Vibe Coding架构解析：认知、执行与编排三位一体系统

什么是Vibe Coding：一场开发范式的转移

Vibe Coding（凭感觉编程）这个概念最早由特斯拉前AI总监Andrej Karpathy提出。Karpathy是深度学习领域的标志性人物，曾负责特斯拉Autopilot视觉系统，此前在OpenAI担任研究科学家，也是斯坦福大学广受欢迎的深度学习课程CS231n的创建者。2025年初，他在社交媒体上首次提出Vibe Coding这一概念，描述自己如何完全依赖LLM编程，甚至"忘记了代码的存在"。

具体来说，Karpathy在2025年2月的一条推文中详细描述了自己的实践：他使用Cursor中的Composer功能，配合SuperWhisper语音输入，几乎完全通过口述自然语言来完成编程。他表示自己"看代码的时间越来越少，只是接受所有diff，报错了就把错误信息复制给AI"。这种看似随意的开发方式之所以引发巨大反响，是因为它暗示了一个深刻的范式转移：当模型能力跨过某个阈值后，人类开发者的核心价值不再是"写出正确的代码"，而是"定义正确的问题"。这一概念迅速引发开发者社区的广泛讨论，因为它精准捕捉了AI辅助编程从"工具辅助"跃迁到"意图驱动"的临界点。

它并不是指某个具体工具，而是一种全新的开发习惯，或者说是一种新范式。

在传统的编码模式下，开发者既要当"设计师"去构思逻辑，又要当"泥瓦匠"去搬砖——手动敲写大括号、分号，抠各种底层API调用细节。而在Vibe Coding模式下，工作流发生了根本变化：开发者不再需要死磕复杂的语法和底层API，而是扮演"总指挥"或"产品经理"的角色，只需用自然语言表达意图，底层的AI执行架构会接管所有的"体力活"。

换句话说，人类只负责表达意图和最终验收，所有实现细节都交给系统完成。这标志着开发正从"手工语法"走向"意图驱动"。

Vibe Coding的三个演进阶段

这种变化并非一夜之间发生，而是经历了三个清晰的阶段：

复制粘贴时代（约一两年前）：使用网页版ChatGPT或Claude，在聊天框里提问，手动复制代码到编辑器，报错了再复制回去继续问。此时AI与本地环境是物理隔离的。
智能体时代：像Cursor这样的工具直接驻留在本地，能读取项目文件、自动运行、自动改错，省去了频繁的手动复制。Cursor是由Anysphere公司开发的AI原生代码编辑器，基于VS Code开源内核进行深度改造，其核心创新在于将大模型的上下文窗口与本地代码库通过RAG（检索增强生成）机制深度集成。RAG最初由Meta AI研究团队在2020年提出，其核心思想是将外部知识库与生成模型解耦——生成时先通过向量检索从知识库中找到相关片段，再将这些片段作为上下文注入生成模型。在代码编辑器场景中，RAG的实现更为复杂：需要对整个代码库进行语义索引（而非简单的关键词匹配），包括函数调用图、类型继承关系、import依赖链等结构化信息，这样当用户发出指令时，Cursor会自动检索相关文件、函数定义、类型声明等上下文，将其注入提示词，使大模型拥有项目级的"视野"。但在这个阶段，AI往往"单兵作战"，缺乏大局观。
工作流时代：也就是真正的Vibe Coding。通过引入框架和约束，用标准工作流规范AI，确保在多轮修改中代码不会写坏、不会漏掉真实需求。

