这不是一篇工具教程，而是一次思维方式的升级。在你打开 Claude Code 之前，先理解你即将扮演的新角色。

一、一个词的变迁：从"氛围"到"工程"

2025 年初，OpenAI 联合创始人 Andrej Karpathy 发了一条推文，创造了 Vibe Coding 这个词：

"你完全沉浸在氛围里，拥抱指数级增长，忘掉代码的存在。你只管提示、接受、运行，看看能不能跑起来。如果不行，就把错误贴回去再试一次。"

这个词一夜爆红。它精准描述了一种新型开发体验——你不写代码，你跟 AI 聊天；你不调试，你贴错误信息让 AI 猜；你不做设计，你让 AI 直接干。

一年后的 2026 年初，同一个 Karpathy 提出了一个新词：Agentic Engineering。

为什么要换词？因为 "vibe" 这个词承载了太多随意的含义。当你告诉 CTO 你在 "vibe 他们的支付系统" 时，你能看到他脸上的担忧。

但这不只是换个好听的名字。这是两种根本不同的工作方式。

二、两种范式的本质区别

	Vibe Coding	Agentic Engineering
你的角色	提需求的人	架构师 + 监工
AI 的角色	魔法黑箱	快速但不可靠的初级工程师
对代码的态度	"能跑就行，我不看"	"每一行 diff 都要过眼"
出错时	把错误贴回去再试	分析根因，给出约束条件后重试
质量保障	无	测试、lint、code review、hooks
适用场景	原型、脚本、学习	生产系统、团队协作

Addy Osmani（Chrome 团队工程负责人）说得直白：

"把 AI 当作一个速度很快但不靠谱的初级开发者——它需要持续的监督。"

Vibe Coding 不是错的——它适合原型、个人脚本、学习场景。问题在于很多人把 Vibe Coding 的习惯带进了生产环境。这就像拿草稿纸上的计算去盖楼。

三、新角色：从"写代码的人"到"指挥 Agent 的人"

Anthropic 的 2026 Agentic Coding Trends Report 揭示了一个关键转变：

工程师的角色正在从"代码创作者"转变为"代码策展人"。

这意味着什么？

旧模式：你 = 执行者

需求 → 你设计 → 你写代码 → 你调试 → 你测试 → 你提交

所有步骤都是你在做，AI 最多帮你补全几行。

新模式：你 = 指挥官

需求 → 你设计架构 → Agent 写代码 → 你审查 → Agent 修复 → 你验收
       你定义约束    Agent 写测试    你判断质量   Agent 迭代    你负最终责任

你的核心工作变成了三件事：委派（Delegate）、审查（Review）、负责（Own）。

这不是降低了对工程师的要求，恰恰相反——Osmani 指出：

"Agentic Engineering 实际上比传统编码更奖励好的工程实践。基本功成了前提条件，不再是锦上添花。"

高级工程师能获得 2 倍、5 倍甚至更高的效率提升，因为他们知道好的代码长什么样。而初级工程师如果跳过基本功，会陷入一种危险的"技能萎缩"——产出自己无法理解的代码。

四、Agent 的"脾气"：理解它才能驾驭它

AI Agent 不是人，也不是传统工具。它有独特的行为模式，你需要了解它的"脾气"才能高效协作。

脾气一：上下文窗口是它的工作记忆

Agent 的上下文窗口就像人的工作记忆——有限、会满、满了就糊涂。当你在一个会话里塞入太多不相关的内容时，它会开始"遗忘"早期的指令，输出质量下降。

应对方式： 一事一议，频繁 /clear。别让 Agent 同时记住太多事。

脾气二：它是一个"自信的猜测者"

Agent 不会说"我不确定"。它会用流畅的语言给你一个看起来很合理的答案——即使它完全编造了。这在编程中特别危险：一段看起来正确但实际有隐藏 bug 的代码，比明显的错误更危险。

应对方式： 永远要求验证。不是"你觉得对吗"，而是"运行测试给我看结果"。

脾气三：具体指令远比模糊意图有效

Agent 处理"在 lego_flow/activities/data/ 下新建一个 Activity，参考 sql_query.py 的模式"的效果，远远好于"写一个处理数据的功能"。

