刘秋阳

Speaker

刘秋阳

- 阿里云技术专家

- AI科技博主「秋阳Chris」

AI 编程的进化之路

从 Vibe Coding 到 Spec Coding，从单 Agent 到专家团协同

01 / 19
01
Overview

什么是 AI 编程

AI 编程不是某一个工具，也不是某一种写法，而是涵盖多种技术路径和实现方式。核心驱动力：让 AI 编程从"能用"变成"好用"，从"好玩"变成"可靠"。

Vibe Coding → Spec Coding → Agent + Skill → Expert Team

每一步进化，都在增加 AI 编程的确定性和工程化程度

02
Vibe Coding

Vibe Coding 氛围编程

"fully give in to the vibes, embrace exponentials, and forget that the code even exists."

— Andrej Karpathy, 2025.02

用自然语言描述需求，AI 生成代码，看效果，不对再说一遍。不需要看代码，甚至不需要理解代码。凭感觉迭代，快速出活。

3-5x
生产力提升
25%
YC 项目 95%+ AI 代码
2025
Collins 年度词汇
03
Limitations

Vibe Coding 的边界

没有规范和边界，AI 无法控制。大型项目中问题尤为致命。

不可维护

~3 个月后代码变得不可维护，改一处坏多处

不安全

45% 的 AI 生成代码存在安全漏洞

不可预测

AI 靠猜，复杂度越高猜对概率越低

核心问题：需要给 AI 提供上下文和规范，让它在大型项目中可控

04
Spec Coding

Spec Coding 规范驱动

"Spec is the new code" -- 规范就是新时代的代码。人类定义"做什么"，AI 实现"怎么做"。两者清晰分离后，AI 的输出变得可控、可验证。

Spec First → Action → Verify
36%
提效（得物 2.5万行/10天）
50%
错误率降低（Red Hat）
60-80%
Token 消耗降低
05
Spec Example

一份 Spec 文档长什么样

# 文件上传组件 Spec
## 1. 功能概述
为企业内部管理系统提供文件上传能力，支持多文件同时上传，提供实时进度反馈，并在上传前完成格式与大小校验。
## 2. 非目标
• 不支持文件夹上传 / 断点续传 / 文件预览 / 文件加密
## 3. 校验规则
• 格式：.pdf, .docx, .xlsx, .jpg, .png | 大小：≤ 50MB | 数量：≤ 10 个
## 4. 错误处理
• 网络中断：重试 3 次 | 服务端 500：记录日志 | Token 过期：弹窗
## 5. 接口定义
POST /api/upload (multipart/form-data) | 参数：file, category | 响应：{ fileId, url, size }
## 6. 边界情况
• 0 字节文件拒绝 | 并发最多 3 个 | 重复文件去重
## 7. 验收标准
• 拖拽/点击上传 | 单元测试覆盖 | E2E 覆盖 | 进度 500ms 更新 | 无障碍操作

非目标

明确不做什么 — Vibe Coding 没有

校验规则

结构化规则，AI 可直接翻译

错误处理

区分"能跑"和"能上线"

验收标准

可客观评估的交付标准

06
Qoder Quest

Qoder Quest Spec 模式

核心理念：Define the goal. Review the result.

1

需求澄清

选择题形式提问，可选自动/手动/跳过

2

生成 Spec

输出需求描述、设计方案、验收标准

3

审核 Spec

Spec Tab 查看修改，确认后执行

4

执行监控

To-do List 实时观测，阻塞时介入

5

验收结果

Accept / Reject / Create PR，审查 Spec 是否正确实现

Qoder Quest Spec 模式界面

"Quest on, hands off"

07
Industry Practice

AI 编程 行业实践

全球开发者正在加速拥抱 AI 编程工具，从辅助补全到自主生成，效率提升已成为行业共识。

代码生成占比持续提升

GitHub Copilot 用户中，46% 的代码由 AI 生成；部分企业 AI 代码占比已达 30-35%

开发效率显著改善

使用 AI 编程工具的开发者，任务完成速度平均提升 55%，代码评审时间缩短 30%

企业采用率快速增长

超过 90% 的开发者已使用 AI 编程工具；企业级采用率从 2023 年的 25% 增至 2025 年的 70%+

开发者体验成为焦点

从代码补全到多文件编辑、从单轮到对话式、从通用到领域专用，工具能力持续进化

"AI 编程不是替代开发者，而是让开发者从重复性编码中解放，专注于架构设计与业务创新。"

