這篇文章也有英文版本Read in English →
Agentic Coding：從 Vibe Coding 到 AI 自主寫程式的進化
2025 年 2 月 3 日，Andrej Karpathy 在 X 上發了一則推文。
他是前 Tesla AI 負責人、OpenAI 創始成員。在 AI 圈，他說的話會被認真對待。
“There’s a new kind of coding I call ‘vibe coding’, where you fully give in to the vibes, embrace exponentials, and forget that the code even exists.”
這則推文被看了 670 萬次。
「Vibe Coding」——憑感覺寫程式——成為 2025 年科技圈最紅的詞。Collins Dictionary 選它為年度詞彙。Y Combinator 冬季班有 25% 的新創公司用 AI 生成了 95% 的程式碼。Lovable 在 8 個月內達到 1 億美元年營收。
一年後，2026 年 2 月，Karpathy 自己說這個詞不夠用了。
他提出了新概念：Agentic Engineering。Anthropic 在官方報告中稱之為 Agentic Coding。
從「憑感覺」到「自主代理」，只花了一年。
這篇文章，就從那則推文開始說起。
Vibe Coding 是什麼？
我第一次體驗到 Vibe Coding，是 2025 年 2 月用 Cursor 做了一個股市回測網頁。
輸入股票代號，自動抓歷史股價，算出年化報酬率、最大回撤、Beta 值，還能模擬初期單筆投入或定期定額到現在的終值。
我已經 14 年沒寫過程式了。
但那天晚上，從吃完飯到上床睡覺，東西就能跑了。隔天我 demo 給同事看，大家都嚇到。
這就是 Vibe Coding 的魔力。你用自然語言告訴 AI 你想要什麼，AI 產出程式碼，跑跑看，能動就好。不看 diff，不讀程式碼（反正我也看不懂），Accept All。
但當時我完全沒想過安全性、穩定性、登入機制、或是怎麼收費。
因為不需要。這是一個 demo，不是一個產品。
Vibe Coding 最適合的就是這種場景：原型驗證、週末 side project、demo 給同事看。
它不適合的場景：任何你在乎品質、安全、和長期維護的東西。
大部分有價值的軟體，都屬於後者。
但 Vibe Coding 不是終點。回頭看，它只是 AI 寫程式演化過程中的一個階段。
AI 寫程式的三個階段
補全：AI 猜你下一行
2021 年，GitHub Copilot 出現。你打字，AI 猜你下一行要寫什麼。
有用，但本質上跟手機的選字建議沒什麼不同。人類主導一切，AI 只是讓你打字快一點。
對話：你說，AI 寫
2023 年 ChatGPT 爆發，一切加速。
你打開聊天視窗，用中文描述你想要什麼功能。AI 回一段程式碼。你看不太懂，但沒關係——複製，貼到編輯器，跑跑看。報錯了，把錯誤訊息整段貼回去，AI 再給你一版。就這樣來回，像在跟一個很有耐心的工程師朋友傳訊息。
2024 年 Cursor 把這個流程搬進了編輯器。不用再切視窗、不用再複製貼上——AI 直接在你的檔案裡改程式碼，你只要按 Accept。
一個 8 歲的小女孩用 Cursor，45 分鐘就做出一個 AI 聊天機器人。Vibe Coding 把「會寫程式」的門檻，降到了小學生的程度。
幾個月後，我也做了自己的股市回測網頁。一個晚上，從零到能 demo。那種「我居然做得出來」的感覺，很難忘。
2025 年 2 月，Karpathy 給這種模式取了名字：Vibe Coding。
但不管工具怎麼進化，本質沒變：你要一步一步引導，AI 才會動。
代理：你說目標，AI 自己搞定
同一個月，Anthropic 推出了 Claude Code preview。
三個月後正式上線，搭載兩款模型：Opus 4（複雜任務更穩，準確度高 10-20%，但慢一半、貴五倍）和 Sonnet 4（速度快、成本較低，日常主力，但複雜邏輯容易出包）。
