面試官皺眉：“你簡歷上寫精通 AI 編程？” 我自信：“不就是 Vibe Coding？” 他沒繃住笑：“就這？”
整理版優先睇
介紹AI編程6種模式，超越Vibe Coding嘅入門認知
呢篇文章係由程式員魚皮寫嘅，佢見到好多人對AI編程嘅理解仲停留喺Vibe Coding，覺得同AI傾幾句就搞掂。佢想透過整理2026年主流的6種AI編程模式，幫讀者建立完整嘅知識體系，唔好再淨係識得Vibe Coding。整體結論係AI編程嘅玩法已經多元化，唔同模式適合唔同場景，要靈活組合先用得最好。
魚皮先由一個面試故事引入，強調淨係識Vibe Coding已經唔夠。然後逐個模式解釋：Vibe Coding係最隨性嘅，適合做小工具；Agentic Engineering係規範版，適閤中大型項目；Harness Engineering係圍繞AI搭建可靠系統，適合企業級；Ralph Wiggum Loop係循環執行清單，適合功能明確嘅項目；BMAD係角色化開發框架，適合從零開始；SDD係先寫規範再執行，適合要求高嘅項目。最後佢用表格對比門檻同規模，仲鼓勵讀者系統學習。
成篇文章既係一個指南，又係一個提醒：AI編程發展好快，要持續學習同動手試。魚皮仲分享咗佢免費開源嘅《AI編程零基礎入門教程》，想深入嘅可以跟住學。
- AI編程唔等於Vibe Coding，仲有至少5種主流模式，各有適用場景。
- Vibe Coding門檻最低，但只適合小項目；Agentic Engineering同Harness Engineering更適閤中大型同企業級。
- Ralph Wiggum Loop用循環執行清單，可以無人值守；BMAD用角色化智能體，從分析到開發一腳踢。
- SDD強調先寫規範文檔，再讓AI跟住做，減少出錯。
- 實際可以混合使用，例如用SDD寫規範，再用BMAD執行，底層用Harness Engineering約束AI。
AI編程零基礎入門教程（魚皮）
免費開源教程，涵蓋從零基礎到項目實戰同產品變現，GitHub Star破萬。
面試只識Vibe Coding？你out咗
最近有個朋友去面試，面試官問佢AI編程，佢隨口話「唔係Vibe Coding咋嘛？」點知面試官反問：「就呢？你確定？」佢即刻打咗個突。如果係2025年，呢個答案可能仲呃到人，但2026年嘅AI編程玩法已經多咗好多，唔淨係Vibe Coding一種。
AI編程 != Vibe Coding
Vibe Coding只係其中一種模式，仲要係最隨性嗰種。而家主流嘅模式至少有6種，由跟着感覺走到按流程來，再到一整套方法論驅動。搞清呢啲，下次面試你就可以從容咁拋出一套體系。
六種AI編程模式逐個睇
第二種係Agentic Engineering，同樣由Karpathy喺2026年提出，可以理解為Vibe Coding嘅規範版。Vibe Coding係跟着感覺寫，Agentic Engineering就好似包工頭，先規劃好方案、拆好任務，再交畀AI執行，最後仲要驗收。適閤中大型項目同團隊協作。
Vibe Coding係DJ，Agentic Engineering係包工頭
第三種係Harness Engineering，核心理念係人類掌舵加智能體執行。佢圍繞AI搭建約束機制、反饋循環同工作流管理，令AI喺高可靠性環境下穩定輸出。三大支柱包括上下文工程、架構約束同熵管理。呢個模式越來越重要，因為模型本身已經係通用商品，真正嘅競爭力在於你點樣設計系統讓AI可靠寫代碼。
模型係通用商品，Harness先係競爭力
