氛围编码与规范驱动开发:人工智能时代软件开发的竞争与互补之道

Agentic Coding · Vibe Coding · Spec Coding:三种 AI 编程范式的比较、演进与落地路径 阅读详情

生成代码、营造氛围还是编写规范?

生成式人工智能(GenAI)模型是软件开发的下一个加速器。最初是编码辅助副驾驶,后有生成代码片段的大语言模型(LLM)。现处于人工智能软件开发第二代阶段,有 Amazon Q Developer 等众多平台,可分为代码生成工具、氛围编码、规范驱动开发(SDD)三类。若开发新 API 等,代码生成器可能足够;若开发新应用程序等,可探讨氛围编码和 SDD 平台的使用。

氛围编码的优势

氛围编码体验让开发人员提示想构建的内容,观察人工智能生成代码过程。像 Bolt、Lovable 和 Replit 等平台,从单个提示开发,进入规划模式功能更多。不仅开发人员,企业所有者等也在使用,但要学安全最佳实践。Vultr 的 Duncan Ng 称其能让团队创建最小可行产品或小规模工具,提高生产力。

氛围编码能否用于生产?

有人质疑氛围编码应用程序是否适合投入生产。Genpact 的 Rajesh Padmakumaran 表示其加速概念验证等,但缺乏确定性,不适合长期维护等系统。Algolia 的 Piyush Patel 认为若无明确约束,会引入可变性,CIO 应将其视为前端加速器,锚定规范。

从需求开始

规范驱动开发将流程前置,帮助工程师记录需求,再开发应用程序。AWS 的 David Yanacek 称其注重结构和问责制,有药物发现人工智能代理和科技公司云迁移两个成功用例。SDD 在 DevOps 团队受欢迎,Fastly 的 Austin Spires 称其是氛围编码的演变,New Relic 的 Nic Benders 表示生产软件始于思考需求,SDD 借助人工智能工具实现。

竞争还是互补?

对于 SDD 和氛围编码,DigitalOcean 旗下 Cloudways 的 Ayaz Ahmed Khan 认为是互补关系,分别用于探索原型和完善交付产品。Tiugo Technologies 的 Wiktor Walc 则认为两者满足不同业务需求,氛围编码用于面向用户原型开发速度快,处理大型生产环境等需规范驱动契约。

关注弹性发布

软件开发生命周期还有开发人工智能代理的机会。一流 IT 部门要考虑氛围编码和 SDD 推动业务价值等。Pegasystems 的 Don Schuerman 表示人工智能真正机会是提供协作平台。新兴趋势是将人工智能应用程序开发平台与云部署等服务捆绑。专家提醒 IT 领导者重点是交付有弹性的应用程序,人工智能生成代码质量和维护难易仍是问题。氛围编码和 SDD 可能融合,如 GitHub 的 Spec Kit。

TRAE如何重塑单兵开发:Vibe Coding与SOLO模式实战指南 单兵开发正从‘写代码’转向‘交付价值’,核心挑战在于需求理解、技术选型与快速验证的闭环效率。Vibe Coding通过自然语言意图识别替代精确指令,降低非技术背景开发者门槛;SOLO模式则融合主副智能体协同架构,实现需求解析→技术决策→代码生成→本地打包的一站式自动化。其技术价值体现在大幅压缩MVP周期、规避环境兼容风险、支持超大上下文安全迭代,广泛应用于副业工具开发、轻量SaaS构建及创作者效率套件量产等真实场景。TRAE正是这一范式演进的关键基础设施。 阅读详情

相关推荐

大模型技术全景与核心概念解析:从基础原理到AI智能体架构(实时更新中)

本文系统解析了大模型技术的核心概念与架构。首先介绍了LLM(大语言模型)、LLMOps(模型运维)、AIGC(生成内容)、AGI(通用AI)等基础概念,重点阐述了大模型的工作原理,包括预处理、推理和后处理三个阶段。深入讲解了Token分词、FLOPs计算、Embedding向量表示等关键技术,并分析了LoRA微调、MoE架构等前沿方法。文章还探讨了AI智能体的发展前景,为理解大模型技术提供了全景视角。