這次不一樣了。
你不再告訴 AI「寫一個函數做 X」，而是說「我想讓使用者可以用 Google 帳號登入」。然後 Agent 自己去規劃要改哪些檔案、寫程式碼、跑測試、發現 bug、修 bug、再跑測試。
整個過程形成一個自主迴圈——推理 → 行動 → 觀察 → 再推理。
人類的角色從「寫程式碼的人」變成「定義目標和審查結果的人」。
接下來的迭代速度令人窒息：
- 9 月 Sonnet 4.5——比 Sonnet 4 快 20-25%，抓 bug 更準
- 11 月 Opus 4.5——輸出速度超越 Sonnet 4.5，token 用量省 76%。頂級模型變成日常主力
- 2026 年 2 月 Opus 4.6——多 Agent 同時做事
最後這一步是質變。之前是一個人對一個 Agent，你下指令，它執行。現在你面對的是一個 AI Team Lead——你跟它討論需求，確認計畫後，它自動拆解任務、生成多個專家 Agent，前端、後端、測試、文件各司其職，平行工作，追蹤依賴，甚至互相溝通協調。你喝杯咖啡回來，整個團隊都推進了。
五月到隔年二月，九個月，四次重大升級。每次升級都讓 Agent 能做的事更多、需要人類介入的時刻更少。
一夜之間，每個工程師都升職了——從 IC 變成 manager，只是管的不是人，是一個 AI 團隊。
2026 年初，Elon Musk 在 X 上說「We have entered the Singularity」。很多人覺得太誇張。但至少在軟體開發這個領域，很難說他錯了。
這就是 Agentic Coding。
當我開始認真做產品
我做了 10 年產品經理，最後幾年在車用電子。
車規軟體對安全的標準很高——ASPICE V-model 框架，需求、設計、實作、測試每一層都要對應追溯。我同時負責開發流程和工具的導入——Jira、Polarion、DOORS，需求追溯、問題追蹤、變更管理，這些是我的日常。
2025 年，我在 Minerva University 念碩士，論文題目是做一個 AI 履歷分析工具——AIResumeAdvisor。
MVP 用 No-Code 工具做的，能動，但處處受限。只能遷就現成的元件和 plugin，很多想法沒辦法實現。Claude Code 發布後，我決定用它重新來過。
這不是另一個週末 demo。這是要上線、有使用者、要長期維護的產品。
很自然地，我把過去 10 年的經驗搬了過來：DevOps、需求管理、自動測試、CI/CD——上了個全套。
結果發現，居然 work。
我還是那個 PM。定義需求、審查產出、把關品質。只是做事的從工程師變成了一個 AI 團隊。
具體來說：
- 先定義清楚要什麼，再跟 Agent 說
- 讓 Agent 先出計畫，我審核計畫才讓它動手
- 看大方向，不逐行看程式碼——架構對不對、方向有沒有偏。不確定的時候就問 AI：你怎麼評估的？成本多少？response time 能接受嗎？風險和安全性呢？這跟做 PM 一樣，我們本來就是靠問對問題來下決定
- 讓機器幫我把關品質——unit test、integration test、E2E test、pre-commit hook、後端監控系統，全部自動化。我不逐行看測試程式碼，但任何東西壞了我會第一時間知道
這不就是 V-model 嗎？需求 → 設計 → 實作 → 測試。只是執行的速度從「幾個 sprint」變成「幾個小時」。
我的 Agentic Coding workflow：
想做什麼 → 跟 Agent 討論計畫 → 確認方向 → AI 團隊執行 → 我看架構和結果 → merge80% 的時間在思考和審查。20% 的時間在跟 Agent 對話。0% 的時間在親手寫程式碼。
但 AI 在開發這件事上的進步，不僅於此。
連工作流本身都在進化
Agentic Coding 改變的不只是「誰寫程式碼」，而是整個工作流。
以前，每個工程師的做法不同。經驗在腦中，難以傳承。新人入職要花幾個月才能上手。