第四種係Ralph Wiggum Loop，靈感嚟自《辛普森一家》嘅角色，核心係將AI放喺循環入面反覆執行，直到需求文檔所有檢查項完成。每輪循環以乾淨嘅上下文開始（透過Git同文件持久化進度），避免AI斷片。可以無人值守，寫好PRD就去瞓覺，第二朝檢查成果。但要設循環次數同Token預算，防止燒錢。
Ralph Wiggum Loop：寫好清單，AI自己循環做到完
第五種係BMAD（Breakthrough Method of Agile AI-Driven Development），一套系統化嘅AI智能體開發框架。佢用角色化智能體，例如Analyst Agent、PM Agent、Architect Agent，每個有專屬人設同能力。分Simple Agents同Expert Agents兩種，適合從零開始嘅完整項目，GitHub已經有幾萬Star。
BMAD：分析師、產品經理、架構師全部由AI扮演
第六種係SDD（Spec-Driven Development），強調編碼之前先創建明確嘅規範文檔，當作文檔係唯一真相來源。流程包括制定準則、編寫規範、澄清疑問、制定方案、拆解任務、執行實現。GitHub喺2025年9月發佈咗開源嘅Spec Kit工具包，支援Claude Code等工具。
SDD：規範文檔係項目憲法，AI要跟住做
模式對比同應用建議
上手門檻：Vibe Coding最低，Harness Engineering最高
用一張表可以清楚睇到：Vibe Coding門檻最低，適合小項目；Agentic Engineering中等，適閤中大型；Harness Engineering較高，適合企業級；Ralph Wiggum Loop中等，適合功能明確嘅中型項目；BMAD中等，適合從零開始；SDD中等，適合需求明確、質量要求高嘅項目。
- Vibe Coding：跟着感覺走，能跑就行，小項目/原型
- Agentic Engineering：包工頭模式，先規劃再執行，中大型項目
- Harness Engineering：畀AI套繮繩，搭建可靠運行環境，企業級項目
- Ralph Wiggum Loop：寫好清單讓AI循環幹，功能明確嘅中型項目
- BMAD：角色扮演式開發，從零開始嘅完整產品
- SDD：先寫規範文檔，再讓AI跟住做，需求明確、質量要求高
呢啲模式唔係互相排斥，實際開發可以混用。例如用SDD寫規範，用BMAD嘅角色化智能體執行，底層用Harness Engineering約束AI行為。靈活組合效果更佳。
持續學習，先係AI編程嘅核心
如果面試你淨係識Vibe Coding，證明你仲喺入門階段。但如果你能清楚講出6種模式嘅適用場景同優劣，面試官絕對會刮目相看。AI編程變化好快，而家嘅最佳實踐幾個月後可能就有更好嘅替代。保持學習、多動手試，比記住任何概念都重要。
保持學習、多動手試，比記住任何概念都重要
魚皮建議初學者由Vibe Coding開始，然後再系統學習佢嘅《AI編程零基礎入門教程》，入面有完整嘅知識體系，幫你快速做出企業級項目同商業產品。
大家好，我係程序員魚皮。
最近有個朋友同我講，佢去見工嘅時候，面試官問佢：「你對 AI 編程有幾認識？」
佢一開口就話：「咪即係 Vibe Coding 囉？同 AI 傾偈咋嘛，有咩難？」
跟住面試官忍唔住笑，反問咗一句：「得呢啲？你肯定？」
佢呆咗：「阿巴巴巴……」
如果係 2025 年，呢個答案或者仲可以嚇到好多面試官，因為嗰陣時大家一講 AI 編程，個腦得 Vibe Coding。同 AI 求其講幾句，啲 code 就出咗嚟，行到就算。
但 2026 年啦，AI 編程嘅玩法早就唔止得呢一種！
AI 編程 != Vibe Coding
