一、引子：Karpathy 的"落后感"

2026 年 4 月，红杉资本 AI Ascent 大会。

Andrei Karpathy 站在台上，说了一句让全场安静下来的话：

「我从没觉得自己如此落后过。」

14 个月前，正是他给一种编程方式起了名字——Vibe Coding。当时原话是「完全沉浸在氛围中，忘记代码，只管 accept」。那条推文引爆了整个开发者圈，所有人都在说：编程的门槛消失了。

14 个月后，同一个人站出来说：这套方法论，终结了。

不是 Vibe Coding 没用，而是它不够了。

Karpathy 用了个新词——Agentic Engineering。

从 Vibe Coding 到 Agentic Engineering，中间到底发生了什么？为什么连发明者自己都在升级方法论？

这篇文章拆解这个进化过程。三阶段、五大支柱、一份你现在就能用的落地清单。

二、Vibe Coding 是什么？为什么它曾经很香

先回顾一下定义。

2025 年 2 月，Karpathy 描述了这种工作方式：

1

prompt → accept → run → ship

你跟 AI 说「帮我写个登录页」，它吐出代码，你看一眼觉得行，accept，运行，部署。全程不仔细看代码细节，沉浸在「氛围」里。

这有错吗？没有。

它的本质是 floor-raising——提升下限。 以前不会编程的人，现在能造出原型。以前需要一周的功能，现在一天搞定。

Google 2026 年 5 月发布的《The New SDLC With Vibe Coding》白皮书给了数据：85% 的专业开发者在用 AI 编程智能体，51% 每天用，预估 41% 的新代码由 AI 生成。

不是少数极客在玩，是主流在用。

Vibe Coding 最香的场景：

一个有意思的发现是：生产力提升最大的团队，不是那些让 AI 写所有代码的团队，而是知道「什么时候该用 Vibe Coding、什么时候不该」的团队。

关键词是「知道什么时候用」。

这就是天花板的起点。

三、天花板在哪？三个致命问题

Vibe Coding 的问题不是「不好用」，而是「用多了会出事」。

三个致命缺陷，一个比一个隐蔽。

问题一：没有 evals——你不知道 AI 产出的质量

你让 AI 写了一段代码，运行通过了。好。

但是：

• 边界条件覆盖了吗？
• 并发场景处理了吗？
• 安全漏洞有没有？
• 性能合不合格？

不知道。因为没有评估机制。

「能跑」和「质量达标」之间隔着一道鸿沟。 Vibe Coding 的默认状态是：跑通就算完成。这在原型阶段没问题，在生产环境是灾难。

问题二：没有 observability——agent 跑偏了你不知道

当你把越来越多的工作交给 AI，一个新问题出现了：你看不见它在干什么。

它改了哪些文件？为什么选这个方案而不是那个？中间做了几次重试？哪一步卡住了？

如果你不知道这些，你就是在盲开。

问题三：安全和可维护性无人负责

AI 生成的代码，谁对安全负责？

AI 生成的代码，三个月后谁来维护？

这两个问题在 Vibe Coding 的范式里没有答案。 因为 Vibe Coding 的核心动作是「accept」——接受产出，不做深度审查。安全和可维护性恰恰需要深度审查。

数据说话

一个普遍现象是：大多数团队能看到 agent 在干什么（observability），但只有一半左右的团队在系统性地评估产出质量（evals）。

这个差距就是 Vibe Coding 到 Agentic Engineering 的鸿沟。

能看见，但不能控制。能产出，但不能保证质量。

四、Agentic Engineering——Karpathy 的新范式

什么是 Agentic Engineering？

Karpathy 的核心定义是两个词：ceiling-preserving（保护上限）。

Vibe Coding 是 floor-raising——让更多人能参与。

Agentic Engineering 是 ceiling-preserving——确保质量不滑坡。

具体来说：

「我 99% 的时间不再直接写代码，而是在指挥智能体干活。但作为人类，我对最终质量负全责。」

关键词是「负全责」。

不是让 AI 随便搞。是工程化地管理 AI 写代码的过程。

三大支柱

Agentic Engineering 不是一个工具、一个框架，而是一套方法论。核心由三大支柱支撑：

支柱一：Spec（规范）

告诉 agent「做什么」和「不做什么」。这不是写 prompt，是写工程规格书。

具体形式就是 AGENTS.md、SOUL.md 这类规范文件——项目架构、编码规范、测试要求、禁止操作，全部写清楚。（怎么写，我在上一篇AGENTS.md 指南里详细拆过。）