算法工程师 1265

Vibe Coding vs 规范驱动开发:AI 时代编程范式的冲突与融合

开发者正面临从"氛围编码"到"规约先行"的范式转变。氛围编码(Vibe Coding)通过自然语言快速生成代码,适合原型验证但易产生技术债;规范驱动开发则强调先定义结构化规约再编码,可降低返工率30%。两者基于相同AI技术,形成互补而非对立:氛围编码用于创意探索,规范开发确保生产就绪。实践表明,混合使用两种模式最为高效——前期自由探索,后期规范落地。未来趋势将呈现多模态规约、动态Spec调整等特点,开发者需兼具创造力与规范意识,将AI编程重点从代码生成转向精准需求表达

qq_61905492的博客 1976

YOLO26源码深度解析:从主干网络到端到端部署优化

目标检测模型在工业落地中,不仅需要精度,更要求训练稳定、推理高效。YOLO系列近年持续演进,出现了代号为YOLO26的实验性整合版本,其核心思路是融合重参数化卷积、SPD模块、可学习跨尺度融合与双分支一致性分配等机制,兼顾小目标检测与端到端推理。从源码角度看,模型配置文件定义了分层结构,前向数据流保留了主干-颈部-输出头的经典范式,但在细节上通过空间重排列降低下采样信息丢失,并针对训练与推理设计了可折叠的算子结构。这种设计使得导出时无需复杂后处理,配合算子融合与真实数据量化,可在边缘设备上获得稳定的检测性能

weixin_28224217的博客 246

AI驱动开发系列文章杂谈(一):规范驱动Spec-Kit的重构治理与氛围编程Vibe-Coding的直觉探索对比

摘要: 在生成式AI推动下,软件开发领域出现两种对立方法论:注重快速原型的Vibe-Coding(直觉编码)和强调规范的Spec-Kit(规范驱动开发)。Vibe-Coding通过自然语言提示快速生成代码,但易导致技术债务和安全漏洞;Spec-Kit则通过多阶段流程(规范→计划→任务→实施)确保代码可维护性和治理。分析表明,两者互补而非对立:Vibe-Coding适合早期探索,Spec-Kit适用于生产级开发。建议采用“快速到严谨”混合策略——用Vibe-Coding验证创意后,以Spec-Kit重建可扩展

u013134676的博客 1912

海思方案定制hi3531dv200/SS528 DVR方案解析:从硬件选型到编解码实战应用

海思方案,Hi3518EV100,Hi3518CV100,Hi3515CV100,Hi3516CV100,Hi3516ECV100,Hi3516D,Hi3516A,Hi3519,Hi3520D,Hi3521A,Hi3535,Hi3531,Hi3536,Hi3536C,Hi3536D,Hi3518EV200,Hi3518EV201,Hi3520DV200,Hi3516CV200,Hi3516CV300,Hi3516AV200,Hi3520DV300,Hi3519V101,sd3403,hi3519av200

1587

【AGC】【serverless】【云函数】云函数常见问题

1、云函数添加了AUTH触发器后,在用户执行注册、销户、登录、登出动作时,云函数的event对象会自动触发返回相应信息。比如我在“层”的压缩包里放了config/config.txt,那么我在云函数里怎么调用这个文件?层的目录是:/dcache/layer,函数的目录是/dcache/layer/func。在云函数里往云数据库里插入数据返回的是180000,这是正常吗?已经按照文档在后台对应的云函数里配置了,所需的AUTH触发器。层的用法和放在函数里的用法是相同的。云函数里的层如何调用?

华为开发者联盟 840

氛围编码与规范驱动开发:竞争还是互补,能否开发高弹性应用程序?

从这些平台中获得的“氛围”是,它们希望帮助开发人员快速将想法转化为可运行的应用程序。Tiugo Technologies 首席技术官 Wiktor Walc 表示:“氛围编码,特别是与强大的代理系统结合使用时,对于面向用户的原型(如内部工具或首次概念验证)能提供极高的速度,因为在这些场景中,缺陷的影响范围较小。你需要花时间讨论你想要的东西以及理想的状态是什么样的,然后它会给出需求、技术设计和开发任务的分解。规范驱动的氛围编码迫使工程师和团队比早期的氛围编码有更清晰的愿景、更明确的需求和更强的写作能力。

IT界那些事儿 41

100G SR4 光模块设计

目前100G SR4 光模块主要采用COB 封装技术,在光电芯片键合(bonding)阶段,首先使用银胶将光芯片、电芯片精准固定在电路板规定位置上,该工序即为元件键合(die bonding);然后采用打线机进行金线键合(wire bonding),完成光模块内部的电气连接。在光路耦合阶段,采用8路阵列透镜组完成光路90°弯折及聚焦,并采用有源耦合的工艺进行光路的最终确认,该设计方案工艺简单、高效,借助全自动贴片机、打线机和耦合台就可实现100G SR4 光模块的大批量生产。