Vibe Coding 只係 AI 編程其中一種模式，仲係最求其嗰種。而家 AI 編程嘅模式已經非常多，由跟感覺走到按流程嚟，由一個人問 AI 到一套方法論驅動，唔同場景有唔同嘅最佳做法。
今日就同大家一次過講清楚，而家主流的 6 種 AI 編程模式究竟係咩？有咩分別？各自啱咩場景？
搞掂呢啲，下次見工再畀人問 AI 編程，你就可以從容咁攞出一整套系統出嚟。
本文內容節錄自魚皮免費開源嘅《AI 編程零基礎入門教程》入面嘅「Vibe Coding 概念大全」篇，想系統學習 AI 編程嘅朋友可以直接去睇完整教程。
一、Vibe Coding 氛圍編程
Vibe Coding 係由電腦科學家 Andrej Karpathy 喺 2025 年 2 月提出嘅概念。佢描述咗一種全新嘅編程方式：用自然語言同 AI 對話，等 AI 幫你寫 code，你只需要描述需求、測試結果、俾方向。
你唔需要精通編程語法，只需要可以清楚表達你嘅想法，AI 負責將你嘅想法變成行到嘅 code。
所以話，Vibe Coding 嘅重點唔係寫 code，而係明確需求同清晰表達。你描述得越清楚，AI 畀你嘅結果就越可靠。
呢個就好似叫外賣咁，你同平台話想食咩，餐廳煮好送到你手。你唔需要識煮飯，但要知自己食咩。
啱用場景：整小工具、快啲驗證諗法、個人項目原型、非程序員想快啲整出產品。
二、Agentic Engineering 智能體工程
Agentic Engineering 智能體工程係 2026 年 2 月由 Andrej Karpathy（即係提出 Vibe Coding 嗰位大佬）提出嘅新概念，可以理解為 Vibe Coding 嘅規範版。
Vibe Coding 就係跟感覺寫 code：你畀 AI 一句話，AI 吐出 code，行到就得，行唔到就將錯誤訊息貼返俾 AI 再改。整小工具超快，但項目一大就好易出事。
而 Agentic Engineering 嘅思路係：你先諗清楚要做咩、寫好方案、拆好任務，再將啲工夫交俾 AI 執行，佢做完你仲要驗收，質量唔得就打回頭再整。
打個比喻，Vibe Coding 嗰陣你係 DJ，播咩歌全憑感覺；Agentic Engineering 入面你係包工頭，流程、質量、驗收都要你話事。一個跟感覺走，一個按流程嚟。
當然，唔係話 Vibe Coding 已經過時。Vibe Coding 負責等你知道有可能性，Agentic Engineering 負責將可能性變成真正用得嘅嘢。兩者啱用喺唔同場景，整小工具可以用 Vibe Coding，做企業級項目就需要 Agentic Engineering 嘅思維。
啱用場景：中大型項目、團隊合作、需要長期維護嘅正式產品。
三、Harness Engineering 駕馭工程
Harness Engineering 駕馭工程係 2026 年興起嘅 AI 工程新範式，核心理念係 人類掌舵 + 智能體執行。
佢唔係去優化 AI 模型本身，而係圍繞 AI 智能體整一整套約束機制、反饋循環同工作流管理系統，令原本不可預測嘅 AI 喺高可靠性環境下行得穩、行得快。
Harness 呢個詞本來解「馬具」，就好似韁繩同馬鞍用嚟引導強壯但難以預測嘅馬匹一樣，Harness Engineering 就係圍繞 AI 編程智能體整嘅成套「運行環境」，確保 AI 可以按照你嘅預期工作。
Harness Engineering 包含三大核心支柱：
上下文工程：確保 AI 喺啱嘅時間獲得啱嘅資訊，包括 codebase 文檔、架構規範、AGENTS.md 文件、測試結果等 架構約束：透過 code 規範檢查器、自動化測試等機制，強制規定 AI 必須遵守嘅規則，明確嘅邊界可以令 AI 更快收斂到正確嘅解決方案 熵管理：定期清理 AI 產生 code 入面積累嘅問題，例如過時文檔、命名偏差、死 code 等
