这篇文章也有英文版本Read in English →
Agentic Coding：从 Vibe Coding 到 AI 自主写进程的进化
2025 年 2 月 3 日，Andrej Karpathy 在 X 上发了一则推文。
他是前 Tesla AI 负责人、OpenAI 创始成员。在 AI 圈，他说的话会被认真对待。
“There’s a new kind of coding I call ‘vibe coding’, where you fully give in to the vibes, embrace exponentials, and forget that the code even exists.”
这则推文被看了 670 万次。
「Vibe Coding」——凭感觉写进程——成为 2025 年科技圈最红的词。Collins Dictionary 选它为年度词汇。Y Combinator 冬季班有 25% 的新创公司用 AI 生成了 95% 的代码。Lovable 在 8 个月内达到 1 亿美元年营收。
一年后，2026 年 2 月，Karpathy 自己说这个词不够用了。
他提出了新概念：Agentic Engineering。Anthropic 在官方报告中称之为 Agentic Coding。
从「凭感觉」到「自主代理」，只花了一年。
这篇文章，就从那则推文开始说起。
我第一次体验到 Vibe Coding，是 2025 年 2 月用 Cursor 做了一个股市回测网页。
输入股票代号，自动抓历史股价，算出年化报酬率、最大回撤、Beta 值，还能仿真初期单笔投入或定期定额到现在的终值。
我已经 14 年没写过进程了。
但那天晚上，从吃完饭到上床睡觉，东西就能跑了。隔天我 demo 给同事看，大家都吓到。
这就是 Vibe Coding 的魔力。你用自然语言告诉 AI 你想要什么，AI 产出代码，跑跑看，能动就好。不看 diff，不读代码（反正我也看不懂），Accept All。
但当时我完全没想过安全性、稳定性、登录机制、或是怎么收费。
因为不需要。这是一个 demo，不是一个产品。
Vibe Coding 最适合的就是这种场景：原型验证、周末 side project、demo 给同事看。
它不适合的场景：任何你在乎品质、安全、和长期维护的东西。
大部分有价值的软件，都属于后者。
但 Vibe Coding 不是终点。回头看，它只是 AI 写进程演化过程中的一个阶段。
2021 年，GitHub Copilot 出现。你打字，AI 猜你下一行要写什么。
有用，但本质上跟手机的选字建议没什么不同。人类主导一切，AI 只是让你打字快一点。
2023 年 ChatGPT 爆发，一切加速。
你打开聊天窗口，用中文描述你想要什么功能。AI 回一段代码。你看不太懂，但没关系——拷贝，贴到编辑器，跑跑看。报错了，把错误消息整段贴回去，AI 再给你一版。就这样来回，像在跟一个很有耐心的工程师朋友传消息。
2024 年 Cursor 把这个流程搬进了编辑器。不用再切窗口、不用再拷贝粘贴——AI 直接在你的文档里改代码，你只要按 Accept。
一个 8 岁的小女孩用 Cursor，45 分钟就做出一个 AI 聊天机器人。Vibe Coding 把「会写进程」的门槛，降到了小学生的程度。
几个月后，我也做了自己的股市回测网页。一个晚上，从零到能 demo。那种「我居然做得出来」的感觉，很难忘。
2025 年 2 月，Karpathy 给这种模式取了名字：Vibe Coding。
但不管工具怎么进化，本质没变：你要一步一步引导，AI 才会动。
同一个月，Anthropic 推出了 Claude Code preview。
三个月后正式上线，搭载两款模型：Opus 4（复杂任务更稳，准确度高 10-20%，但慢一半、贵五倍）和 Sonnet 4（速度快、成本较低，日常主力，但复杂逻辑容易出包）。
这次不一样了。
