Vibe Coding企业级实战：Claude Code+Codex工程化开发

AI编程工具正在重塑开发者的工作方式，但“氛围编程”（Vibe Coding）与企业级工程化之间仍存在巨大鸿沟。B站UP主朱老师在一节实战课程中，用Claude Code和Codex两个工具，从零演示了如何跨越这道鸿沟。

为什么Vibe Coding做不了企业级项目

Vibe Coding源自海外，核心逻辑是“你描述想法，AI生成代码”。对于产品经理或非技术背景的创作者来说，这确实降低了开发门槛。早期不少博主用这种方式做出了补光灯、番茄钟、跨境小网站等工具，甚至宣称“程序员要被干掉了”。

但朱老师指出，这类项目功能极其简单，往往两句话就能描述完。一旦项目规模变大、业务逻辑变复杂，问题就会暴露：生成的代码难以维护，线上出bug后非技术背景的指挥者无法有效指导AI修复，项目很容易陷入死循环直至停滞。

企业级项目的本质是业务复杂、技术复杂——分布式、微服务架构、高并发场景，这些都不是简单描述需求就能让AI一次性写对的。Vibe Coding可以快速产出Demo，但距离可维护、可迭代的企业级系统还有很长的路。

Vibe Coding 一词由 AI 研究者 Andrej Karpathy 在 2025 年初提出，指开发者完全顺应 AI 的代码生成、不逐行审查、凭"感觉"推进的开发方式，其典型工作流是自然语言描述 → AI 生成 → 直接运行 → 报错再描述。它与 AI 辅助编程（AI-assisted coding）的区别在于人的介入程度：后者要求开发者理解并审核生成代码，前者则把审阅责任交给工具本身。这正是它在小项目中效率极高、在复杂系统中迅速失效的根本原因——缺乏人类对架构与契约的把关，代码质量无法随规模收敛。

三层递进的实战路径

课程设计了一条从易到难的路径，对应三种开发模式：

第一层：纯Vibe Coding。 用Claude Code和Codex各建一个电商项目文件夹，给几句需求就让AI直接开写。几分钟内就能看到可运行的页面，适合理解工具的基本能力边界。

第二层：计划模式（Plan Mode）。 Claude Code和Codex都提供计划模式，AI会先拆解需求、规划步骤，再动手写代码。相比直接生成，这种方式对稍复杂的项目更可控。

第三层：工程化编程。 这是课程的核心。基于Claude Code的Super Power插件，用一套覆盖需求分析、开发、测试、部署全流程的Skill体系来开发真正的企业级电商项目。Super Power包含数十个Skill，本质上是把大厂内部的AI工程化规范封装成了可复用的开发流水线。

计划模式（Plan Mode）是当前主流 AI 编程工具的一种交互范式：模型在写代码前先输出结构化的实施计划（涉及哪些文件、改动顺序、依赖关系、验证方式），由用户确认或修改后再执行。它相当于把"需求分析—方案设计"这一步显式化，减少模型在长任务中偏离目标。与之配套的常见实践还有规则文件（如 CLAUDE.md、AGENTS.md）与上下文管理，用持久化的项目约束替代一次性提示，这也是从"对话"走向"流水线"的关键过渡。

Claude Code与Codex的真实能力对比

朱老师对两个工具的评价相当直接：Claude Code在专业开发者中使用最多，能力最强，其内部有一套非常成熟的AI工程化体系，对专业化编程做了大量优化。但问题在于Anthropic的CEO“非常排华”，最新模型仅限美国使用，封号频繁且恢复麻烦，导致他本人现在用得越来越少。

Codex早期比Claude Code差很多，但GPT最新版本发布后能力提升明显，加上使用限制更少，他现在的使用频率反而更高。国内工具方面，Codebody、Trae、Cursor也都不错，但核心还是看背后的模型能力——模型排第一位，工具排第二位。

在后端模型选择上，他试过智谱GLM、小米MiMo、DeepSeek^广告等国内主流模型，认为GLM是目前最好用的一梯队，DeepSeek性价比最高，MiniMax、Kimi、腾讯混元也都在可选范围内。

文中提到的"模型排第一位，工具排第二位"，指向的是 AI 编程工具的分层结构：底层是模型能力（推理、长上下文、代码生成与工具调用），中层是代理框架（文件读写、命令执行、多轮规划、子代理调度），表层才是 IDE 或 CLI 的交互形态。同一模型接入不同工具，效果差异主要来自上下文组织与工具调用策略；而不同模型在同一工具下，差距往往更为显著。因此评估工具时应区分"模型上限"与"工程封装"，前者决定天花板，后者决定稳定性与可复现性。

OpenRouter套壳网站为什么这么赚钱

课程第二个项目是开发一个类似OpenRouter的AI模型聚合平台。OpenRouter是全球最大的AI大模型聚合平台，接入了市面上几乎所有主流模型，部分还免费或低价可用。

朱老师在这里抛出了一个反直觉的判断：当前AI领域最赚钱的不是面向C端的AI应用——豆包、腾讯元宝这些都在亏钱——而是卖算力的、卖token的，以及做token套壳聚合的网站。他身边有朋友做这类出海套壳网站，十几人团队一年做到一两个亿的流水。

这个项目的教学价值在于：它既是一个真实有商业价值的项目类型，又能让学员理解API聚合、多模型路由、计费系统等企业级开发中的常见架构模式。

模型聚合平台的核心机制是统一 API 网关：对外提供与 OpenAI 兼容的接口协议，对内对接多家厂商的模型端点，通过路由策略在价格、延迟、可用性之间做权衡，并在失败时自动回退到备用模型。其商业模式通常是在上游 token 批发价上加价转售，或提供预付费额度与用量统计。这类项目的技术难点不在模型本身，而在计费对账的准确性、密钥与配额管理、多租户隔离以及流式响应的透传稳定性——这些正是企业级后端工程的典型课题。

大厂在怎么做AI工程化

课程还涉及国内头部大厂的AI编程实践。据朱老师透露，阿里内部正在推行一套完整的AI工程化编程体系，包含从需求到上线的全流程规范，他有一份内部文档会在课程中解读其整体思想（因实践内容过多，仅讲大体框架）。

这部分的价值在于让学员看到：AI编程不是“打开对话框让AI写代码”这么简单，大厂已经在把它变成一套可管理、可审计、可协作的工程流程。Super Power这类插件，某种程度上就是这种流程的开源化封装。

开发者该从中看到什么

这节课程的信息密度不小，但真正值得关注的不是具体工具的操作步骤——那些看文档就能学会——而是两个结构性判断：

其一，Vibe Coding的边界是清晰的。它能帮你快速验证想法、做原型，但企业级项目的复杂度决定了它必须辅以工程化规范。把AI编程等同于“不用懂技术也能做系统”，是对工具能力的误读。

其二，工具选型正在从“哪个IDE好用”转向“哪个模型+哪套工程流程好用”。VS Code + Claude Code插件、Codex桌面端与CLI的组合，代表的是“轻编辑器+强AI代理”的新范式，传统重型IDE如果不转型，处境会越来越尴尬。

对于想跟上这波变化的开发者，朱老师的建议很朴素：这是个需要终身学习的职业，AI不会淘汰所有人，但会淘汰停止学习的人。