點解呢個概念越來越重要呢？
因為喺 AI 編程時代，模型本身已經係通用商品，真正嘅競爭力在於你圍繞模型搭建嘅工程體系。同一個大模型，喺唔同嘅 Harness 環境下，code 質量可能天差地別。程序員嘅角色正喺度由「自己寫 code」轉變為「設計令 AI 可靠寫 code 嘅系統」。
啱用場景：企業級 AI 開發、對 code 質量同穩定性要求高嘅項目、需要多人協作嘅長期項目。
四、Ralph Wiggum Loop
Ralph Wiggum Loop 係 2026 年比較流行嘅一種 AI 編程模式，個名嚟自《阿森一族》入面嗰個執着唔放棄嘅角色 Ralph Wiggum。
呢個模式而家已經有多個開源實現，例如 wiggumdev/ralph。佢嘅核心思路好簡單：將 AI 放喺循環入面重複執行，直到需求文檔入面嘅所有檢查項全部完成。
工作流程大概係咁：
先寫一份 PRD（產品需求文檔），將要做嘅功能拆解成一個個清晰嘅檢查項 叫 AI 智能體開始執行，每次由檢查清單入面拎未完成嘅任務 AI 完成一個任務之後，經 Git 提交 code 並記錄進度 以全新嘅上下文開始新一輪迭代，繼續處理剩餘任務 不斷循環，直到所有檢查項完成
呢種模式嘅巧妙之處在於，每輪循環都以乾淨嘅上下文開始（透過 Git 同文件嚟持久化進度），避免咗長對話入面 AI 容易斷片嘅問題。而且可以無人值守咁運行，你寫好 PRD 就可以去瞓覺，第二朝起身檢查成果就得。
不過要注意設定好循環次數限制同 Token 預算，防止 AI 陷入無限循環瘋狂燒錢。
啱用場景：功能明確且可以拆解嘅項目、想畀 AI 無人值守咁做嘢、工作量大同但單一任務相對獨立。
五、BMAD 敏捷 AI 開發方法
BMAD-METHOD（Breakthrough Method of Agile AI-Driven Development，突破性敏捷 AI 驅動開發方法）係一套系統化嘅 AI 智能體開發框架，目標係將本來混亂嘅 AI 編程過程變成結構化、可重用。
BMAD 使用 角色化智能體 嘅方式組織開發流程，每個智能體扮演特定角色：
Analyst Agent 分析師：建立項目簡報，包含市場分析同用戶畫像 PM Agent 產品經理：將簡報轉化為詳細嘅產品需求文檔（PRD） Architect Agent 架構師：設計技術實現方案同系統架構
BMAD 入面嘅智能體分為兩種類型：
Simple Agents 簡單智能體：單一文件、自包含，啱用於 code 審查、文檔生成等聚焦任務 Expert Agents 專家智能體：具有跨對話持久記憶，配有專屬資料夾存放資源，啱用於複雜嘅多步驟工作流
每個智能體都有標準化嘅組成部分，包括人設（角色、身份、溝通風格、原則）、能力列表、互動菜單，同埋可選嘅關鍵行動。
BMAD 喺 GitHub 上獲得咗幾萬+ Star，證明呢種結構化嘅 AI 開發方法正被越來越多嘅開發者認可。
啱用場景：由零開始嘅完整項目、需要行完分析-設計-開發全流程嘅產品、團隊想標準化 AI 開發流程。
六、SDD 規範驅動開發
SDD（Spec-Driven Development 規範驅動開發）係 AI 時代嘅一種新型開發方法論，強調喺編碼之前先建立明確嘅、AI 可以直接理解同執行嘅規範文檔。
傳統開發流程係：諗到咩寫咩，邊寫邊改，最後先補文檔。咁樣好易導致需求唔清晰、code 同文檔對唔上。
