能：不是写代码的能力，而是评估代码质量和正确性的能力。一个好的"Agent 指挥者"需要能快速判断 Agent 的产出是否合理，以及在哪些关键节点需要介入。

代表工具: Devin, Claude Code, Cursor Agent, Windsurf Cascade, OpenHands, Aider

阶段5: AI 员工 (2026+)

AI 员工是 Agentic Coding 的终极形态。如果说 Agentic Coding 是"你给 Agent 一个具体任务，Agent 自主执行"，那么 AI 员工是"你给 AI 一个业务目标，AI 自主拆解为任务并逐步完成"。

从 Agentic 到 AI 员工的跃迁需要几个前提条件：可靠的规格说明机制（SDD），让 AI 准确理解"要做什么"；稳定的工具生态（MCP），让 AI 有足够的"手脚"；成熟的记忆与学习机制（MemGPT 等），让 AI 能积累经验；以及有效的质量保障体系，确保产出可靠。

截至 2026 年 3 月，我们正处于阶段 4→5 的过渡期。Devin、Factory AI 等产品已经展示了 AI 员工的雏形，但在复杂系统设计、跨团队协作、长周期项目管理等方面仍然不够成熟。预计 2027-2028 年，随着模型能力和工具生态的进一步成熟，AI 员工将在更多场景中变得实用。

代表方向: Devin (Cognition), Factory AI, Magic.dev

驱动演进的关键技术

阶段跃迁	关键技术突破
1 -> 2	Transformer 架构, Codex 模型, 大规模代码训练
2 -> 3	长上下文窗口(100K+ tokens), 指令跟随能力提升, Chat-based IDE
3 -> 4	Tool Use / Function Calling, Agentic Loop, ReAct 范式, MCP 协议
4 -> 5	持久记忆(MemGPT), 自主学习(Voyager), Multi-Agent 协作, SDD 方法论

关键名词

名词	定义	备注
Vibe Coding	自然语言驱动的编码方式	Andrej Karpathy 2025 年提出
Agentic Coding	AI Agent 自主完成开发任务	当前主流发展方向
SDD	以 Spec 为中心驱动 AI 开发	结构化引导 Agentic 开发
HITL	人在循环中做审批决策	Agentic 阶段的协作模式
MCP	模型与工具的标准交互协议	Agentic 能力的基础设施

参考资源

• Andrej Karpathy "Vibe Coding" 推文 (2025.02) - https://twitter.com/karpathy
• Anthropic "Model Context Protocol" 官方文档 - https://modelcontextprotocol.io
• OpenSpec SDD 方法论 - https://openspec.dev
• "SWE-Agent" 论文 (Princeton, 2024) - https://arxiv.org/abs/2405.15793

写在后面：

        虽然有人说学得不快没关系，后面ai的易用性更高对人类来说更友好就不用学了。但想慢慢看看学学，万一哪天睡眠学习起来就飞升了？

        这个系列是按照一些学的思路生成加上自己修改的，其实架构早就写完了，现在一篇一篇自己理解之后写了上传，附上的参考资源也提醒自己时不时看看。

        说拥抱ai，虽然一开始听多了就很烦这个说法，感觉假大空。但是有些事情是自己学了看了才有感触。（确实为什么要用抱这个动词，莫名其妙）

        一向拿ai当工具用，从对话vibe 到SDD然后openspec，用下来感觉很爽。但是也不免得担心 这样下去之前学的都忘记，内心想：这一点都不old school！！（加上在某个前老板的乱用和滥用的政策下ptsd了，所以一开始遇到是觉得拥抱这个词有点魔怔的。）

        但是去了一次大厂学到了更多东西回来，也看很多公司的分享经验贴，感觉ptsd好了七八成。首先是这个工具确实有用，确实能提效，能帮助工作和做自己想做的事情，多了很多做架构的思路。感觉一个好用工具应该继续用，研究怎么让它更好用，帮助到自己才是最好的。

       一个工具好用，就把工具设为人类工人的假想敌，让人类自我优化吗？能使用到更便宜的人类token，用更好的人肉agent，甚至人类优秀的部分还能蒸馏成skill，这还是人类吗。但确实是时代趋势是这样，是什么为什么怎么做，把它当历史题政治题分析之后，就很好理解了。

        指数型疯狂成长伴随着一堆信息，可能今天学完明天就不用学了。但是唯一确定的就是不确定性，可以看看趋势，敢学些。当我们要确定怎么做，焦虑就会少一大半，最好就是做完就不焦虑了。

        不只是人工智能在进化。