智能体工程发展史
概述
智能体工程（Agentic Engineering） 是一种用 AI 编程工具写代码的工程实践。人类负责定义目标和验收标准，AI 编程工具负责生成代码，人类负责审核和决策。
2026 年 2 月，Andrej Karpathy 正式提出这一术语，标志着 AI 辅助编程从"氛围编程"演进为有结构化工程实践的学科。
一、起源：人类打字，AI 补全
1.1 早期 AI 辅助编程（2019-2021）
AI 辅助编程最早的形式是代码补全：
- 2019 年：GitHub Copilot 推出，使用 OpenAI Codex 提供代码补全
- 人类写注释，AI 补全代码
- AI 每次生成一小段代码（几行到几十行）
- 人类负责打字，AI 负责补全
// 人类写注释
// 计算斐波那契数列
// AI 补全
function fib(n) {
if (n <= 1) return n;
return fib(n - 1) + fib(n - 2);
}
特点：
- AI 是助手，人类是主体
- 每次交互很短
- 人类仍然在"打字"
1.2 AI 助手的进化（2021-2022）
随着 GPT-3.5/GPT-4 的出现，AI 助手变得更加智能：
- 2022 年：ChatGPT 发布，AI 对话成为主流交互方式
- 人类开始用自然语言描述需求，AI 生成代码
- 每次交互从"几行"扩展到"整个文件"
- 但仍然是人描述，AI 生成
// 人类：帮我写一个用户登录的 API
// AI：生成完整的登录 API 代码
二、Vibe Coding 的诞生（2025）
2.1 2025 年 2 月：Karpathy 创造 "Vibe Coding"
2025 年 2 月 3 日，Andrej Karpathy 宣布：
"I just invented a new term: vibe coding"
定义：
"Vibe coding is where you just tell the AI what you want, and it writes the code. You trust it works. You don't review it. You just vibe."
核心特征：
- 描述需求，AI 生成代码
- 不验证，不审查
- "只要能用就行"
2.2 Vibe Coding 的流行
Vibe coding 迅速流行，因为它：
- 门槛低：任何人都能用
- 速度快：几秒生成完整功能
- 感觉好：不用写代码，AI 全包
但问题也很明显：
- 生成的代码质量参差不齐
- 没有测试，没有审查
- 上线后 Bug 频出
- 技术债务快速积累
2.3 Vibe Coding 的典型流程
人类：build a user login API
AI：✅ 生成代码（30秒）
人类：looks good, ship it 🚀
（上线后：500错误）
三、问题的暴露（2025）
3.1 Vibe Coding 的代价
2025 年中，许多团队开始承受 vibe coding 的代价：
| 问题 | 描述 |
|---|---|
| 代码质量差 | AI 生成的代码没有测试，没有审查，上线后 Bug 不断 |
| 技术债务 | 代码不可维护，没有人真正理解逻辑 |
| 安全漏洞 | SQL注入、XSS、敏感信息泄露频发 |
| 调试困难 | AI 生成的代码难以理解，出了问题找不到原因 |
| 团队退化 | 工程师不再写代码，也不再理解代码 |
3.2 行业的反思
2025 年下半年，开发者社区开始反思：
"We were so excited to let AI write code, we forgot to check if it was correct."
关键洞察：
- AI 生成的代码不是免检品
- 速度不等于质量
- "能用就行"的心态迟早会出问题
四、Spec-Driven 的回归（2025-2026）
4.1 行业的觉醒
2025 年底，开发者社区开始回归基本工程实践：
核心认知：
- 代码必须符合规范
- AI 生成代码也需要审查
- 没有规范的开发就像没有设计图就施工
4.2 Spec-Driven 的具体实践
旧流程（vibe coding）：
想法 → AI 生成代码 → 上线
新流程（spec-driven）：
想法 → 写 SPEC → AI 生成代码 → 审核 → 测试 → 上线
Spec 的内容：
- 功能需求
- 验收标准
- 技术约束
- 边界情况
4.3 为什么 Spec 重要
| 没有 Spec | 有 Spec |
|---|---|
| AI 自由发挥，输出不确定 | 明确目标，输出可预期 |
| 无法验证是否完成 | 验收标准清晰 |
| 边界情况没考虑 | 边界情况已定义 |
| 代码质量参差不齐 | 质量有保证 |
五、Agentic Engineering 的诞生（2026）
5.1 2026 年 2 月：Karpathy 提出新术语
2026 年 2 月 4 日，Karpathy 宣布：
"I just invented a new term: agentic engineering"
定义：
"'agentic' because the new default is you're not writing the code directly 99% of the time, you're orchestrating agents who do and acting as oversight. 'Engineering' to emphasize that there is an art & science and expertise to it."