这不是 Agent 笨——而是它的工作方式决定了：越具体的约束 = 越小的搜索空间 = 越高的命中率。

应对方式： 提供约束三要素——做什么、在哪做、参考什么。

脾气四：它对代码质量敏感

CodeScene 的研究证实：AI 在健康的代码库中表现最好，在混乱的代码库中和人一样容易犯错。 半迁移的代码库（两套框架并存）、命名不一致的函数、缺乏测试的模块——这些都会显著降低 Agent 的输出质量。

Armin Ronacher（Flask 作者）的建议更具体：

"做最简单的可行方案。偏好清晰、描述性、更长的函数名而非类。避免继承和巧妙的 hack。"

应对方式： 在让 Agent 工作之前，先确保代码库本身是健康的。好的工程实践会放大 Agent 的效果。

脾气五：它的速度会放大好决策和坏决策

CodeScene 的核心洞察：

"速度同时放大好的设计和坏的决策。"

Agent 写代码非常快，这意味着一个错误的架构决策会在几分钟内蔓延到十几个文件。传统开发中，慢速度本身就是一道安全阀——你有时间在写到第三个文件时意识到方向不对。Agent 没有这个安全阀。

应对方式： 先规划，再动手。在 Agent 开始写代码之前，确保架构方向是对的。

五、培养 Agent 思维：六个核心心智模型

心智模型一：你是架构师，不是打字员

旧思维： "我来写代码" Agent 思维： "我来定义目标、约束和验收标准，Agent 来实现"

最大的思维跃迁是：你的产出不再是代码，而是高质量的意图表达。一个好的提示（prompt）比手写实现更有价值，因为它可以被 Agent 反复执行和迭代。

心智模型二：测试是你的权力之源

没有测试，你就无法验证 Agent 的产出。你会陷入"看起来对但不确定"的泥潭。

有了测试，你可以大胆地委派——因为错误会被自动捕获。Simon Willison 在 Agentic Engineering Patterns 中将 TDD 列为 Agent 时代的核心模式：

"测试优先方法帮助 Agent 以最少的额外提示写出更简洁可靠的代码。"

行动转化： 先写测试（或让 Agent 写），再让 Agent 写实现，再运行验证。这就是 Superpowers 的 test-driven-development skill 所做的事。

心智模型三：先想后做，永远如此

Vibe Coding 最大的问题不是 AI 导致的——是跳过了设计思考。Osmani 的原话：

"AI 没有导致问题；跳过设计思考才是问题所在。"

Agent 放大了这一点：它写代码太快了，如果方向错了，返工的规模也会很大。

行动转化： 任何超过 5 分钟的任务，都先进入 Plan Mode 或触发 brainstorming。

心智模型四：给 Agent 铺轨道，而不是画地图

CLAUDE.md、自定义命令、hooks、skills——这些不是"配置文件"，它们是你为 Agent 铺设的铁轨。

Agent 在轨道上跑得又快又稳。没有轨道，它会四处乱跑。

Armin Ronacher 的实践佐证了这一点：他为 Agent 设计了快速响应的 Makefile、清晰的日志系统、防止重复启动的 pidfile。这些"基础设施"让 Agent 能自主诊断和解决问题。

行动转化： 投入时间配置你的项目环境。每一条写进 CLAUDE.md 的规则，都是 Agent 未来每次执行时的"免费生产力"。

心智模型五：委派的粒度决定产出质量

Anthropic 报告中的数据：开发者在 60% 的工作中集成了 AI，但对 80-100% 的委派任务保持主动监督。

关键不是"能不能全交给 Agent"，而是"交给它多大一块"。

太大（"帮我做完整个功能"）→ Agent 容易走偏，纠错成本高
太小（"帮我写这一行"）→ 退化成 Copilot，浪费 Agent 的能力
刚好（"实现这个模块，参考这个模式，写完跑测试"）→ 可验证、可迭代

