标签 SDD 下的文章 - CorePlayers

2026 AI编程范式演进：从Vibe Coding到Spec-Driven Development再到Harness Engineering 2026 AI编程范式演进：从Vibe Coding到Spec-Driven Development再到Harness Engineering一、引言：编程范式的代际更迭2026年，AI编程已经从"好不好用"的问题升级为"用哪种范式"的选择。如果说2024年是AI编程的辅助时代（Copilot自动补全），2025年是Agent时代（Cursor/Claude Code自主编程），那么2026年已经进入了范式分化的阶段。开发者在AI辅助编程中获得的生产力差异越来越不在于"用什么工具"，而在于"采用什么范式"。三种主流范式构成了2026年的AI编程光谱：Vibe Coding：意图驱动，开发者说"我想要什么"，AI实现Spec-Driven Development (SDD)：规约驱动，先写详细规约，AI严格按规约实现Harness Engineering：驾驭工程，开发者作为"AI团队管理者"，编排多个AI Agent本文将从概念、实践和价值评估三个维度，深入剖析这三种范式。二、Vibe Coding：意图驱动的全新编程体验2.1 核心理念Vibe Coding（氛围编程）由Andrej Karpathy于2025年初提出，核心思想是：开发者描述意图（"vibe"），AI负责将意图转化为可运行的代码。2026年，Vibe Coding已经从一个概念变成了真实的工作方式：开发者说："我需要一个带有暗色模式切换功能的博客，首页展示最新5篇文章，每篇文章有阅读时长估算" AI（Claude Code / Cursor / GitHub Copilot Chat）： 1. 理解意图 → 确定技术栈（Next.js 15 + Tailwind） 2. 生成完整项目 → 包含路由、组件、暗色模式Provider 3. 一次性运行 → 开发者验证结果，不满意则"修改意图"重新生成2.2 适合Vibe Coding的场景Vibe Coding不是银弹，它在以下场景中表现出色：场景Vibe Coding效果原因原型/MVP开发⭐⭐⭐⭐⭐需求简单、变化快，天然适合个人项目/工具⭐⭐⭐⭐⭐不需要团队协作和代码规范新功能探索⭐⭐⭐⭐"我想试试XX效果"→快速跑通简单CRUD功能⭐⭐⭐⭐模式固定，AI可以稳定生成核心业务逻辑⭐⭐业务规则复杂，AI难以一步到位大规模重构⭐⭐上下文过大，AI容易顾此失彼2.3 Vibe Coding的关键技巧意图要具体：❌ "给我做一个用户管理系统" ✅ "创建用户管理模块：包含注册（邮箱+密码，密码至少8位含特殊字符）、 登录（JWT token，有效期7天）、个人资料编辑（头像上传到S3，昵称2-20字）。 后端用Spring Boot，前端用React + TypeScript。数据库MySQL。"迭代式改进：不要期望一次生成完美结果。Vibe Coding的节奏是"生成→验证→反馈→重新生成"保持简单：如果AI生成的设计过于复杂，说"简化这个设计"一起Debug：把错误信息直接贴给AI，它能更快定位问题三、Spec-Driven Development (SDD)：规约驱动的工业级实践3.1 核心理念SDD（Spec-Driven Development）是在Vibe Coding基础上发展的更工程化的AI编程范式。核心区别在于：Vibe Coding: 意图("我想要X") → AI生成代码 → 验证结果 → 修改意图 → 重新生成 SDD: 需求 → 编写Spec(规约文件) → AI按Spec生成代码 → 基于Spec验证 → 迭代SpecSDD的关键是Spec文件——一个结构化的、AI可精确理解和执行的规约：# spec: user-auth.yaml # SDD规约示例 - 用户认证模块 name: user-authentication version: "1.0.0" framework: "Spring Boot 4 + JDK 24" entities: - name: User fields: - name: id type: Long annotations: ["@Id", "@GeneratedValue"] - name: email type: String constraints: - "@Email(message='邮箱格式不正确')" - "@NotBlank(message='邮箱不能为空')" - name: password type: String constraints: - "@Size(min=8, max=100, message='密码长度8-100位')" - name: role type: Role default: USER apis: - path: POST /api/v1/auth/register name: 用户注册 security: public request: body: email: string (must be valid email) password: string (8-100 chars, must contain: uppercase, lowercase, digit, special) response: 201: body: userId: long message: "注册成功" 400: body: error: string details: array[string] - path: POST /api/v1/auth/login name: 用户登录 security: public request: body: email: string password: string response: 200: body: accessToken: string (JWT, expires 7d) refreshToken: string (JWT, expires 30d) user: id: long email: string role: string - path: POST /api/v1/auth/refresh name: 刷新Token security: authenticated request: body: refreshToken: string response: 200: body: accessToken: string (JWT, expires 7d) tests: integration: - name: 注册成功场景 steps: - POST /register with valid email and strong password - expect 201 with userId - name: 重复邮箱注册 steps: - Register user A - Register user A again - expect 400 with "邮箱已被注册" - name: 弱密码拒绝 steps: - POST /register with password "123456" - expect 400 with details about password requirements security: - name: Token过期处理 steps: - Login with valid credentials - Wait 7 days (simulate by setting short TTL in test) - Access protected endpoint - expect 401 - name: SQL注入防护 steps: - POST /login with email: "admin@test.com' OR '1'='1" - expect 400 (parameter validation) database: migrations: - V1__create_user_table.sql: columns: - id BIGINT PRIMARY KEY AUTO_INCREMENT - email VARCHAR(255) UNIQUE NOT NULL - password_hash VARCHAR(255) NOT NULL - role VARCHAR(20) DEFAULT 'USER' - created_at DATETIME DEFAULT CURRENT_TIMESTAMP - updated_at DATETIME DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP3.2 SDD的优势确定性：每次执行Spec得到一致的输出，不会"跑偏"可追溯：Spec文件是git管理的一等公民，可以code reviewAI无关：Spec可以用任何AI模型执行，不锁定工具质量保证：Spec中的tests确保输出代码的功能正确性3.3 SDD的局限编写成本：一份好的Spec需要投入时间，对于快速原型来说性价比低覆盖不全：Spec很难覆盖UI交互细节、动画效果等"软需求"维护负担：功能变更时Spec也需要同步更新四、Harness Engineering：驾驭AI团队的元工程4.1 核心理念Harness Engineering代表了AI编程最先进的实践——开发者不再直接编写Spec或意图，而是"管理"一组AI Agent，每个Agent负责不同的工程环节：传统开发: PM出PRD → 开发写代码 → 测试写用例 → Code Review Vibe Coding: 开发者出意图 → AI写代码 SDD: 开发者写Spec → AI按Spec写代码 Harness: 开发者定义流程 → AI Agent团队执行： ┌──────────────┐ ┌──────────────┐ ┌──────────────┐ │ Analyst Agent│────→│ Coder Agent │────→│Reviewer Agent│ │ 分析需求 │ │ 编写代码 │ │ 代码审核 │ └──────────────┘ └──────────────┘ └──────┬───────┘ │ ┌──────────────┐ ┌──────────────┐ ┌──────▼───────┐ │ DevOps Agent │←────│Tester Agent │←────│ Fixer Agent │ │ 部署上线 │ │ 测试验证 │ │ 修复问题 │ └──────────────┘ └──────────────┘ └──────────────┘4.2 实践示例：全自动博客发布流程# harness: auto-blog-publishing.yaml pipeline: name: "自动技术博客发布" trigger: "weekly-schedule (每周五20:00)" agents: researcher: model: "deepseek-v4" tools: ["web-search", "github-trending"] prompt: | 搜索本周最值得关注的技术新闻和GitHub趋势项目。 输出5个选题方向，每个附带3个引用来源。 outliner: model: "deepseek-v4" context_from: "researcher" prompt: | 基于研究结果，选择一个最有深度的选题。 输出文章大纲（标题+三级提纲），预估阅读时间15分钟。 writer: model: "deepseek-v4 (extended-context 256K)" context_from: "outliner + researcher" prompt: | 基于大纲撰写技术博客。 要求： - Markdown格式 - 包含代码示例 - 数据有引用来源 - 2000-3000字 - 使用中文 output: "draft-post.md" reviewer: model: "gemini-3-pro" depends_on: "writer" prompt: | 审核草稿的技术准确性和可读性。 重点检查： - 代码示例是否可运行 - 技术事实是否准确 - 文章结构是否合理 output: "review-notes.md" editor: model: "deepseek-v4" context_from: "writer + reviewer" prompt: | 根据审核反馈修改草稿，生成最终版本。 output: "final-post.md" publisher: depends_on: "editor" action: "auto-publish" platforms: ["blog", "juejin", "segmentfault"] approval: - stage: "writer" required: true approver: "ethan" - stage: "publisher" required: true reason: "发布前必须人工确认"4.3 三种范式的对比总结维度Vibe CodingSDDHarness Engineering核心载体自然语言意图Spec文件流程定义 + Agent团队输出质量波动大稳定可控高质量（多Agent校验）入门门槛极低中等（需规范Spec写法）高（需编排能力）迭代速度极快中等慢（但首次质量高）适用阶段原型/探索功能开发持续交付/质量保证可追溯性弱强（Spec是代码）强（流程+产物都受控）AI成本0.1-1美元/任务0.5-3美元/任务2-10美元/完整流程五、2026年推荐范式的组合策略在实际项目中，三种范式不是"三选一"，而是按开发阶段和任务复杂度灵活组合：项目生命周期中的范式选择： 概念验证/prototype → Vibe Coding（快速验证可行性） ↓ 核心功能开发 → SDD（规约确保质量） ↓ 迭代开发/维护 → Harness Engineering（Agent团队持续交付） ↓ 简单bug修复/小feature → Vibe Coding（回归快速模式）六、AI编程的核心竞争力转移2026年，AI编程的核心竞争力已经从"熟练掌握某个框架"转变为：架构决策能力：AI能写代码，但不能做架构决策需求表达能力：清晰、结构化地描述需求（Spec编写能力）质量把控能力：判断AI生成的代码是否"正确"（不仅是"能跑"）流程编排能力：设计高效的人+AI协作流程（Harness Engineering）批判性思维：AI的建议需要人来做最终判断发布日期：2026年4月18日 | 作者：Ethan | 分类：AI、编程范式