核心变化：
| Vibe Coding | Agentic Engineering |
|---|---|
| AI 生成，人不审 | AI 生成，人审核 |
| 速度优先 | 质量优先 |
| "能用就行" | "生产级" |
| 随意 prompt | 结构化方法 |
| 人类是观众 | 人类是架构师 |
5.2 Agentic Engineering 的核心公式
Agentic Engineering = Human defines goals + AI generates code + Human reviews
不是：
- 不是构建 AI 智能体系统
- 不是多智能体编排
- 不是纯 prompt 工程
是：
- 用 AI 工具写代码的工程实践
- Spec-driven + AI 执行 + Human oversight
- 从"打字员"到"架构师/审核者"的转变
5.3 Agentic Engineering 的实践
1. 写 SPEC（规范）
↓
2. AI 生成代码
↓
3. 人类审核
↓
4. 不通过？→ AI 修复 → 重新审核
↓
5. 通过 → 写测试 → 合并
六、关键人物与贡献
6.1 Andrej Karpathy
- 2025 年 2 月：创造 "vibe coding" 一词
- 2026 年 2 月：创造 "agentic engineering" 一词
- 推动 AI 辅助编程从随意走向工程化
6.2 社区的教训
2025 年的教训：
- AI 生成的代码不是免检品
- 速度不等于质量
- 没有规范的开发迟早会出问题
2026 年的行动：
- 写 SPEC 再开发
- AI 代码必须审核
- 测试覆盖不能少
- 技术债务要控制
七、现状与展望
7.1 当前状态（2026 年中）
Agentic Engineering 正在成为主流：
| 指标 | 2025 年初 | 2026 年中 |
|---|---|---|
| 使用 AI 写代码的开发者 | ~30% | ~70% |
| 写 SPEC 的团队 | ~10% | ~40% |
| 有代码审查流程的团队 | ~20% | ~50% |
7.2 核心区别总结
| Vibe Coding | Agentic Engineering | |
|---|---|---|
| 核心理念 | 信任 AI | 验证 AI |
| 人类角色 | 观众 | 架构师/审核者 |
| 代码审查 | 跳过 | 必须 |
| 测试 | 忽略 | 关键 |
| 质量标准 | "能用就行" | "生产级可维护" |
| 典型心态 | "反正 AI 写的" | "AI 写的也要验证" |
八、实践指南
8.1 最小可行流程
# Agentic Engineering 流程
def code_with_ai():
spec = write_spec() # 1. 写规范
code = ai_generate(spec) # 2. AI 生成
review(code, spec) # 3. 人类审核
test(code, spec) # 4. 测试
ship() # 5. 发布
8.2 SPEC 模板
# 功能名称
## 需求
- 描述要做什么
## 验收标准
- [ ] 标准 1
- [ ] 标准 2
## 技术约束
- 技术要求
## 边界情况
- 边界 1
- 边界 2
8.3 代码审查清单
- 代码是否符合 SPEC？
- 有测试覆盖吗？
- 变量命名清晰吗？
- 有安全漏洞吗？
- 错误处理完整吗？
8.4 渐进式采用
阶段 1：修复 bug 时用 AI
→ AI 生成修复 → 审核 → 合并
阶段 2：新功能开发
→ 写 SPEC → AI 生成 → 审核 → 测试 → 合并
阶段 3：完整模块
→ 完整 SPEC → 多文件 → 集成测试
阶段 4：项目级
→ 架构规范 → 团队协作 → 全流程覆盖
九、总结
智能体工程的演进：
| 阶段 | 时间 | 核心特征 |
|---|---|---|
| 代码补全 | 2019-2021 | AI 补全几行代码 |
| AI 助手 | 2021-2022 | 自然语言描述，AI 生成代码 |
| Vibe Coding | 2025 | 描述即代码，不审查 |
| Spec-Driven | 2025-2026 | 先写规范再开发 |
| Agentic Engineering | 2026+ | Human defines goals + AI generates + Human reviews |
核心认知：
- AI 是工具，不是替代者
- 人类仍然负责质量
- 工程实践没有过时
下一步：
- 写规范
- 验证输出
- 保持人类在环
参考来源
- Karpathy X (2025-02-03): Vibe coding 原文
- Karpathy X (2026-02-04): Agentic engineering 原文
- Observer: "'Vibe Coding' Inventor Andrej Karpathy Has a New Term for A.I. Coding"