现在性价比很高

三层架构：认知层、执行层与编排层

一个完整的Vibe Coding架构由三个明确的层级组成，可以类比为一个团队的三种分工。

认知层：团队的大脑

认知层由各种大语言模型构成，负责核心的推理和代码生成能力。在写代码这个极度内卷的赛道上，模型可以分为三个梯度：

代码专精模型：代表是Claude 3.5 Sonnet。它由Anthropic公司开发（Anthropic由前OpenAI研究副总裁Dario Amodei创立，专注AI安全研究）。Sonnet之所以在代码生成领域表现突出，核心原因在于其训练策略的差异化——在Constitutional AI框架下进行了大量代码推理的专项优化，尤其擅长长链逻辑推理和上下文一致性维护。Constitutional AI（宪法AI）是Anthropic在2022年提出的对齐方法论，其核心创新在于用一组明确的原则（"宪法"）来指导模型的自我改进过程。与传统RLHF（基于人类反馈的强化学习）依赖大量人工标注不同，Constitutional AI让模型先生成回答，再根据预设原则进行自我批评和修订，最后用修订后的数据进行训练。在代码领域，这意味着模型被训练为在生成代码时自动检查逻辑一致性、安全性和可维护性，而非仅仅追求"看起来正确"的输出。在SWE-bench等代码基准测试中，Sonnet的表现长期领先。SWE-bench是由普林斯顿大学研究团队在2023年发布的代码能力评估基准，全称Software Engineering Benchmark——与传统的代码生成评测（如HumanEval、MBPP）只测试单函数生成不同，SWE-bench从真实的GitHub开源项目中提取了数千个已解决的Issue，要求模型在完整的代码库上下文中定位问题、理解需求并生成正确的代码补丁，因此被业界视为衡量AI编程能力最权威的基准之一。所谓砍掉了多模态功能，是指其算力预算和训练资源更集中于文本推理而非图像/视频生成，专注逻辑推理和代码生成。在Vibe Coding中，它是首选"大脑"，决定了代码质量的上限。
全能通用模型：如GPT-4o、谷歌Gemini，追求全环境覆盖，综合素质好，适合多模态交互和通用业务场景。
效率与本地模型：如DeepSeek^广告、通义千问^广告，主打性价比和速度，适合写单元测试、格式化文件等高频、低逻辑难度的场景。

执行层：本地Agent的角色

执行层是驻留在本地的Agent工具，如Cursor、Claude Code。它们负责接受大脑的指令，真正去操作计算机——读取项目结构、写入文件、运行终端命令。这些工具内置了终端集成和diff预览机制，AI生成的代码修改以diff形式展示，用户确认后才真正写入磁盘，这本身就是一种轻量级的读写隔离实践。

编排层：工作流的项目经理

这一层提供开发流程和行为约束，是三层中最关键的部分。像OpenSpec、Superpowers这类框架，就像项目经理或标准工作流制度，规定AI必须先干什么、再干什么，从而保证代码靠谱、可维护。

云端大脑与本地Agent的协同机制

大模型运行在云端服务器上，而代码在本地硬盘里，两者协同必须有一套机制。

打破物理隔离

大模型本质上是运行在云端沙盒里的文本生成引擎，它看不见也摸不着你的电脑，连本地硬盘都进不去。如果它想修改一个 main.py 文件，它无法直接伸手，只能在云端生成一行代码，然后被网络边界挡住。

解决方案是在本地部署一个"听话的"Agent。当大模型想修改文件时，它通过API把指令发送给本地Agent；Agent因为运行在本地、拥有文件系统权限，会直接在硬盘上做IO操作，或在终端运行代码检查报错，再把报错信息打包成上下文回传给云端大脑。这就像云端大脑通过"无线电"指挥本地机器人干活，物理隔离由此被打破。

所以它会直接在本地硬盘上做IO操作

Function Calling：自然语言转机器指令

大模型说的是"大白话"，机器人如何精准执行？关键技术是 Function Calling。

Function Calling是OpenAI在2023年6月随GPT-3.5/4 API更新首次引入的能力，随后迅速成为行业标准。发布后，它迅速催生了整个AI Agent生态——2023年下半年，LangChain、AutoGPT等框架将Function Calling封装为"工具使用"（Tool Use）抽象层；2024年，Anthropic的Claude推出了自己的Tool Use API，Google Gemini引入了Function Declaration机制。到2025年，Function Calling已从单一函数调用演进为复杂的多步骤工具编排（Tool Orchestration），支持并行调用、条件分支和错误重试。

其核心原理是：在系统提示词中以JSON Schema格式定义可用工具的名称、描述和参数结构；大模型在推理时如果判断需要外部工具介入，会输出一段符合预定义Schema的结构化JSON，而非自然语言文本。本地运行时通过解析这段JSON，提取函数名和参数，调用对应的本地函数或API。这一机制本质上是将大模型从"纯文本生成器"升级为"智能路由器"——它知道什么时候该自己回答、什么时候该调用外部能力。这一技术的意义远超编程领域，它本质上定义了"AI如何与外部世界交互"的标准协议，是从聊天机器人到自主智能体演进的关键基础设施。