而 SDD 嘅思路正好相反：先將需求寫成規範文檔，而且將規範文檔當做 code 嘅唯一真相來源。
你可以將規範文檔理解為「項目憲法」，佢包含詳細嘅需求描述、系統設計同接口定義。AI 必須嚴格遵守呢啲條文嚟產生 code，確保產出完全符合預期。
點解 SDD 越來越受重視？
因為 AI 產生 code 嘅質量直接取決於上下文嘅清晰度，而唔係單靠提示詞技巧。一個清晰嘅規範文檔可以比任何 Prompt 黑魔法更有效咁減少錯誤。
SDD 嘅典型工作流程如下：
Constitution 制定準則：定義項目嘅基本原則、code 規範、性能標準 Specify 編寫規範：描述要做咩功能、點解要做、用戶需求係咩 Clarify 澄清疑問：叫 AI 提出結構化問題，釐清邊界情況同錯誤處理 Plan 制定方案：確定技術棧、系統架構、數據模型、API 接口 Tasks 拆解任務：將計劃拆解成可執行嘅任務列表，標註依賴關係同優先級 Implement 執行實現：AI 按照任務列表產生 code，人類驗證
其實呢個同程序員喺企業入面開發項目嘅標準流程非常相似，只不過執行者由人變成 AI。
2025 年 9 月，GitHub 發佈咗開源嘅 Spec Kit 工具包，幫助開發者喺 AI 編程入面實踐 SDD 方法論。佢支援 Claude Code、GitHub Copilot 等主流編程工具，透過一套斜槓命令引導你完成上面嘅流程。就算你唔係軟件開發專家，都可以喺 AI 嘅引導下輕鬆咁行完規範嘅項目開發流程。
啱用場景：需求複雜且明確嘅項目、對 code 質量要求高嘅場景、團隊多人協作開發。
對比一下
學曬呢啲模式之後，再同大家用一張表嚟總結：
留意，呢啲模式之間並唔係互相排斥，實際開發完全可以溝埋用。例如用 SDD 先寫好規範，再用 BMAD 嘅角色化智能體去執行，底層用 Harness Engineering 嘅思路嚟約束 AI 嘅行為。靈活組合，效果更佳。
最後
返到開頭嗰個見工場景，如果你淨係識 Vibe Coding，證明你仲停留喺 AI 編程嘅入門階段。但如果你可以將呢 6 種模式嘅啱用場景同優劣講得清楚，面試官大概率會對你另眼相看。
話說 AI 編程呢個領域變得實在太快，而家嘅最佳做法，過幾個月可能就有更好嘅替代方案。保持學習、多啲動手試，比記住任何一個概念都重要。
如果你係啱啱開始學 AI 編程，肯定係由 Vibe Coding 學起，如果你想系統學習 AI 編程嘅完整知識體系、快啲整出企業級項目同商業產品，可以睇我免費開源嘅《AI 編程零基礎入門教程》，GitHub Star 數破萬，涵蓋由零基礎入門到項目實戰再到產品變現嘅全流程。
開源倉庫：https://github.com/liyupi/ai-guide
我係魚皮，持續分享 AI 編程嘅乾貨，學咗嘅話歡迎點讚、收藏、關注，亦歡迎喺留言區講下你而家用過邊啲 AI 編程模式~
一啲對大家有用嘅資源：
👉🏻 100+ 編程學習路線 / 實戰項目 / 求職指導 codefather.cn
👉🏻 100+ 簡歷模板 laoyujianli.com
👉🏻 300+ 企業面試題庫 mianshiya.com
👉🏻 500+ AI 資源大全 ai.codefather.cn
👉🏻 1 對 1 模擬面試 ai.mianshiya.com
👉🏻 動畫學算法教程 algo.codefather.cn
大家好，我是程序員魚皮。
最近有個朋友跟我說，他去面試的時候，面試官問他：“你對 AI 編程瞭解多少？”
他張口就來一句 “不就是 Vibe Coding 嗎？跟 AI 對話而已，有啥難的？”
然後面試官沒繃住笑，反問了一句：“就這？你確定麼？”
