AI Coding 的未来

在人工智能快速发展的今天，编程领域正经历着一场革命。传统的编码方式正在被AI辅助的“agentic engineering”（代理工程）所重塑。本文基于Addy Osmani、Zed团队和Simon Willison等专家的见解，探讨AI Coding的未来。

什么是Agentic Engineering？

Agentic Engineering代表了一种新的编程范式，它将人类工程师的匠心与AI代理的能力相结合。与“vibe coding”（感觉编码）不同，后者强调快速原型、不审查代码，agentic engineering则强调纪律和质量。

如Addy Osmani在他的博客中所言，agentic engineering意味着人类作为架构师和决策者，AI代理负责实现细节。人类写Spec、审查代码、运行测试，确保最终交付物的质量。

Vibe Coding vs. Agentic Engineering

Vibe Coding适合快速原型和个人脚本：你提示AI，接受输出，不阅读差异。如果出错，再次提示。但这种方法在生产环境中容易失败，因为代码质量无法保证。

Agentic Engineering则要求：

规划先行：在提示前写设计文档，分解任务。
严格审查：像对待人类同事的PR一样审查AI生成的代码。
测试驱动：使用测试套件让AI迭代直到通过。
责任所有：人类负责代码库的维护和监控。

Zed团队在他们的页面中强调，agentic engineering结合了传统开发的确定性与AI的随机性创造力。质量是工程师的责任，AI放大专业知识。

实践中的Agentic Engineering

Simon Willison的指南提供了具体模式：

代码现在便宜了：AI让编写代码成本降低，但理解和维护更重要。
囤积技能：保留你擅长的领域，避免过度依赖AI。
测试优先：使用红绿TDD，让AI在测试驱动下工作。
理解代码：通过线性演练和交互式解释理解AI生成的代码。

这些正逐渐成为共识，难点主要是能不能真正融入大部分普通工程师的日常。

Mitchell Hashimoto在他的AI采用之旅中分享了渐进采用AI的步骤，从放弃聊天机器人转向代理，到构建harness：

放弃聊天机器人：使用能读取文件、执行程序的代理，而非聊天界面。
重现自己的工作：强制用代理重现手动工作，学习分解任务、规划与执行分离、验证结果。
每日结束代理：启动代理处理研究、想法探索或问题分类。
外包确定任务：让代理处理易于成功的任务，自己专注于其他工作。
构建harness：更新AGENTS.md或添加工具，防止代理犯错。
始终运行代理：寻找可委托的任务，保持代理运行。

这些步骤强调渐进采用，从怀疑到效率提升。

技能差距与挑战

Agentic Engineering不成比例地受益于资深工程师。他们有深厚的系统设计、安全和性能知识，能有效指导AI。但新手若过早依赖AI，可能导致技能退化：能生成代码，却不懂调试。

Addy Osmani警告，这不是让编码更容易，而是换了一种难度：从打字到审查，从实现到编排。基础知识更重要。

抽象的新性质

Martin Fowler在他的文章中指出，LLMs带来了编程抽象的新性质。从汇编到高级语言提高了抽象水平，但LLMs是另一个根本变化：从确定性编程到非确定性。

传统编程中，代码编译后行为一致。但LLMs通过提示生成代码，每次可能不同，无法像存储提示在git中那样保证一致性。这不仅提高了抽象水平，还引入了非确定性，需要工程师学习与之相处。

这强化了agentic engineering的重要性：人类必须监督AI代理，确保质量和一致性。

Harness Engineering：构建AI代理的框架

OpenAI的Harness Engineering展示了如何构建“harness”来支持AI代理完全生成代码，无需人类手动编写。团队使用Codex构建了一个百万行代码的产品，强调工程师角色从编码转向设计环境、指定意图和构建反馈循环。

关键组件包括：

应用可读性：使应用对AI可读，通过集成Chrome DevTools和可观察性工具，让AI直接驱动和验证应用。
知识库作为记录系统：将文档、架构和计划存储在仓库中，作为AI的知识来源。
代理可读性：优化代码库对AI的可读性，优先选择稳定的依赖和抽象。
强制架构和品味：通过自定义linter和结构测试强制约束，如分层架构和边界解析。
自主性增加：AI代理能端到端处理功能，从验证到合并。
熵和垃圾收集：定期清理AI生成的低质量代码，维护一致性。

Martin Fowler在回应文章中指出，harness可能成为未来服务模板，约束运行时以提高AI自主性，可能导致技术栈和拓扑的收敛。前AI和后AI应用维护的世界将不同，harness适用于从头构建的项目。

Harness强调，软件工程的纪律从代码转向脚手架、抽象和反馈循环。

“harness engineering.” It is the idea that anytime you find an agent makes a mistake, you take the time to engineer a solution such that the agent never makes that mistake again.

AI Coding的未来

未来，AI代理将更强大，agentic engineering将成为默认工作流。我们需要：

诚实术语：区分vibe coding和agentic engineering。
评估框架：系统测量AI辅助工作流的可靠性。
投资基础：培训程序适应新范式，强调架构思维。

Zed团队通过直播分享知识，Simon Willison提供实用指南，这表明社区正在共同探索。

AI Coding的未来不是AI取代人类，而是人类与AI协作，创造更高质量的软件。工程师将从“编码者”转变为“AI编排者”，专注于高层次设计和创新。

正如Addy Osmani所说：“AI Coding不取代软件工程的工艺——它提高了门槛。”那些能清晰思考“为什么”和“如何”的人，将引领未来。

参考文章

注：本文由AI撰写，人类审校。