你不再告诉 AI「写一个函数做 X」，而是说「我想让用户可以用 Google 帐号登录」。然后 Agent 自己去规划要改哪些文档、写代码、跑测试、发现 bug、修 bug、再跑测试。
整个过程形成一个自主循环——推理 → 行动 → 观察 → 再推理。
人类的角色从「写代码的人」变成「定义目标和审查结果的人」。
接下来的迭代速度令人窒息：
- 9 月 Sonnet 4.5——比 Sonnet 4 快 20-25%，抓 bug 更准
- 11 月 Opus 4.5——输出速度超越 Sonnet 4.5，token 用量省 76%。顶级模型变成日常主力
- 2026 年 2 月 Opus 4.6——多 Agent 同时做事
最后这一步是质变。之前是一个人对一个 Agent，你下指令，它运行。现在你面对的是一个 AI Team Lead——你跟它讨论需求，确认计划后，它自动拆解任务、生成多个专家 Agent，前端、后端、测试、文档各司其职，平行工作，追踪依赖，甚至互相沟通协调。你喝杯咖啡回来，整个团队都推进了。
五月到隔年二月，九个月，四次重大升级。每次升级都让 Agent 能做的事更多、需要人类介入的时刻更少。
一夜之间，每个工程师都升职了——从 IC 变成 manager，只是管的不是人，是一个 AI 团队。
2026 年初，Elon Musk 在 X 上说「We have entered the Singularity」。很多人觉得太夸张。但至少在软件开发这个领域，很难说他错了。
这就是 Agentic Coding。
我做了 10 年产品经理，最后几年在车用电子。
车规软件对安全的标准很高——ASPICE V-model 框架，需求、设计、实作、测试每一层都要对应追溯。我同时负责开发流程和工具的导入——Jira、Polarion、DOORS，需求追溯、问题追踪、变更管理，这些是我的日常。
2025 年，我在 Minerva University 念硕士，论文题目是做一个 AI 履历分析工具——AIResumeAdvisor。
MVP 用 No-Code 工具做的，能动，但处处受限。只能迁就现成的组件和 plugin，很多想法没办法实现。Claude Code 发布后，我决定用它重新来过。
这不是另一个周末 demo。这是要上线、有用户、要长期维护的产品。
很自然地，我把过去 10 年的经验搬了过来：DevOps、需求管理、自动测试、CI/CD——上了个全套。
结果发现，居然 work。
我还是那个 PM。定义需求、审查产出、把关品质。只是做事的从工程师变成了一个 AI 团队。
具体来说：
- 先定义清楚要什么，再跟 Agent 说
- 让 Agent 先出计划，我审核计划才让它动手
- 看大方向，不逐行看代码——架构对不对、方向有没有偏。不确定的时候就问 AI：你怎么评估的？成本多少？response time 能接受吗？风险和安全性呢？这跟做 PM 一样，我们本来就是靠问对问题来下决定
- 让机器帮我把关品质——unit test、integration test、E2E test、pre-commit hook、后端监控系统，全部自动化。我不逐行看测试代码，但任何东西坏了我会第一时间知道
这不就是 V-model 吗？需求 → 设计 → 实作 → 测试。只是运行的速度从「几个 sprint」变成「几个小时」。
我的 Agentic Coding workflow：
想做什么 → 跟 Agent 讨论计划 → 确认方向 → AI 团队运行 → 我看架构和结果 → merge80% 的时间在思考和审查。20% 的时间在跟 Agent 对话。0% 的时间在亲手写代码。
但 AI 在开发这件事上的进步，不仅于此。
Agentic Coding 改变的不只是「谁写代码」，而是整个工作流。
以前，每个工程师的做法不同。经验在脑中，难以传承。新人入职要花几个月才能上手。
现在，怎么做规划、怎么做 code review、怎么做前端设计——全都写成 prompts、skills、agent configs，存在 repo 里。
过程本身变成了可持续改进的代码。
