Codex+Claude Code企业级电商实战：从Vibe Coding到AI工程化编程

AI编程正在重塑程序员的工作方式。当下最强的两款工具——Codex 与 Claude Code，配合工程化的开发流程，已经能够支撑起真实的企业级项目开发。这篇文章基于B站UP主的实战教学内容，梳理如何用这两款工具从零开发电商项目，并厘清「氛围编程」与「AI工程化编程」的本质区别。

为什么是 Codex 和 Claude Code

在众多AI编程工具中，Codex 和 Claude Code 被认为是目前能力最强的两个选择。国产工具如字节的相关产品、Cursor 等表现同样不错，但核心差距往往落在后端模型上。

课程中提到一个关键观点：AI编程最核心的其实是后端模型，其次才是编程工具本身。Claude Code 之所以被广泛使用，除了模型能力，还在于它内部有一套完整的「哈尼式AI工程化编程」体系，对专业化编程做了大量优化。如果去阅读 Claude Code 的源码，会发现它本身就是一整套工程化编程实践的产物。

Codex 早期能力弱于 Claude Code，但随着 GPT 最新版本以及内部优化的推进，差距正在快速缩小。现实中还有一个绕不开的因素：Claude 账号封禁问题较为频繁，尤其在特定网络环境下恢复成本很高，这也促使不少开发者转向 Codex。

理论肯定要讲

开发环境的选择：VS Code 成为主流

教程作者明确表示，自己的开发环境基于 VS Code，并在其中安装 Claude Code 插件，在对话框中直接进行开发。这背后是一个值得关注的行业趋势判断。

传统重量级 IDE（如 IntelliJ 系列）在AI时代显得有些落伍。作者用了一个略带夸张但有现实依据的比喻：Eclipse 曾被 IntelliJ 取代，而如今 IntelliJ 又面临被AI编程工具冲击的局面。当下越来越多的开发者转向 VS Code，而 Cursor 本身也是基于 VS Code 二次开发封装而来。

需要说明的是，这属于个人使用习惯而非唯一标准。IDE 依然可用，但工具生态的迁移方向已经比较清晰。

我实际上是基于VS Code啊

三种开发模式：从 Vibe Coding 到工程化

这套教程最有价值的地方，在于把同一个项目拆成三种递进的开发模式来讲解，覆盖不同基础的学习者。

模式一：Vibe Coding（氛围编程）

Vibe Coding（氛围编程）是从国外传入的概念，核心是产品经理或有想法的人，只需把需求描述清楚，AI工具就能把代码写出来，不再依赖程序员手动实现。

但这套方式有明确的天花板。作者直言：Vibe Coding 只能做 Demo 级别的玩具项目。当项目变大、变复杂后，问题会集中爆发——生成的代码可能是「屎山代码」，难以维护；一旦线上出 Bug，不懂技术的人无法有效指挥AI去定位和修复，最终陷入死循环，项目停滞。

课程还点破了一个现象：早期一些非程序员出身的AI博主宣称「用 Vibe Coding 干掉了程序员」，但仔细看他们的产出，多是跨境电商小网站、番茄钟、补光灯之类功能极简的小工具，功能可能两句话就能生成。真正的企业级项目——业务复杂、高并发、微服务架构——用 Vibe Coding 是很难驾驭的。

用codex

模式二：计划模式（Plan Mode）

第二种是基于计划模式。无论是 Claude Code 还是 Codex，都提供了 Plan 模式。相比纯粹的氛围编程，它先规划再执行，能够支撑稍微复杂一点的项目，是从「玩具」向「工程」过渡的中间形态。

模式三：AI工程化编程（企业级）

第三种模式才是重点，也是当下不少中小型公司正在实践的方式——基于 Claude Code 的插件 Super Power 进行开发。

Super Power 本质上是一整套AI工程化编程的 Skill 集合，内部包含十几个到几十个 Skill，贯穿从需求分析、开发、测试、部署到上线的全流程。它与业界的 Spec Code、Spec Kit 等「规范驱动开发（SDD）」工具属于同一思路。Codex 侧也有对应的能力。

只有基于这套工程化流程，才能真正开发出可维护、可扩展的企业级项目。

规范驱动开发（Spec-Driven Development，SDD）是一种以结构化规范文档为核心驱动力的软件开发范式。开发者不再直接让AI「写代码」，而是先输出需求规格（Spec）、架构设计、接口契约等文档，AI再依据这些文档逐步生成、验证并迭代代码。这种方式的关键优势在于：规范文档充当了人与AI之间的「契约」，使得每一步生成的代码都有据可查、可回溯、可审查。Spec Kit、SpecCode 等工具正是将这套流程标准化，Super Power 则在此基础上进一步将 Skill 封装为可复用的流水线节点，覆盖从用户故事拆解到单元测试生成的完整链路。对比 Vibe Coding 的「一句话生成」，SDD 的本质是把软件工程的严肃性重新引入AI辅助开发，让项目在规模扩大后依然具备可维护性。

后端模型怎么选

实战中，Codex 后端接的是 GPT 最新版本；Claude Code 由于账号封禁和网络环境的顾虑，作者选择接入国内模型。

在对国内主流大模型的横向体验中，作者给出的判断是：GLM（智谱）目前在国内属于第一梯队，相对最好用；DeepSeek^广告性价比最高，价格便宜且能力不错；Kimi、MiniMax、MiMo、阿里通义、腾讯混元等也都可以使用。这个结论来自个人实测，并非绝对排名，但对选型有参考价值。

一个被低估的赚钱赛道：模型聚合平台

教程还计划开发第二个项目——类似 OpenRouter 的AI模型聚合平台。OpenRouter 被称为全球最大的AI大模型聚合平台，几乎汇集了所有主流模型，还提供大量免费额度和模型能力排名。

作者抛出了一个关于AI行业盈利的犀利观察：面向C端的AI应用（如豆包、腾讯元宝）大多在亏钱，真正赚钱的是卖算力的硬件（内存、芯片、半导体）和卖 Token 的生意。而模型聚合类的「套壳网站」正是卖 Token 的一种形态——拿到较便宜的 Token 再转售。据其透露，身边有十几人规模的小团队，靠这类网站一年营收达到数亿元级别。

这一视角提醒开发者：AI浪潮中的机会不只在应用本身，商业模式的选择同样关键。

OpenRouter 的商业模式本质是 API 转发与流量聚合：它统一封装各家模型的接口，开发者只需接入一套 SDK，即可按需调用 GPT、Claude、Gemini、开源模型等数十种后端，并按实际消耗的 Token 计费。平台从中赚取价差或手续费。这一模式的护城河不在技术壁垒，而在于：模型目录的广度、价格的竞争力、账号与额度的稳定供应，以及围绕开发者社区形成的口碑与留存。国内做同类业务的团队，往往还叠加了「中转 API」的需求——帮助国内开发者绕过访问限制、统一管理多个海外模型账号——这进一步放大了市场空间。理解这一商业逻辑，有助于开发者在选择第二个项目方向时，评估其真实的盈利可行性与竞争格局。

写在最后

对程序员而言，这套教程传递的核心信息很明确：AI编程不会淘汰真正持续学习的人，但会淘汰停止进步的人。工具从 Vibe Coding 进化到工程化编程，恰恰说明了「懂技术」在AI时代不是负担，而是驾驭工具、开发企业级项目的前提。掌握 Codex、Claude Code 以及 Super Power 这类工程化流水线，才是当前AI编程的实战重点。