Vibe Coding vs Agentic Engineering

Karpathy 的定义演变

Vibe Coding（2025.02）: - Karpathy 原话：“fully give in to the vibes, embrace exponentials, and forget that the code even exists.” - 翻译：完全沉浸到 vibes 中，拥抱指数级增长，忘记代码的存在

典型工作流:

用户描述需求（自然语言）
  ↓ AI 生成代码
  ↓ 用户运行代码
  ↓ 如果出错 → 复制错误信息贴回 prompt
  ↓ AI 修复
  ↓ 重复直到"看起来能工作"

Agentic Engineering（2026）: - Karpathy 修正：原始框架太狭窄 - 定义：AI 在精心设计的约束、测试和反馈循环中工作，人类保留架构、正确性和质量的监督

光谱模型：不是二元选择

白皮书核心框架：Vibe Coding 和 Agentic Engineering 是光谱的两端。

关键差异：不是是否使用 AI，而是围绕 AI 输出的结构、验证和人类判断有多少。

五维度对比表

维度	Vibe Coding	Structured AI-Assisted	Agentic Engineering
意图说明	随意自然语言 prompt	详细 prompt + 示例和约束	正式规范、架构文档、memory 文件
验证	“看起来能工作？”	手动测试、抽查	自动化测试套件、CI/CD 门禁、LLM 评委
代码库理解	最小；可能不读生成的代码	选择性审查关键路径	全面审查架构；AI 处理实现细节
错误处理	复制粘贴错误信息回 AI	开发者诊断根因，AI 修复	Agent 自我诊断（定义范围内）；人类处理架构问题
适用范围	原型、脚本、个人项目、黑客马拉松	已建立代码库中的功能	生产系统、团队规模开发
风险特征	高；适用于一次性代码	中；关键点有人类判断	低；每阶段系统验证

最大的差异：验证机制

白皮书强调：

“The single biggest differentiator between the two ends is how outputs get verified.”

翻译：两端间最大差异是如何验证输出。

Vibe Coding: - 验证可选：运行代码，检查是否”看起来对” - 依赖直觉判断

Agentic Engineering: - 两层验证机制协同： - Tests（测试）: 验证确定性部分（给定输入 → 特定输出） - Evaluations（评估/evals）: 验证非确定性部分（轨迹、工具、响应质量）

关键声明:

“Without both, the practice is always vibe coding, regardless of how sophisticated the prompts are.”

翻译：没有测试和评估两者，无论 prompt 多精巧，实践总是 vibe coding。

为什么这很重要？

验证缺失的后果：

验证层次	缺失后果
Tests 缺失	代码”看起来对”但有 bug、安全漏洞
Evals 缺失	Agent 跳过验证步骤，流畅输出但路径错误
两者缺失	比有可见错误更危险 —— 问题隐藏直到生产环境

---