从 vibe coding 到 agentic engineering

Source: Dev.to

Introduction

Vibe coding 是一个很好的起点，但它并不是严肃的 AI 辅助开发的终点。下一步是 agentic engineering：在受控的工程工作流中使用 AI 编码代理，配合上下文、测试、审查和明确的边界。

Vibe Coding vs. Agentic Engineering

Vibe Coding

• 关注生成的输出。
• 典型循环：
  1. 提出功能需求 →
  2. 获得代码 →
  3. 运行代码 →
  4. 请求修复

Agentic Engineering

• 关注模型周围的系统。
• 典型循环：
  1. 定义任务 →
  2. 提供上下文 →
  3. 实现一个小片段 →
  4. 运行检查 →
  5. 审查差异 →
  6. 迭代

模型仍然重要，但它不是整个过程。

Capabilities of an AI Agent in an Agentic Workflow

• 读取相关文件
• 编辑代码
• 运行测试
• 检查错误
• 更新文档
• 准备提交
• 比较备选方案

这些能力只有在环境提供良好约束时才强大。

Good Constraints

• 项目说明放在受版本控制的文件中
• 明确的测试命令
• Lint 和类型检查的门槛
• 带有明确接受标准的小任务
• 合并前的代码审查
• 禁止直接推送到 main
• 工作区中不放置生产凭证

这些都是正常的工程实践；AI 让它们更重要，而不是更不重要。

A Useful Agentic Coding Loop

1. 声明目标和约束。
2. 让代理检查相关文件。
3. 请求一个小实现。
4. 运行测试和类型检查。
5. 审查差异。
6. 让代理仅修复发现的问题。
7. 在变更可理解后提交。

关键在于允许代理工作，但工作流保持证据可见。

Ideal Tasks for Agentic Tools

• 重构重复的模式
• 为已有行为添加测试
• 在多个文件中接入一个小功能
• 在变更后更新文档
• 调查失败的测试
• 生成迁移辅助工具

Limitations

当任务依赖于不明确的产品判断或隐藏的团队上下文时，agentic 工具的效果会减弱。

Responsibility Shift

Agentic engineering 并不 移除责任；它改变了注意力的所在。开发者不再逐行敲代码，而是关注：

• 错误的假设
• 不必要的复杂度
• 薄弱的测试
• 架构漂移
• 安全问题
• 隐藏在重构中的行为变化

人仍然是意义的审阅者。

Conclusion

有价值的未来不是“AI 写所有代码，开发者只 vibe”。而是 AI 代理在仍然像工程一样的工作流中处理更多机械工作。这种方式不够炫目，却更有价值。