他愣住了：“阿巴巴巴。。”
如果是 2025 年，這個答案可能還能唬住很多面試官，因為那會兒大家一提 AI 編程，腦子裏就只有 Vibe Coding。跟 AI 隨便聊幾句，代碼就出來了，能跑就行。
但 2026 年了，AI 編程的玩法早就不只這一種了！
AI 編程 != Vibe Coding
Vibe Coding 只是 AI 編程眾多模式中的一種，而且是最隨性的那種。如今 AI 編程的模式已經非常多了，從跟着感覺走到按流程來，從一個人問 AI 到一整套方法論驅動，不同場景有不同的最佳實踐。
今天就給大家一次性講清楚，目前主流的 6 種 AI 編程模式到底是什麼？有什麼區別？各自適合什麼場景？
搞懂這些，下次面試再被問到 AI 編程，你就能從容地掏出一整套體系了。
本文內容節選自魚皮免費開源的 《AI 編程零基礎入門教程》 中的「Vibe Coding 概念大全」篇，想系統學習 AI 編程的朋友可以直接去看完整教程。
一、Vibe Coding 氛圍編程
Vibe Coding 是由計算機科學家 Andrej Karpathy 在 2025 年 2 月提出的概念。它描述了一種全新的編程方式：通過自然語言和 AI 對話，讓 AI 幫你寫代碼，你只需要描述需求、測試結果、指導方向。
你不需要精通編程語法，只需要能清楚表達你的想法，AI 負責把你的想法變成可運行的代碼。
所以說，Vibe Coding 的重點不是寫代碼，而是明確需求並清晰表達。你描述得越清楚，AI 給你的結果就越靠譜。
這就像點外賣一樣，你告訴外賣平台你想吃什麼，餐廳幫你做好送到手上。你不需要會做飯，但要知道自己想吃什麼。
適合場景：做小工具、快速驗證想法、個人項目原型、非程序員想快速做出產品。
二、Agentic Engineering 智能體工程
Agentic Engineering 智能體工程是 2026 年 2 月由 Andrej Karpathy（也就是提出 Vibe Coding 的那位大佬）提出的新概念，可以理解為 Vibe Coding 的規範版。
Vibe Coding 就是跟着感覺寫代碼：你給 AI 一句話，AI 吐出代碼，能跑就行，跑不了就把報錯粘回去讓 AI 再改。做個小工具賊拉快，但項目一大就容易翻車。
而 Agentic Engineering 的思路是：你先想清楚要幹嘛、寫好方案、拆好任務，再把活交給 AI 去執行，它幹完了你還得驗收，質量不行再打回去重做。
打個比方，Vibe Coding 的時候你是個 DJ，放什麼歌全憑感覺；Agentic Engineering 裏你是包工頭，流程、質量、驗收都得你說了算。一個跟着感覺走，一個按流程來。
當然，不是說 Vibe Coding 已經過時了。Vibe Coding 負責讓你看到可能性，Agentic Engineering 負責把可能性變成真正能用的東西。二者適用於不同的場景，做小工具時可以用 Vibe Coding，做企業級項目就需要 Agentic Engineering 的思維。
適合場景：中大型項目、團隊協作、需要長期維護的正式產品。
三、Harness Engineering 駕馭工程
Harness Engineering 駕馭工程是 2026 年興起的 AI 工程新範式，核心理念是 人類掌舵 + 智能體執行。
它不是去優化 AI 模型本身，而是圍繞 AI 智能體搭建一整套約束機制、反饋循環和工作流管理系統，讓原本不可預測的 AI 在高可靠性環境下跑得穩、跑得快。
