前言
什么是 Vibe Coding?
2025 年初,随着大模型能力的跃迁和本地执行能力的增强,一种几乎“零门槛”的开发方式迅速走红—— Vibe Coding。
Vibe Coding 的本质是“通过对话迭代,将模糊的需求逐步变成实际产品”,在这种模式下,开发者不再像传统工程那样先设计架构、拆解需求、定义接口,而是:
- • 通过自然语言向 AI 描述一个“模糊目标”
- • 依赖 AI(如大模型)快速生成代码
- • 根据运行效果不断“微调感觉”(vibe)
- • 通过多轮对话逐步逼近结果
一个典型的例子如下:
- • 帮我写一个文件上传组件,要支持拖拽和进度条。
- • 再加个失败重试功能
- • 顺便支持下图片预览能力
- • 这个 UI 不太对,直接使用 antd 的组件。
可以看到,这种模式有几个显著特征:
- • 弱约束:没有严格的输入输出定义
- • 高交互:依赖多轮 prompt 迭代
- • 即时反馈:强调快速看到结果
- • 上下文驱动:高度依赖当前对话语境
为什么 Vibe Coding 爆火?
Vibe Coding 的流行并不是偶然,它解决了传统开发中的几个核心痛点:
- • 极低的启动成本不需要设计文档、不需要接口定义,甚至不需要完整需求,直接开写。
- • 极高的开发速度借助 AI,很多“样板代码 + 通用逻辑”可以瞬间生成。
- • 更贴近人类思维人类本来就是模糊表达需求,而不是写接口文档。Vibe Coding 更符合直觉。
- • 探索性开发非常高效在做 demo、原型、工具脚本时,效率极高。
Vibe Coding 的核心问题
vibe coding 的核心问题可用一句话表示:在简单问题上表现惊艳,但在复杂系统中会迅速失控。
失控点一:起点偏差
在 Vibe Coding 中,任务通常从一句模糊描述开始,但真实系统往往会非常复杂,包含大量隐含信息:
- • 既有架构约束
- • 数据模型限制
- • 业务规则
- • 历史实现逻辑
- • …
这些信息并不会出现在 prompt 中,于是 AI 开始自由发挥。
- • 基于经验进行合理补全
- • 生成一个看起来没问题的方案
这种行为的问题在于一旦初始理解出现偏差,后续所有生成都会在错误轨道上不断强化,最终与真实需求越来越偏离。
失控点二:上下文坍塌
随着开发深入,对话轮次增加,AI就开始出现「失忆」,具体表现为:
- • 已经确认的接口被重新设计
- • 明确过的约束被忽略
- • 关键细节在后续对话中消失
出现这些问题的本质原因是:
- • 上下文窗口有限(信息被压缩或截断)
- • 自然语言缺乏结构化表达
- • 没有稳定的长期记忆机制
结果就是:前面花大量时间达成的共识,在后续过程中不断被覆盖。
失控点三:过程失控
当任务进入中后期,问题会进一步升级:
- • 决策和核心逻辑散落在不同对话中
- • 没有阶段性产物沉淀,无法追溯设计意图
此时开发的状态变成:没有工程状态,只有聊天记录,这会带来严重后果:
- • 对话一旦中断,难以继续。
- • 一旦切换任务,需要重新解释上下文。
- • 没有中间过程记录,团队协作困难。
这就是典型的迷路状态:AI 不知道自己在做什么,开发者也无法控制方向
总结
在 Vibe Coding 模式下每开启一个新对话,AI 就会刷新为职场小白,当任务跨多个模块、多文件,并且要跨阶段推进时,不提前规划、对齐需求,AI就会跑偏,生成过程不可控,生成结果不可用。
什么是Spec Coding?
Spec Coding(规范驱动开发,Spec-Driven Development,简称 SDD )是一种面向复杂系统的 AI 开发模式,它以明确的功能规范(Specification)为核心,让 AI 在清晰的结构化文档指导下生成代码。
在引入 Spec 作为中间层之后,整个开发流程不再是“对话 → 代码”,而是一个分阶段、可验证、可回溯的工程链路。Spec Cooding 整个流程一般可分为以下几点:
- • 需求描述用户需要先描述需求,包括做什么、为什么要做这个改动、做了哪些决策和权衡、以及明确哪些东西在范围之内。需求描述越清晰,AI 最终生成的效果就越符合预期。
- • AI 澄清需求在生成实现方案之前,AI 会通过几轮对话与用户确认需求细节,例如:
这一阶段可以帮助用户进一步明确需求,避免模糊需求直接生成代码导致方向偏差。
- • 功能范围
- • 技术选型
- • 数据结构
- • 系统边界
- • 生成方案在需求确认后,AI 会生成完整的实现方案文档(Doc),文档通常包含:
用户可以直接在生成的文档中修改或补充细节。
- • 项目目标
- • 功能模块设计
- • 技术实现思路
- • 系统结构说明
- • 拆分任务有了实现方案之后,Spec 会将复杂需求拆解为多个步骤,使开发过程更加清晰。
- • 分步执行任务执行任务时可分步骤推进。
- • 总结清单任务完成后生成最终的总结清单。
在上述的每个阶段开始之前,都支持用户确认和修改。通过 Spec Coding 能够很好的解决 Vibe Coding 在复杂项目中的缺陷:
- • 起点偏差写代码之前先规划、对齐功能,保证方向正确。
- • 上下文坍塌将目标、约束等信息写下来并保存,不强依赖上下文。
- • 过程失控将决策、核心逻辑以及中间产物保存下来,便于 AI 追溯,解决 AI 迷失方向的问题,
如何使用Spec Coding?
虽然 Spec Coding 还是一个相对新的范式,但目前已经可以通过多种渠道落地,整体可以分为两类:IDE 和开源工具。
IDE内置
这一类工具已经把 Spec Coding 的流程做成了产品能力,用户可以直接使用,这类 IDE 有 comate、trae 等。以 comate 为例,用户进入 comate 后可直接切换为 Spec Mode 开启 Spec Coding。
开源工具
除了 IDE 之外社区也涌现出一批更加灵活的开源工具链。其中较有代表性的包括 spec-kit 与 OpenSpec。这类工具可以无缝集成到 Cursor、Claude Code 等 AI 编程工具中。
以 spec-kit 为例,spec-kit 是 GitHub 官方开源的规范驱动开发工具包,帮助开发者从需求到实现的全流程开发。
通过 specify init 命令初始化项目之后,就能在 AI 编程工具中通过命令行执行相应的功能,以 Cursor 为例…