以"查一下北京今天的天气"为例：本地应用提前告诉大模型有一个 getWeather 工具及其参数。大模型听懂后不会直接回答，而是返回一段结构化数据，请求在本地执行 getWeather(city='北京')。本地应用调用真实的天气API拿到结果（如"晴朗25度"），再送回给大模型，由它组织成一句自然语言回复。

在这个循环中，不可控的自然语言被完美转换成计算机能准确执行的系统级调用，这正是本地Agent能读写文件、运行命令的底层逻辑。

编排层详解：给AI套上工程化缰绳

如果完全放任AI自由发挥，很快就会面临工程灾难。原始无约束的Vibe Coding有三大痛点：

目光短浅：为修复眼前小bug，大刀阔斧改动多处，破坏底层架构，引入更隐蔽的缺陷。
需求失真：自然语言模糊有歧义，AI根据脑补做错误假设，写出的业务逻辑跑偏。
上下文退化：对话轮次一多，受限于注意力机制，AI逐渐忘记核心规范、接口命名规则甚至架构风格。上下文退化问题根植于Transformer架构的注意力机制。Transformer由Google Brain团队在2017年的论文《Attention Is All You Need》中提出，其自注意力（Self-Attention）机制允许模型在处理序列时关注任意位置的信息，理论上解决了RNN的长程依赖问题。然而，自注意力的计算复杂度为O(n²)，其中n为序列长度，这意味着即使窗口扩大，模型对远距离token的有效利用率也在下降。各种位置编码方案（RoPE、ALiBi等）虽然在一定程度上缓解了这一问题，但纯粹扩大上下文窗口并不能从根本上解决信息遗忘。尽管现代大模型的上下文窗口已扩展到128K甚至更长的token，但注意力分数的分配并非均匀的。模型对最近的token和最开始的token关注度较高，中间部分容易被"遗忘"，这被称为"Lost in the Middle"现象（2023年斯坦福研究团队首次系统性证实）。在多轮对话场景中，早期定义的架构规范会逐渐滑入注意力的"盲区"，导致AI生成的代码风格漂移、违反既定规范。

为对付这些痛点，必须把与AI的交互封装成标准工作流，强制它走一套确定性的工程流程。目前主流有两种驱动方式。

SDD：需求驱动开发

SDD（软件设计文档）驱动强调"规范先行"。AI动笔前必须先理清需求：通过提问对齐理解、厘清边界，然后生成一份不可篡改的设计文档，把模块、接口、数据流向全部固定下来。经人类关键节点确认后，AI才能严格按文档施工，从源头消灭需求失真。

SDD的开发流程

TDD：测试驱动开发

TDD（测试驱动）强调"测试先行"，以测试用例作为AI行动的绝对标尺。TDD并非AI时代的新发明，而是Kent Beck在2003年正式提出的经典软件工程方法论，属于极限编程（XP）实践的核心组成部分。Kent Beck是极限编程的创始人，也是敏捷宣言的17位初始签署者之一。TDD的经典循环是"红-绿-重构"三步走，看似简单实则蕴含深刻的设计哲学：它迫使开发者在写代码前先思考"这段代码应该做什么"（通过测试定义行为），而非"这段代码怎么实现"。这与Vibe Coding的意图驱动理念不谋而合。

流程是：AI先写单元测试（此时业务代码未写，运行失败显示"红灯"）；接着AI只能编写"刚好能通过测试的最小代码"，多余一行都不准写；测试变"绿灯"后再进行重构优化。将TDD应用于AI编程的精妙之处在于：测试用例构成了一个不可欺骗的"裁判系统"——AI不能通过模糊的自然语言蒙混过关，代码要么通过测试要么不通过，这种二值判定天然适合作为AI行为的约束边界。TDD在传统开发中推广困难的主要原因是人类开发者觉得"先写测试"违反直觉、增加初始工作量；而AI没有这种心理负担，反而天然适合这种受约束的工作模式。测试用例不会撒谎，AI想敷衍都不行。

