AI 大乱斗,vibe coding战国时代?

多客科技

作者：微信文章



从22年前各种IDE 自动补全工具和 Code Copilot，到如今的各家大模型陆续推出自己的Cli Agent 。

AI在开发者世界中的角色正在经历一场前所未有的范式变革。这不仅仅是工具的升级，更是一场围绕“vibe coding”——即通过直觉与AI协同完成任务——的全面竞争。

在这场AI大乱斗中，谁能最终胜出？这又会是类似于10年代电商大战、13-20年的移动互联网大战吗？

从23年ChatGPT引爆网络之前，其实在技术前沿的一些科学家及硅谷的一群工程师，就已经在此前验证了大模型的可行性，只不过跑的最快是OpenAI。绝大部分的普通人包括程序员都没有太在意，直到等到了属于AI的“蒸汽机”时刻。

在此前所有的程序员用的Copilot工具，只能做到学习你的代码，给出自动补全类名方法，补全一些简单重复的代码，上下文极短，不具备对话与交互功能。

程序员本身对于浏览器是极其依赖的，需要大量的搜索资料阅读文章，查找解决问题与解决BUG。而ChatGPT这种通用大语言模型，又非常擅长文本输出，后来无数的程序员尝试把他当成搜索引擎，用AI写代码。但是当时上下文短与AI容易幻觉，写的代码有些无法通过编译，甚至有些方式是错误，有时候会编造一些完全不存在的东西。

但它的资料似乎是无限的，简单的sql与工具类也能写，也可以用于验证格式 包括快速识别出bug，就这几点就能让无数开发人员爱不释手。

而相比于一些文学类的东西，有无数的主观标准与会存在大量数据污染。

编程是一件非常确定的东西，你写错就是无法通过编译，又错误代码就会抛异常，抛的异常又是非常确切的东西，反喂给ai，相辅相成。

AI极其适合编程

从与大模型沟通的分片输出到Agent：走向自动化全流程的Agent时刻



早在23年就已经有人敏锐的捕捉到了这一趋势，畅想一个“自动编程机”让AI自己写代码并自动纠错。

如果说分片输出是LLM编程的“第一阶段”，那么如今“Agent时刻”的到来，则标志着一场更深刻的变革。各家公司相继推出自己的CLI Agent模型，如Claude的Code CLI、Google的Gemini CLI、OpenAI的CodeX，其核心思想不再是简单地生成代码，而是让AI作为一个能够自主推理、规划、执行和自我修复的“Agent”(也就是代理)。它不再仅仅是听从指令的工具，而是一个能够主动决策解决问题。

这个过程就像一个超过公司实习生的初级程序员的自动化版本，它将从你的构想，到最终可部署的代码，进行全流程的自动化管理：

构思与任务拆解：用户用自然语言描述一个宏大的想法（vibe），比如“帮我用java和vue3写一个简单的收集新闻都是网站，用于新闻收集”。Agent接收到指令后，会构建原型，将其拆解成可执行的子任务：1. 初始化项目、2. 定义数据库模型、3. 编写用户增删改查的API端点、4. 添加单元测试。

Agent自动调度：Agent将这些子任务分配给最适合的LLM或其他工具（也就调度）来完成。它可能会调用一个擅长生成代码的LLM来编写API逻辑，同时调用另一个擅长生成测试用例的LLM来确保代码质量。

执行与验证：Agent生成代码后，不再是简单地展示给用户，而是自动进行编译、运行和单元测试。它会运行所有测试用例，并收集详细的执行结果和错误日志。

结果修复：这是Agent模式的核心优势。如果测试失败，Agent会根据错误日志，自动分析失败原因，判断是语法错误、逻辑漏洞还是依赖问题，然后重新规划步骤，再次调用模型来修复代码，直到所有测试通过。这是一个循环往复的自我修复过程。

全流程自动化：最终的愿景是实现从构思到代码、从本地测试到自动部署、甚至上线/下线全流程的自动化管理。开发者只需要专注于宏观的设计和业务逻辑，而所有繁琐的编码、调试和部署工作都将由Agent完成。

普通用户想要的言出法随、急急如律令的效果，普通人并不想像现在这样操纵CLI或者IDE工具对文本进行操作，或者在虚拟机敲下无数的命令行，而目前的Agent也只能做到这一点。

在这场由AI大语言模型掀起的编程革命中，“vibe coding”的胜利者，将不再是生成代码最快、最花哨的那一个。真正的赢家，将是能够通过Agent模式，将大模型的不确定性，转化为编程世界的确定性，并最终实现从想法到产品全流程自动化的那一个。

这不仅将重新定义“程序员”这一角色，也将彻底改变软件开发的未来。