現在，怎麼做規劃、怎麼做 code review、怎麼做前端設計——全都寫成 prompts、skills、agent configs，存在 repo 裡。
過程本身變成了可持續改進的程式碼。
我自己的專案就是這樣。CLAUDE.md 裡寫了專案的技術棧、程式碼風格、工作流程。每次 Agent 啟動都會讀這份文件。一分鐘讀完 onboarding，馬上就有資深工程師的產出品質。
而且這份文件會越來越好。每次發現 Agent 犯了某個錯，我就加一條規則。下次它就不會再犯。
知識不再鎖在人的腦中。它變成了可以版本控制、可以迭代、可以分享的東西。
Vibe Coding 一週年的時候，Karpathy 自己寫了一段回顧：
當時 LLM 的能力還不夠強，vibe coding 大多用在好玩的拋棄式專案、demo 和實驗。好玩，而且幾乎能用。一年後的今天，透過 LLM agent 寫程式正在成為專業人士的預設工作流——只是多了更多的監督和審查。目標是在不妥協軟體品質的前提下，拿到 agent 帶來的槓桿。
他給這種新模式取了名字：Agentic Engineering。
“Agentic”——因為 99% 的時間你不是自己寫程式碼，而是指揮 agent 來寫，你負責監督。“Engineering”——強調這是一門有藝術、有科學、需要專業技能的工作。是你可以學習、可以精進的東西。
Karpathy 談的是軟體開發。但我覺得這個模式不止於此。
我現在用同樣的方式管理知識——AI 幫我研究、整理、歸檔到 Obsidian，我負責決定什麼值得留下。用同樣的方式做目標管理——AI 幫我追蹤進度、提醒偏離，我負責設定方向。
設定目標 → Agent 執行 → 人類審查 → 迭代改進。
這個迴圈可以套用在人生的方方面面。寫程式只是起點。
從 2021 年的 Autocomplete，到 2023 年的 Chat，到 2025 年的 Agent。四年內，AI 寫程式從「猜你下一行要打什麼」進化到「你說目標，它自己搞定」。
AI 一年已經改變了太多事情。
一年後的今天，又會是什麼樣子？
如果你對 AI 應用、AI 工作流、一人開發有興趣，我會持續分享實戰經驗。訂閱電子報
FAQ
- Agentic Coding 是什麼？
- 人定方向，AI 團隊執行。你設定目標，多個 AI Agent 自主分工——一個寫前端、一個寫後端、一個跑測試，像帶一個工程團隊。但能力愈大，方向錯了代價也愈高，所以重點不是讓 AI 跑得快，而是確保它們跑對方向。Karpathy 稱之為 Agentic Engineering——engineering 這個字就是重點：用工程思維建立人機協作的工作流，讓一個人指揮一整個 AI 團隊交付產品。
- Vibe Coding 和 Agentic Coding 有什麼差別？
- 一個字：品質。Vibe Coding 憑感覺讓 AI 寫，Accept All，能動就好——你不在乎程式碼長什麼樣，因為這是 demo，不是產品。Agentic Coding 是你定方向、AI 團隊執行，但你要持續確認方向對不對、架構撐不撐得住。差別不在用了什麼工具，而在你有沒有把「能動」的標準提升到「能維護、能上線、能收費」。
- Agentic Coding 會取代工程師嗎？
- 不會取代，但角色會根本改變。工程師從自己寫程式碼，變成指揮 AI 團隊寫——從 IC 變成 manager，管的不是人，是 AI。關鍵能力從「寫得出來」轉為「定義需求、判斷架構、問對問題」。這恰好是產品經理的核心能力——定義目標、拆解任務、審查產出、把關品質。在 Agentic Coding 的時代，懂得管理的人比懂得寫程式的人更有優勢。
- 非工程師可以用 Agentic Coding 嗎？
- 可以，而且可能比你想的更適合。Agentic Coding 的核心能力是定義清楚的目標、審查 AI 的產出方向、建立品質把關機制——這些是管理能力，不是寫程式的能力。真正的門檻不是「會不會寫 code」，而是「能不能判斷 AI 做的東西是好是壞、方向對不對」。