—— 行业共识
08
Implementation Path

AI 编程 落地路径

从个人试用到团队推广，AI 编程工具的落地需要循序渐进，构建三层能力体系。

个人效率层 → 团队协作层 → 组织知识层

个人效率层

代码补全、智能问答、Bug 修复。开发者日常编码效率提升 30-55%

团队协作层

Spec 驱动开发、代码评审辅助、测试自动化。降低沟通成本，提升交付质量

组织知识层

沉淀团队规范、构建领域知识库、形成可复用的 Skill 体系

关键经验：从个人试点到团队推广，需要配套流程规范。Spec 文档成为代码评审的必选项，Skill 成为团队知识沉淀的标准方式。

09
Transformation

从 Vibe 到 Spec 转型经验

从 Vibe Coding 转向 Spec Coding 的过程中，团队通常会遇到这些挑战和应对策略。

01

从小处着手，逐步推广

先选 2-3 个试点项目，验证 Spec 模式的有效性，再推广到全团队。不要试图一次性改变所有工作流。

02

建立 Spec 模板和范例库

为常见任务类型（API 开发、前端组件、数据迁移）建立 Spec 模板。新人可以参考范例快速上手。

03

把 Spec 纳入代码评审

代码评审时同时评审 Spec 的完整性和准确性。Spec 成为交付物的一部分，形成质量门禁。

10
Agent

什么是 Agent（智能体）

AI 大模型是"超级大脑"，而 Agent 是"一个会使用工具的完整系统"。

AI 大模型
（超级大脑）
+
工具
（知识库/插件/MCP）
+
记忆
（上下文/短期记忆）
+
系统提示词
（人设/规范）
=
Agent
（智能体）

核心能力：自主规划 —— 智能体自己决定调用什么工具、按什么顺序完成任务

11
Qoder Agent

Qoder Agent：智能体模式

具备自主决策、环境感知与工具调度能力，可利用多种工具高效完成编码任务。

自主决策与计划

自动拆解任务，创建分步计划供审阅，支持多轮对话与快照回滚

自动环境感知

自动检测项目框架、技术栈、所需代码文件及错误信息

工具调度

内置工具 + 自动发现 MCP 工具，自主决定调用时机

命令执行

自主决定并运行终端命令，默认逐条确认，支持配置自动执行白名单

适用场景：复杂编码任务需多文件协作、需要自动分析项目框架、希望减少手动工具调用的开发工作流

12
Skill

Skill：沉淀专家经验

个人写的 Prompt 不够专业 —— 不知道专业词汇、不清楚最佳实践。专家有丰富经验，知道如何操作。Skill 就是复刻专家经验的东西，本质也是 Prompt，但沉淀了最佳实践。

普通 Prompt Skill
本质 个人的一次性指令 专家经验的可复用 SOP
质量 靠个人水平，参差不齐 沉淀最佳实践，稳定可靠
复用性 一次性使用 跨项目、跨团队复用
包含 做什么 做什么 + 怎么做 + 做到什么标准
13
Skill Ecosystem

Skill 生态与社区

Skill 可以跨工程复用。一个工程使用过的 Skill，其他工程也能用，还能分享给社区。大家不需要从零写 Prompt。

一键安装

Marketplace 上百个社区 Skill，覆盖代码审查、测试、部署等场景

跨项目复用

一次沉淀，处处可用。告别重复造轮子

社区贡献

每个人都在做自己顺手的 Skill，并贡献到社区

Spec 管"这次做什么"，Skill 管"遇到这类事每次怎么做" —— 双层可控性

14
Challenge

为什么需要多 Agent 协作

有了 Spec 和 Skill，单个 AI 变得可控了。但复杂任务中，单 Agent 仍然力不从心：

准确率不够

解决 A 问题可能引入 B 问题，编出来的效果有误差

验证靠手动

测试验证、评估分析很多时候还得手动完成

模块无法并行

前端、后端、测试无法同时推进，单 Agent 做完前端可能忘了后端上下文

容易返工

缺少多角度审查，完成后才发现设计缺陷

复杂问题需要多个 Agent 同时协作解决

15
Expert Team

专家团模式：多智能体协作

核心理念：你提需求，AI 专家团帮你交付结果。面向中大型工程任务，多专家并行协作。

Qoder Expert Team 架构

Team Lead

理解需求、拆解任务、协调调度、质量把关

领域专家

前端/后端/QA/评审/运维/UX 各负其责

Qoder 专家团实战截图
86.81%
代码保留率
+67%
质量提升

较单智能体模式，交付物经过规划、实现、测试、评审的完整流程

16
Future Trends

AI 编程的 未来趋势

展望未来 3-5 年，AI 编程将如何演进？我们看到的四个关键趋势。

从辅助到主导

AI 从代码补全工具进化为项目主导者。开发者角色从"写代码"转向"定义问题、验收结果"

安全与可信

AI 生成代码的安全性、可解释性将成为企业采纳的关键。自动漏洞检测、合规检查成为标配

多智能体生态

不同厂商、不同领域的 AI 智能体将互联互通，形成协作网络。标准化协议（如 MCP）成为关键基础设施

知识沉淀自动化

Skill 和 Spec 的积累将从人工编写转向自动提炼。AI 从项目历史中自动学习团队规范

核心判断：未来 3 年，不会用 AI 编程的开发者，就像今天不会用 IDE 的开发者一样。

17
Get Started

如何开始你的 AI 编程之旅

给想要开始 AI 编程的开发者，四个 actionable 的建议。

第一步：从 Vibe 开始

不要一上来就追求规范。先用 Vibe Coding 熟悉 AI 的能力边界，体验"凭感觉迭代"的快感。推荐从个人 side project 开始。

第二步：建立 Spec 意识

在重要功能开发前，先写一份简单的 Spec。不需要完美，关键是养成"先定义清楚再动手"的习惯。可以从非目标、验收标准开始。

第三步：积累你的 Skill

把重复的工作流程沉淀为 Skill。从个人 Prompt 开始，逐步优化为可复用的规范。分享给团队，形成知识复利。

第四步：拥抱协作

复杂任务尝试专家团模式。学会把任务拆分给不同角色的 AI，自己专注于架构设计和验收。记住：把执行交给 AI，把选择留给自己。

"最好的时机是昨天，其次是现在。AI 编程的学习曲线并不陡峭，关键是开始行动。"

Summary

AI 编程的进化之路

Vibe Coding → Spec Coding → Agent + Skill → 专家团协同

每一步进化都在增加确定性、减少"碰运气"的成分。Qoder 致力于让 AI 编程真正从"好玩"变成"好用"。

Connect

Thank You

关注「秋阳Chris」全网同名，期待深度交流与合作

微信二维码

微信

扫码加好友

小红书二维码

小红书

@秋阳Chris

抖音二维码

抖音

@秋阳Chris

19 / 19