Harness 這個詞本意是 “馬具”，就像繮繩和馬鞍用來引導強大但難以預測的馬匹一樣，Harness Engineering 就是圍繞 AI 編程智能體搭建的整套 “運行環境”，確保 AI 能按照你的預期工作。
Harness Engineering 包含三大核心支柱：
上下文工程：確保 AI 在正確的時間獲得正確的信息，包括代碼庫文檔、架構規範、AGENTS.md 文件、測試結果等 架構約束：通過代碼規範檢查器、自動化測試等機制，強制規定 AI 必須遵守的規則，明確的邊界能讓 AI 更快地收斂到正確的解決方案 熵管理：定期清理 AI 生成代碼中積累的問題，比如過時文檔、命名偏差、死代碼等
為什麼這個概念越來越重要呢？
因為在 AI 編程時代，模型本身已經是通用商品，真正的競爭力在於你圍繞模型搭建的工程體系。同一個大模型，在不同的 Harness 環境下，代碼質量可能天差地別。程序員的角色正在從 “自己寫代碼” 轉變為 “設計讓 AI 可靠寫代碼的系統”。
適合場景：企業級 AI 開發、對代碼質量和穩定性要求高的項目、需要多人協作的長期項目。
四、Ralph Wiggum Loop
Ralph Wiggum Loop 是 2026 年比較流行的一種 AI 編程模式，名字來源於《辛普森一家》中那個執着不放棄的角色 Ralph Wiggum。
這個模式目前已有多個開源實現，比如 wiggumdev/ralph。它的核心思路很簡單：把 AI 放在循環中反覆執行，直到需求文檔中的所有檢查項全部完成。
工作流程大概是這樣的：
先寫一份 PRD（產品需求文檔），把要做的功能拆解成一個個清晰的檢查項 讓 AI 智能體開始執行，每次從檢查清單中取出未完成的任務 AI 完成一個任務後，通過 Git 提交代碼並記錄進度 以全新的上下文開始新一輪迭代，繼續處理剩餘任務 不斷循環，直到所有檢查項完成
這種模式的巧妙之處在於，每輪循環都以乾淨的上下文開始（通過 Git 和文件來持久化進度），避免了長對話中 AI 容易斷片兒的問題。而且可以無人值守地運行，你寫好 PRD 就可以去睡覺了，第二天起來檢查成果就行。
不過要注意設置好循環次數限制和 Token 預算，防止 AI 陷入無限循環瘋狂燒錢。
適合場景：功能明確且可拆解的項目、想讓 AI 無人值守地幹活、任務量大但單個任務相對獨立。
五、BMAD 敏捷 AI 開發方法
BMAD-METHOD（Breakthrough Method of Agile AI-Driven Development，突破性敏捷 AI 驅動開發方法）是一套系統化的 AI 智能體開發框架，目標是將原本混亂的 AI 編程過程變得結構化、可複用。
BMAD 使用 角色化智能體 的方式組織開發流程，每個智能體扮演特定角色：
Analyst Agent 分析師：創建項目簡報，包含市場分析和用戶畫像 PM Agent 產品經理：將簡報轉化為詳細的產品需求文檔（PRD） Architect Agent 架構師：設計技術實現方案和系統架構
BMAD 中的智能體分為兩種類型：
Simple Agents 簡單智能體：單文件、自包含，適合代碼審查、文檔生成等聚焦任務 Expert Agents 專家智能體：具有跨會話持久記憶，配有專屬文件夾存放資源，適合複雜的多步驟工作流
每個智能體都有標準化的組成部分，包括人設（角色、身份、溝通風格、原則）、能力列表、交互菜單，以及可選的關鍵行動。
BMAD 在 GitHub 上獲得了幾萬+ Star，說明這種結構化的 AI 開發方法正在被越來越多的開發者認可。
適合場景：從零開始的完整項目、需要走完分析-設計-開發全流程的產品、團隊想要標準化 AI 開發流程。
六、SDD 規範驅動開發