支柱二：Evals（评估）

系统性地衡量 AI 产出的质量。不是「看起来行就行」，是「过了评估才算完成」。

可以是自动化测试，可以是 checklist，可以是 code review 流程——形式不重要，有没有才重要。

最简单的 eval：写一个 checklist，AI 每次产出后逐条打勾。

5 条，5 分钟，但能把 80% 的问题拦在合并前。

支柱三：Observability（可观测性）

看得见 agent 在干什么。日志、trace、审计——知道每一步的输入输出，知道为什么做了这个选择。

不是为了监控，是为了事后复盘。出了问题能追溯，做得好能复用。

一张表看清区别

五、三阶段进化全景

回头看，AI 编程方法论经历了三个清晰的阶段。

第一阶段：Vibe Coding（2025.02 —）

关键词：氛围编程，快但不可控。

Karpathy 定义，社区狂热。prompt → accept → ship。门槛降到地板，质量也跟着降到地板。

这一阶段的贡献是巨大的——它证明了 AI 可以写代码，而且写得还不错。它让整个行业开始认真对待 AI 编程。

但它也暴露了一个根本问题：快不等于对。

第二阶段：Context Coding / Harness Engineering（2025.06 —）

关键词：AGENTS.md + 规范约束，让 AI 在框架内工作。

2025 年中，社区开始使用 Context Engineering 这个概念，强调给 AI 提供完整的上下文而非简单 prompt。开发者开始写规范文件、定义规则、约束 AI 的行为边界。从「给 AI 一句话」变成「给 AI 一套规则」。

这一阶段的核心贡献是：把 AI 从「自由发挥」拉回到「有规矩地干活」。

我在之前的AGENTS.md 深度指南中详细拆过这一阶段的方法论。简单说：花 30 分钟写好规范文件，比花三天对比工具强十倍。

但 Context Coding 也有天花板：它管住了单个 AI 的行为，但管不住多个 AI 的协作，也没有系统性的质量验证机制。

第三阶段：Agentic Engineering（2026.04 —）

关键词：多 agent 协调 + evals + observability。

Karpathy 在 AI Ascent 大会上正式提出。不只是「给 AI 规则」，而是「工程化管理整个 AI 工作流」。

多个 agent 并行工作，人类定义目标和质量标准，evals 验证产出，observability 监控过程。

类比

从「一个人干活」到「标准化流程」到「多条线并行」。

你现在在哪个阶段？大多数人停在 1.0 或 2.0。

六、你现在该怎么做？五条实操建议

不是理论，是现在就能做的事。

1. 不要抛弃 Vibe Coding，升级它

Vibe Coding 不是垃圾，是地基。

原型开发、学习新技术、探索性编码——这些场景仍然适用。问题不是 Vibe Coding 本身，而是把它当终点。

正确姿势：用 Vibe Coding 快速产出，然后用工程化手段验证。

2. 给你的 AI 工具加 evals

哪怕最简单的 checklist。

每次 AI 产出后，花 5 分钟逐条检查：

• 功能是否符合需求？
• 错误处理是否完整？
• 是否有安全隐患？
• 是否有测试覆盖？
• 代码风格是否一致？

不要觉得「看起来行就行」。「看起来」是最不靠谱的质量标准。

3. 学会写 AGENTS.md

Context Engineering 是 2026 年的必修课。

不管用什么工具——Claude Code、Cursor、Codex、Gemini CLI——底层逻辑都一样：AI 的产出质量，70% 取决于你给了它什么上下文。

30 分钟写一个 AGENTS.md，效果比换三个工具强十倍。不知道怎么写？参考 Codex CLI 的官方仓库——GitHub 超过 10 万 Star，它的 AGENTS.md 就是范本。

4. 建立 agent 可观测性

不需要复杂的基础设施。

最简单的方式：让 AI 在工作时输出日志——做了什么、为什么这么做、遇到了什么问题。

进阶方式：用专门的可观测性工具，记录每个 agent 的执行路径、决策过程、耗时分布。

能看到，才能改进。看不到，只能祈祷。

5. 从单 agent 到多 agent 协作

这是 2026 年真正拉开差距的地方。

一个人指挥一个 AI，是 Context Coding。

一个人指挥多个 AI 各司其职，是 Agentic Engineering。

具体怎么做：

1
2
3
4
5

一个 agent 负责写代码
一个 agent 负责 review
一个 agent 负责测试
一个 agent 负责部署
人类负责定义目标和验收标准

不需要一开始就搭完整的 pipeline。从「写代码 + review」两个角色开始，逐步扩展。

七、结论：地基之上，才是上层建筑

Vibe Coding 不是终结，是起点。

它证明了 AI 可以写代码，让整个行业开始认真对待 AI 编程。但「能写」和「写得好」之间，隔着 Agentic Engineering。

2026 年，「会用 AI」不够了。

要「会工程化管理 AI」。

三个核心转变：

1
2
3

从 accept 一切 → 只 accept 过了 eval 的
从看不到过程 → 每一步可观测
从单打独斗   → 多 agent 协作

Karpathy 说「从没觉得自己如此落后过」，然后用 14 个月定义了一套新方法论。

你呢？

不需要 14 个月。从今天开始做三件事：

1. 写一个 AGENTS.md（30 分钟）
2. 加一个 5 条 checklist 的 eval（5 分钟）
3. 让 AI 输出工作日志（1 分钟）

36 分钟，你就能从 Vibe Coding 1.0 迈进 Agentic Engineering 的大门。

数据来源：Addy Osmani (Google)《The New Software Lifecycle》(2026.5)、Karpathy 红杉资本 AI Ascent 演讲(2026.4)

关注「varkm」，一起学习，一起成长。