AI Coding 领域正以前所未有的速度涌现新名词和新范式，让人应接不暇。Vibe Coding、Prompt Engineering、Harness…… 仿佛互联网黑话一般，上一个概念还没捂热，下一个又横空出世，难免让人感到混乱。
本文尝试梳理这些概念之间的脉络，理清它们背后的演进逻辑。
先上结论
它们本质上是同一条演进链路，核心目的始终如一：为 AI 提供更清晰的上下文信息，使其更准确地完成目标。
不妨把 AI Coding 的发展理解成下面这条路径：
Prompt Engineering → Context Engineering → Vibe Coding → Plan Coding → Spec Coding → Harness
第一阶段：Prompt Engineering（提示词工程）
一句话定义：如何写出更有效的提示词。
示例对比
-
初阶：
帮我写一个 Spring Boot 接口 -
进阶：
使用 JDK17 + SpringBoot 3.5 实现 RESTful 风格接口 要求： - 参数校验 - 全局异常处理 - 统一返回 Result - 使用 Lombok
第二阶段：Context Engineering（上下文工程）
单纯的提示词承载能力有限，难以描述项目的前后依赖、相邻代码、数据库结构等真实工程信息。而 LLM 本身：
- 没有长期记忆
- 没有真实工程上下文
- 没有项目感知
一句话定义：让模型感知上下文，赋予它“项目记忆”。
示例
如今的 AI IDE（如 Cursor、Trae 等）正是这一阶段的典型代表。
第三阶段：Vibe Coding（氛围编程）
随着模型能力提升，“先做出来”逐渐变得比“先设计清楚”更重要。
一句话定义：不拘泥于代码细节，边聊边改，快速迭代，快速产出。
示例对话
“帮我做个聊天室”
“加个暗黑模式”
“做成苹果风格”
“这个动画顺一点”
Vibe Coding 适合快速验证想法和 Demo 制作，但规模一大就容易失控。
第四阶段：Plan Coding（计划式编程）
Vibe Coding 的问题在复杂项目中暴露无遗。软件开发终究需要方案评审、任务拆解，而不是“哪里不对改哪里”。
一句话定义：先生成计划，再执行计划——把软件工程重新引入 AI Coding。
示例流程
“帮我做个聊天室”
→ 输出技术方案
→ 模块拆分
→ 任务列表（Task List）
→ 逐步实现
第五阶段：Spec Coding（规范驱动编程）
Spec = Specification（规格说明）。可以理解为 Plan Coding 的严格化版本，类似大型项目的开发流程：反复对齐需求 PRD、设计原型、技术设计文档，最终严格按照规范进行编码。
一句话定义：严谨、结构化的文档约束优先于编码本身。某种意义上，Spec 才是真正的源代码。
第六阶段：Harness（AI 执行底座）
Harness 一词来自 OpenAI 工程师的一篇技术博客，本意是“马具”，在 AI Coding 领域引申为“护栏”或 Agent Runtime。
一句话定义：Harness 是一整套 AI Agent 工程系统。大模型 = 大脑，Harness = 手脚 + 工具链 + 工作流。
工程师的角色从这里发生根本转变：从 执行者 变为 驾驭者。
Harness 的核心组件
- 模型管理：定义 AI 的能力边界，明确哪些工具可用、哪些操作不可为。
- 上下文控制：维护开发环境的状态一致性，确保 Agent 每一步都拥有恰当的上下文。
- 质量保障：集成静态分析、单元测试等前置验证机制，让 AI 输出从随机生成转变为可预测的工程产出。
写在最后
或许这些概念会快速的过时，就像它们快速的出现一样。但作为技术人员还是要拥抱变化，AI Coding的范式会转变，但思想是有其脉络性的。
变化的是工具，不变的是驾驭变化的思维。
