这两年，AI Coding 变化很快。
最早大家惊讶的是“它居然会补代码”；后来变成“它能不能解释报错、写一版函数”；再往后，讨论重点已经成了“它能不能自己读仓库、改文件、跑命令”。
根据自己的理解我把它分成 6 个阶段。
1. Copilot Coding
第一段最容易理解，本质就是代码补全。
它最直接的价值不是理解业务，也不是参与设计，而是先把那些重复、机械、无聊但必须做的动作做掉。你写一个方法，它顺手补几行；你敲一个循环，它把常见结构接上。好用是真的好用，但边界也很清楚：它解决的是局部效率，不是全局理解。
所以这一段更像体力活辅助，还谈不上真正协作。
2. Prompt Coding
再往后，大家开始主动问。
报错丢给它，需求丢给它，代码丢给它，让它解释、起草、生成、分析。这个阶段真正改变的，不是界面，而是责任分配。以前更像它猜你要什么，到了这里，开始变成你得把自己要什么说清楚。
这也是很多人第一次意识到，AI 的效果不只看模型，也看你会不会提问。你给的约束越具体，它越容易给出能落地的结果。
3. Chat Coding
这时候不再是一问一答，而是多轮来回。先说需求，再补背景，再指出哪里不对，再继续改。很多时候，第一版并不重要，重要的是它能不能跟着反馈慢慢逼近你的真实想法和预期。
这一段最像真实开发。真实开发本来就不是一次想清楚、一次写完，而是不断澄清、不断修正。AI 到了这里，才算开始参与问题求解，而不只是输出答案。
4. Vibe Coding
Vibe Coding 火起来不是没原因的，因为它第一次让很多人感受到一种很直观的冲击：原本只是一个模糊念头，过一会儿居然真有个能看、能点、能演示的东西出来。
它的核心不是“第一次就做对”，而是“先做出来”。这对原型、MVP、页面草稿、小工具特别有效。
但问题也恰恰在这里。它很容易让人高估 AI，也高估自己。东西是跑起来了，可一旦继续往里改，结构、命名、状态管理这些问题就会一起冒出来。所以它很适合起步，不适合直接等同于稳定交付。
5. Agent Coding
从这里开始，AI 不只是给建议，而是真的开始动手。它会读目录、看文件、搜索代码、修改内容、执行命令、跑测试，有时候还会根据结果继续往下调。
这一步一出来，程序员和 AI 的关系就变了。你不再只是问问题的人，而更像任务定义者。你得说清楚目标、边界、范围、完成标准，也要知道哪些动作该让它继续，哪些情况要及时停下来。
换句话说，工作的重心慢慢从“我来写”变成“我来定义、我来盯、我来验”。
6. Workflow Coding
如果说 Agent Coding 解决的是“AI 能不能干活”，那 Workflow Coding 解决的就是“AI 能不能稳定地在真实环境里干活”。
真实项目从来不是一段孤立代码。后面还有仓库结构、README、命名习惯、团队规范、测试流程、提交流程、历史包袱。AI 真要稳定发挥，靠的已经不只是模型能力，更是你有没有把这些上下文整理清楚。
最后
所以 AI Coding 真正改变的，可能不只是写代码的方式。
它更像是在一点点重构程序员的工作重心。以前更看你会不会写，现在越来越看你会不会定义问题、组织过程、驾驭协作。