Flyin_Group的博客 1377

AI Develop 03 & Vibe Coding 主流 AI 编程工具:Claude Code 与 Codex 全面解析( Claude and Codex )

⭐《VibeCoding趋势下的AI编程工具对比:ClaudeCode与Codex》摘要 VibeCoding(氛围编程)通过自然语言描述需求让AI生成代码,正在重塑开发方式。本文对比了两类典型工具:ClaudeCode擅长对话式编程,适合快速原型开发(前端页面/FPGA模块生成);Codex侧重工程化能力,在代码审查、测试生成和大型项目优化上表现突出。二者形成互补组合:ClaudeCode负责快速产出初版代码,Codex确保工程质量。实践建议开发者注意合理描述需求、严格审查生成代码,并保持工具协同使用

AI Agent 全栈架构师(AI + GIS + Backend)& 数字芯片系统架构师(FPGA),NorthCity Smile的博客(NcSmile,博主域名:https://ncmile.blog.youkuaiyun.com) 1171

智能车学习日记【二】————十字和斜入十字

智能车学习日记【二】————十字和斜入十字 文章目录 智能车学习日记【二】————十字和斜入十字 前言 一、普通十字补线 二、斜入十字 1.判断是否为斜入十字和斜入十字类型 2.找斜入十字拐点 总结 前言 经过了一个多月的学习,小白的我终于也是能较稳定调出了2.8m以上的四轮车,过程中也遇到了很多困难,其中就有十字补线和斜入十字补线。尤其是斜入十字也是困扰了我快一周,现在和大家分享一下我处理斜入十字的方法(我的方法其实还有很多漏洞需要改进,仅供大家参考理解一下,欢迎各位在评论区指点出可

bsefef的博客 2744

前程无忧Python岗位数据采集:基于API直连的高效招聘信息爬取实战

本文介绍了一个基于Python requests库的前程无忧招聘数据采集系统。项目通过分析API接口结构,配置完整的请求头和身份验证参数,实现了高效稳定的数据采集。系统支持多页数据批量获取,包含工作名称、薪资范围等关键字段的结构化解析,并将结果存储为Excel文件。技术实现涉及API分析、身份验证、请求头配置、数据清洗等关键步骤,同时强调遵守法律和道德规范。该系统可为求职者、HR和市场分析师提供有价值的行业数据支持,适用于市场分析、职业规划等场景。

那些看似不起波澜的日复一日,会在某天让你看到坚持的意义 1553

AI Agent 删库之后:从“能跑“到“可控“——用确定性外壳、SDD 与开源沙箱给智能体装上四道防线

把这四道防线合起来看,会发现它们改变的是风险的性质:从"每次上线都是一次赌博",变成"风险可定价、事故可还原、能力可复用"。确定性外壳让约束不再依赖模型的自觉,SDD 让红线先于生成存在,沙箱把爆炸半径限制在可承受范围,门禁把高危决策交回给人,可观测让每一次调用都留下可追溯的证据。这些机制确实会带来一些摩擦:审批需要等待,规范需要维护,沙箱需要资源。但摩擦换来的是另一种速度——不再需要靠反复回滚、事故复盘与人工救火来还债的速度。

m0_74899094的博客 183

Allegro如何使用Cross Copy命令快速复制器件的位号和丝印外形其他层

在Allegro做PCB设计的时候,如果需要复制器件的位号到其它层是无法直接实现的,如果直接拷贝器件的位号的话,效果如下。但是Allegro的Cross Copy命令是支持复制任何属性的图形到其它层的,下面以复制器件位号和丝印外框为例说明。同样如果使用Z-copy命令,也是无法Z-copy text的,Finds下方texts是灰色的。如何使用Cross Copy命令快速复制器件的位号和丝印外形其他层。另外cap处可以选择线段的端点是圆形,八角形,或者方形的铜皮。拷贝C1013,出现的是C*

