AI重塑开发！“Vibe Coding”用自然语言提示AI生成代码，加速开发，但质量堪忧？Agentic AI来救场，自主处理技术细节，提升代码质量。拥抱AI辅助，扩展到测试、审查，进化式实施，提示工程成新宠，速来上车！
译自：A Practical Roadmap for Adopting Vibe Coding
作者：Emilio Salvador
新一波生成式 AI 工具正在重新定义我们构建软件的方式以及谁可以参与到这个过程中。这场革命的前沿是“vibe coding”——使用自然语言提示通过 AI 辅助生成功能代码。
最近的行业数据显示，到 2023 年，近一半的开发人员已经集成了 AI 编码工具，vibe coding 项目展示了可衡量的效率改进。Vibe coding 降低了开发的准入门槛。然而，这也导致了质量下降。AI 提供了“vibe”，或者说建议的模式，一些开发人员可能会不加批判性评估地接受它或深入理解。
传统的开发方法严重依赖于特定的编程语言和语法规则。Vibe coding 降低了完全理解每种语言和开发模式的细微差别的需求，但它并没有消除这种需求。这种可访问性和质量之间的紧张关系反映了软件创建中更广泛的转变。
AI 从根本上改变了开发的意义。团队成员可以专注于期望的结果，而不是实现细节。逻辑、业务需求和用户体验优先于语法正确性和语言专业知识。组织越来越重视能够有效地将产品愿景与技术执行联系起来的专业人员——通常无需编写传统代码。
虽然 vibe coding 提供了加速开发和普及软件创建的巨大潜力，但必须经过深思熟虑地实施，并进行适当的治理，以确保速度不会以牺牲质量和可维护性为代价。
Vibe coding 代表了 AI 辅助开发的早期阶段，而 agentic AI 进一步推动了这种演变。 Vibe coding 是关于让某些东西看起来可以快速工作，而不是基于扎实的知识构建一个健壮、高效和可维护的解决方案。这就是 agentic AI 可以提供帮助的地方。Agent 可以接受像“构建客户数据库”这样的抽象指令，并自主处理所有技术实现细节，从而弥合快速原型和正确设计的解决方案之间的差距。
虽然 vibe coding 主要侧重于通过自然语言提示生成代码，但 agentic AI 将这些功能扩展到自主开发生态系统中。这种区别至关重要。Vibe coding 涉及人类开发人员使用 AI，而不需要深入理解。Agentic AI 涉及 AI 系统在构建基于给定目标的软件中承担更积极的规划和自主角色。
vibe coding 和 agentic AI 之间的关系是共生的。Vibe coding 通过自然语言为人机交互奠定了基础，而 agentic 系统在此基础上创建了自我指导的开发伙伴。这些智能系统响应提示并预测需求，做出独立决策并在最少的监督下采取行动。
Agentic AI 系统通过深入集成到开发工作流程中、进行复杂的代码审查、推荐基础设施优化和适应不断变化的需求来增强 vibe coding。德勤的行业研究表明，使用生成式 AI 的公司中有 25% 将在 2025 年实施 agentic AI 试点，预计到 2027 年将翻一番。 将氛围编码和代理式AI结合在一起需要仔细的规划。组织必须建立全面的安全协议，确保符合数据法规，并在AI系统和现有工具之间创建清晰的沟通渠道。尽管存在这些实施挑战，但氛围编码和代理式AI的结合在开发速度、代码质量和资源优化方面提供了令人信服的优势。
开发团队和技术领导者可以遵循这种进化路径，以有效地实施氛围编码和代理式AI：
- 从AI辅助开始： 向开发人员介绍可提高日常任务效率的AI工具。 专注于培养对AI辅助编码、文档编写和简单问题解决的熟悉度、舒适度和信心。
- 在整个软件开发生命周期中扩展AI辅助： 不仅仅是代码编写，还要将AI工具集成到测试、调试、代码审查和文档编写中。 确定重复性的、耗时的工作流程，在这些工作流程中，AI可以以最小的 disruption 创造立竿见影的价值。
- 建立治理框架和互操作性标准： 制定使用AI工具的明确策略，包括数据访问权限、安全协议和质量标准。 定义AI系统如何跨平台共享信息和协作的协议。
- 为特定任务引入自主AI代理： 部署代理来处理具有一定自主性的独立开发任务。 这些代理接受诸如“优化此数据库查询”之类的抽象目标，并在保持代码质量的同时独立处理实施细节。
- 在整个组织中扩展代理实施： 扩大代理处理的任务范围，并引入多个代理协同处理复杂的项目。 将代理深入集成到端到端的软件开发生命周期中，并重新设计团队结构，以创建结合技术专长和领域知识的跨职能团队。
- 通过反馈和教育不断改进： 实施系统以通过明确的指标和纠正协议来监控代理性能。 通过提示工程、AI协作技术和有效的系统监督的培训计划，投资于全组织的AI素养。
这种进化方法可确保技术实施和组织领导力在AI转型之旅中齐头并进，从而最大限度地发挥氛围编码的优势，同时构建强大而高效的解决方案。
随着氛围编码和代理式AI处理更多常规开发任务，工程角色正在发展。 经验不足的开发人员面临着更陡峭的学习曲线，可用于初始技能培养的简单任务越来越少。 同时，高级工程师必须适应AI接管传统监督职责的情况。
业界正在见证对新的专业角色（如提示工程师）的需求不断增长，这些工程师可以有效地指导和完善AI输出。 现在最有价值的技能包括架构设计、战略思维以及与AI系统有效协作的能力。
虽然这些转变可能会给某些角色和薪资带来下行压力，但它们也为那些将AI视为合作伙伴而不是威胁的开发人员创造了机会。 最成功的工程师将是那些利用AI处理日常任务，同时专注于创新和战略问题解决的工程师。
拥抱氛围编码和代理式AI的组织可以通过加速开发周期、提高代码质量和更有效地分配资源来获得显着的竞争优势。 那些未能适应的人可能会在日益以AI驱动的开发环境中被超越。