我自己的项目就是这样。CLAUDE.md 里写了项目的技术栈、代码风格、工作流程。每次 Agent 启动都会读这份文档。一分钟读完 onboarding，马上就有资深工程师的产出品质。
而且这份文档会越来越好。每次发现 Agent 犯了某个错，我就加一条规则。下次它就不会再犯。
知识不再锁在人的脑中。它变成了可以版本控制、可以迭代、可以分享的东西。
Vibe Coding 一周年的时候，Karpathy 自己写了一段回顾：
当时 LLM 的能力还不够强，vibe coding 大多用在好玩的抛弃式项目、demo 和实验。好玩，而且几乎能用。一年后的今天，通过 LLM agent 写进程正在成为专业人士的缺省工作流——只是多了更多的监督和审查。目标是在不妥协软件品质的前提下，拿到 agent 带来的杠杆。
他给这种新模式取了名字：Agentic Engineering。
“Agentic”——因为 99% 的时间你不是自己写代码，而是指挥 agent 来写，你负责监督。“Engineering”——强调这是一门有艺术、有科学、需要专业技能的工作。是你可以学习、可以精进的东西。
Karpathy 谈的是软件开发。但我觉得这个模式不止于此。
我现在用同样的方式管理知识——AI 帮我研究、整理、归档到 Obsidian，我负责决定什么值得留下。用同样的方式做目标管理——AI 帮我追踪进度、提醒偏离，我负责设置方向。
设置目标 → Agent 运行 → 人类审查 → 迭代改进。
这个循环可以套用在人生的方方面面。写进程只是起点。
从 2021 年的 Autocomplete，到 2023 年的 Chat，到 2025 年的 Agent。四年内，AI 写进程从「猜你下一行要打什么」进化到「你说目标，它自己搞定」。
AI 一年已经改变了太多事情。
一年后的今天，又会是什么样子？
延伸阅读：想要成熟度自评框架、工具比较表、Intent Spec 模板和入门 Checklist？请看 Agentic Coding 完全指南——同一主题的实践者手册版。
如果这篇让你有了想法，订阅电子报——我固定写 AI 工作流、和一路上想通的事。
想聊聊怎么把 AI 融入你的工作流？看看我的服务。
常见问题
- Agentic Coding 是什么？
- 人定方向，AI 团队运行。你设置目标，多个 AI Agent 自主分工——一个写前端、一个写后端、一个跑测试，像带一个工程团队。但能力愈大，方向错了代价也愈高，所以重点不是让 AI 跑得快，而是确保它们跑对方向。Karpathy 称之为 Agentic Engineering——engineering 这个字就是重点：用工程思维创建人机协作的工作流，让一个人指挥一整个 AI 团队交付产品。
- Vibe Coding 和 Agentic Coding 有什么差别？
- 一个字：品质。Vibe Coding 凭感觉让 AI 写，Accept All，能动就好——你不在乎代码长什么样，因为这是 demo，不是产品。Agentic Coding 是你定方向、AI 团队运行，但你要持续确认方向对不对、架构撑不撑得住。差别不在用了什么工具，而在你有没有把「能动」的标准提升到「能维护、能上线、能收费」。
- Agentic Coding 会取代工程师吗？
- 不会取代，但角色会根本改变。工程师从自己写代码，变成指挥 AI 团队写——从 IC 变成 manager，管的不是人，是 AI。关键能力从「写得出来」转为「定义需求、判断架构、问对问题」。这恰好是产品经理的内核能力——定义目标、拆解任务、审查产出、把关品质。在 Agentic Coding 的时代，懂得管理的人比懂得写进程的人更有优势。
- 非工程师可以用 Agentic Coding 吗？
- 可以，而且可能比你想的更适合。Agentic Coding 的内核能力是定义清楚的目标、审查 AI 的产出方向、创建品质把关机制——这些是管理能力，不是写进程的能力。真正的门槛不是「会不会写 code」，而是「能不能判断 AI 做的东西是好是坏、方向对不对」。