行动转化： 分解到你能自信验证产出的最小单元。

心智模型六：并行是超能力

Boris Cherny（Anthropic 工程师）同时开 5 个 Claude 实例。Anthropic 报告指出多 Agent 协调正在从单 Agent 工作流转向"多个专业 Agent 在编排器下并行工作"。

你不需要一次做一件事。你可以：一个会话写功能，一个会话写测试，一个会话做 review——像管理一个小团队。

行动转化： 从今天开始，尝试同时开两个会话处理独立任务。

六、Agentic Engineering 的工作节奏

把上面的心智模型串起来，一个完整的 Agentic Engineering 工作流长这样：

┌─────────────────────────────────────────────────────┐
│  1. 理解需求                                          │
│     └─ 用 Agent 做调研，问问题，澄清模糊点               │
├─────────────────────────────────────────────────────┤
│  2. 设计方案                                          │
│     └─ brainstorming：探索 2-3 种方案，选定方向           │
├─────────────────────────────────────────────────────┤
│  3. 制定计划                                          │
│     └─ writing-plans：分步骤、分文件、明确验证方式         │
├─────────────────────────────────────────────────────┤
│  4. 委派实现                                          │
│     └─ 按计划逐步委派，每步都有测试验证                    │
│        可并行：一个 Agent 写功能，一个写测试               │
├─────────────────────────────────────────────────────┤
│  5. 审查验收                                          │
│     └─ 审查每个 diff，运行全量检查，确认质量               │
├─────────────────────────────────────────────────────┤
│  6. 交付                                             │
│     └─ 提交、创建 PR、文档更新                          │
└─────────────────────────────────────────────────────┘

注意这个流程和传统的软件工程流程几乎一样——唯一的变化是"谁在执行"。方案是你定的，计划是你审的，质量是你把关的，最终责任是你的。Agent 只是让执行环节变得飞快。

这就是为什么 Osmani 说"Agentic Engineering 比传统编码更奖励好的工程实践"——因为它没有绕过工程，它加速了工程。

七、给团队的行动建议

今天就可以做的

装好 Claude Code，跑一遍入门指南——先有手感
在你的项目里配好 CLAUDE.md——给 Agent 铺第一段铁轨
养成"先想后做"的习惯——任何超过 5 分钟的任务，先 Plan Mode

一周内建立的习惯

每次委派都要求验证——"写完跑测试"成为肌肉记忆
用 /clear 管理上下文——切换任务时清空，保持 Agent 专注
开始尝试并行会话——两个终端，两个独立任务

持续修炼的能力

提升意图表达能力——具体、有约束、指向参考模式
培养"审查眼"——Agent 写的代码，你要能判断好坏
学会分解任务——找到"够大不浪费、够小能验证"的粒度

写在最后

Vibe Coding 让所有人都能开始和 AI 一起写代码。这是它的贡献。

但从 Vibe Coding 到 Agentic Engineering 的跨越，不是学一个新工具的事——是学会一种新的工作方式。

你不再是那个亲手写每一行代码的人。你是定义目标的人、设计约束的人、判断质量的人、承担最终责任的人。Agent 是你的执行团队，但你是 tech lead。

这种转变一开始会不舒服。你会觉得"让 AI 写不如我自己写快"。但一旦你建立了好的工作模式——配置好环境、养成先想后做的习惯、学会恰当粒度的委派——你会发现自己能做到过去做不到的事。

不是因为 AI 替你写了代码，而是因为你学会了以工程的方式驾驭 AI。

参考资料

本文作者 xulin（海鸥技术部落），原载于团队 GitBook 技术 Wiki。

从 Vibe Coding 到 Agentic Engineering：学会像智能体一样看世界

这不是一篇工具教程，而是一次思维方式的升级。在你打开 Claude Code 之前，先理解你即将扮演的新角色。一、一个词的变迁：从"氛围"到"工程" 2025 年初，OpenAI 联合创始人 Andrej Karpathy 发了一条推文，创造了 Vibe Coding 这个词： "你完全沉浸在氛围里，拥抱指数级增长，忘掉代码的存在。你只管提示、接受、运行，看看能不能跑起来。如果不行，就把错误贴