SDD（Spec-Driven Development 規範驅動開發）是 AI 時代的一種新型開發方法論，強調在編碼之前先創建明確的、AI 能直接理解和執行的規範文檔。
傳統開發流程是：想到什麼寫什麼，邊寫邊改，最後再補文檔。這樣容易導致需求不清晰、代碼和文檔對不上。
而 SDD 的思路正好相反：先把需求寫成規範文檔，並且把規範文檔當作代碼的唯一真相來源。
你可以把規範文檔理解為 “項目憲法”，它包含了詳細的需求描述、系統設計和接口定義。AI 必須嚴格遵守這些條文來生成代碼，確保產出完全符合預期。
為什麼 SDD 越來越受重視？
因為 AI 生成代碼的質量直接取決於上下文的清晰度，而不僅僅是依靠提示詞技巧。一個清晰的規範文檔能比任何 Prompt 黑魔法更有效地減少錯誤。
SDD 的典型工作流程如下：
Constitution 制定準則：定義項目的基本原則、代碼規範、性能標準 Specify 編寫規範：描述要做什麼功能、為什麼做、用戶需求是什麼 Clarify 澄清疑問：讓 AI 提出結構化問題，明確邊界情況和錯誤處理 Plan 制定方案：確定技術棧、系統架構、數據模型、API 接口 Tasks 拆解任務：把計劃拆解成可執行的任務列表，標註依賴關係和優先級 Implement 執行實現：AI 按照任務列表生成代碼，人類驗證
其實這和程序員在企業中開發項目的標準流程非常相似，只不過執行者從人變成了 AI。
2025 年 9 月，GitHub 發佈了開源的 Spec Kit 工具包，幫助開發者在 AI 編程中實踐 SDD 方法論。它支持 Claude Code、GitHub Copilot 等主流編程工具，通過一套斜槓命令引導你完成上述流程。即使你不是軟件開發專家，也能在 AI 的引導下輕鬆地走完規範的項目開發流程。
適合場景：需求複雜且明確的項目、對代碼質量要求高的場景、團隊多人協作開發。
對比一下
學完這些模式後，再來給大家用一張表格來彙總：
注意，這些模式之間並不是互相排斥的，實際開發中完全可以混着用。比如用 SDD 先把規範寫好，再用 BMAD 的角色化智能體去執行，底層用 Harness Engineering 的思路來約束 AI 的行為。靈活組合，效果更佳。
最後
回到開頭那個面試場景，如果你只知道 Vibe Coding，說明你還停留在 AI 編程的入門階段。但如果你能把這 6 種模式的適用場景和優劣講清楚，面試官大概率會對你刮目相看。
話說 AI 編程這個領域變化太快了，現在的最佳實踐，過幾個月可能就會有更好的替代方案。保持學習、多動手嘗試，比記住任何一個概念都重要。
如果你是剛開始學習 AI 編程，肯定是從 Vibe Coding 學起，如果你想系統學習 AI 編程的完整知識體系、快速做出企業級項目和商業產品，可以看我免費開源的《AI 編程零基礎入門教程》，GitHub Star 數破萬，涵蓋從零基礎入門到項目實戰再到產品變現的全流程。
開源倉庫：https://github.com/liyupi/ai-guide
我是魚皮，持續分享 AI 編程乾貨，學會的話歡迎點贊收藏關注哦，也歡迎評論區聊聊你現在用過哪些 AI 編程模式~
一些對大家有用的資源：
👉🏻 100+ 編程學習路線 / 實戰項目 / 求職指導 codefather.cn
👉🏻 100+ 簡歷模板 laoyujianli.com
👉🏻 300+ 企業面試題庫 mianshiya.com
👉🏻 500+ AI 資源大全 ai.codefather.cn
👉🏻 1 對 1 模擬面試 ai.mianshiya.com
👉🏻 動畫學算法教程 algo.codefather.cn