OpenSpec与Superpowers框架对比

OpenSpec：典型的SDD驱动，理念是规范先行。内部设计了状态机（explore探索→propose定稿→apply执行），把写文档和改代码严格分开。状态机（Finite State Machine）是计算机科学中最基础的计算模型之一，由有限数量的状态、状态间的转移条件和转移动作构成。在OpenSpec中引入状态机的设计意义深远：它将AI的行为从"自由对话"约束为"有限状态转移"——AI在每个状态下只能执行特定类型的操作，且必须满足明确的退出条件才能进入下一状态。例如在Explore状态下AI只能提问和检索，不能生成代码；只有当需求明确度达到阈值后才能转移到Propose状态。这种设计将不确定性的AI行为强制纳入确定性的工程流程，是编排层实现可靠性的数学基础。OpenSpec适合复杂业务和从0到1构建大项目。
Superpowers：典型的TDD驱动，理念是测试先行。严格限制AI执行逻辑，彻底消除AI擅自捏造虚假测试结果的风险，适合核心算法模块和高可靠性系统重构。

EPA模式：读写隔离的安全阀门

高级编排框架通常强制实行读写隔离：在 Explore（探索） 阶段AI只能只读操作，检索、搜索文件；进入 Plan（规划） 阶段仍是只读，先写好改动方案；只有方案经人类确认，进入 Act/执行 阶段，才真正放开写权限。

这种读写隔离的设计思想在计算机科学中有深厚渊源，类似于数据库事务中的隔离级别控制、操作系统中的用户态/内核态权限分离。其核心理念是：在信息不完整时绝不允许产生副作用（写操作），只有当决策充分确认后才赋予执行权限，从而将错误操作的影响域压缩到最小。

分层存储：对抗上下文退化的策略

为防止上下文退化，编排层采用分层存储架构：

常驻记忆：项目根目录下的 memory.md，通常不超过200行，记录最核心、绝不能忘的项目规范，每次对话无条件加载。这相当于人类工作记忆中的"核心信念"，无论对话如何推进都始终在注意力焦点内。
按需加载记忆：用户手册、架构文档等，只在执行相关任务时动态加载。这类似于RAG（检索增强生成）的思路——不把所有信息一次性塞入上下文窗口，而是根据当前任务的语义相关性按需检索注入，既节省宝贵的token配额，又确保相关信息的完整性。
仅限检索记忆：完整的对话历史，平时不加载，只在需要查历史决策时通过检索定向获取。

在第一层是常驻记忆

三位一体系统的协同与未来演进

把认知、执行、编排三层拼合，就构成了一条自上而下的精密流水线：

起点：开发者用自然语言提出意图；
第一关——编排与约束层：用SDD/TDD工作流规范需求，用生命周期钩子控制关键节点，用分层存储锁定记忆，把有歧义的需求收敛成有规矩的开发计划；
第二关——执行层：本地Agent通过Function Calling把方案翻译成机器指令，在受限的权限沙盒里安全地读写文件、运行测试；
第三关——认知与推理层：Claude 3.5 Sonnet等代码专精模型提供源源不断的推理算力。

三层互相咬合，最终输出的才是真正高可靠、生产级的代码。这与平时在聊天框里"问一句改一句"的简单模型调用有着本质区别。

不变的底层逻辑

面对模型和工具的高速迭代，其实不必焦虑。最外圈的基座模型迭代最快，中间圈的工具形态不断演进（今天是VS Code插件，明天可能是独立命令行工具），但最核心的底层架构逻辑永远不变。要用AI稳定产出商业级代码，始终要做三件事：

读写隔离：达成方案共识前不让AI乱碰代码；
约束注入：用测试或设计文档规范AI的行为边界；
上下文收敛：分层管理记忆，防止大模型丢三落四。

这三条原则的底层逻辑，其实与软件工程几十年来积累的最佳实践一脉相承——代码审查（Code Review）是读写隔离的人工版本，需求规格说明书是约束注入的传统形态，项目wiki和技术文档是上下文收敛的原始手段。Vibe Coding并没有发明新的工程原则，而是用AI+自动化的方式将这些原则的执行效率提升了数个量级。

只要掌握这套三位一体的底层逻辑，无论未来技术如何迭代，都能一眼看透新工具的本质，把技术主动权牢牢抓在自己手里。