weixin_54787054的博客 2672

Vibe Coding时代:AI编程助手如何重塑生物信息学工作流

在软件开发领域,AI辅助编程正成为一种新兴范式,它通过自然语言交互,将开发者的意图快速转化为可执行代码。其核心原理是借助大型语言模型对代码语料和文档的深度理解,实现从需求描述到代码片段的智能生成。这一技术的价值在于显著降低编码的启动门槛,将开发者从繁琐的语法记忆和API查阅中解放出来,从而更专注于问题定义和逻辑设计。在生物信息学等数据密集型领域,传统工作流依赖Python、R和Shell脚本进行数据清洗、统计分析和可视化,流程复杂且工具链繁多。Vibe Coding在此类场景中展现出巨大潜力,能够快速生成数

weixin_33923762的博客 409

Outlook Express 6 (OE6) for Win7/Win8/Win10

英文版 Outlook Express6.0, 兼容Win7/Win10/WinXP,解压就可用。

最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版

Part-E1-SDIO-Specification-Ver4.00-Final-120220.pdf:最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版,包括SDIO 接口的外设,SDIO 接口官方协议等。

从Vibe Coding到Spec-Driven:AI编程范式的进化与实践

在软件工程领域,需求规格说明是确保系统质量和开发效率的基石。它通过定义清晰、无歧义的功能与约束,为开发、测试和维护提供精确依据。其核心原理是将模糊的自然语言需求转化为结构化、可验证的契约,从而消除理解偏差。这一实践的技术价值在于提升代码一致性、降低沟通成本,并支持自动化测试与验证。在AI辅助编程兴起的当下,传统的“氛围编程”(Vibe Coding)依赖模糊的意图描述,容易在复杂场景下产生歧义和碎片化代码。因此,将需求工程前置为机器可读的规格(Spec-Driven Development),成为应对这些挑

weixin_30703911的博客 462

汉书HE8,好用的汇编代码编写工具

汉书HE8,好用的汇编代码编写工具早期编写汇编代码所用功能强大

免费白嫖Claude 4小技巧!附赠教程

摘要:本文介绍了两种免费使用Claude4 AI模型的官方途径。一是通过AmazonQ插件,支持主流编程工具如VSCode等;二是通过亚马逊新一代AI编程环境Kiro(基于VSCode二次开发),目前公开预览版可免费使用Claude4。文章详细对比了Kiro与AmazonQ、Cursor等工具的差异,指出Kiro采用"规范驱动"开发模式,定位为更专业的代理式IDE。同时也提到Kiro当前存在响应速度慢、服务器过载等问题。最后透露Kiro未来将采用分层付费模式,并可能被纳入AmazonQ

Stuomasi_xiaoxin的博客 1965

老版QQ原生表情gif动态

这是老版的QQ表情,不过全是动态的的,Windows照片查看器是不会动的,可以右击用浏览器打开查看,再说一遍是老版的,只是分享给宁愿用老版也要动态的人。

Remotion与HyperFrames:AI视频创作的两大范式解析与实战指南

在AI驱动的自动化内容创作领域,视频生成技术正经历从手动剪辑到智能合成的范式转移。其核心原理在于将自然语言指令转化为可执行的视觉构建逻辑,通过封装的工作流模板降低专业门槛。这一技术的核心价值在于实现批量、精准且可编程的动态内容生产,显著提升从数据可视化到社交媒体营销等多种场景的创作效率。以Remotion和HyperFrames为代表的两种技术路径,分别体现了代码驱动与内容合成的不同理念。Remotion基于React组件化开发,提供像素级控制,适合需要复杂逻辑与数据绑定的场景;而HyperFrames侧重

weixin_34099526的博客 385

OWASP Top 10:2025「Next Steps」详解:X01/X02/X03 三大未入榜风险(应用韧性、内存管理失效与 AI 生成代码)

OWASP Top 10 按设计天然只覆盖十个最重要的风险,每一版都会认真权衡一些"临门一脚"的风险是否纳入,但最终因其他风险更普遍、影响更大而未入选。本文基于官方 2025 版文档 [Next Steps(下一步)](https://link.gitcode.com/i/380651a76656fdc1dc9363fcdde39e84),完整解读 2025 版列出的 X01(应用韧性不足)、X0

gitblog_00220的博客 258

鱼皮《Vibe Coding 概念大全》精讲:一文吃透 AI 编程的核心术语体系

> 本篇技术指南以仓库内 [Vibe Coding 零基础教程/70 Vibe Coding 概念大全.md](https://link.gitcode.com/i/db8135ae17bd10a31e126ce81b9c2224) 为骨架,系统梳理 Vibe Coding(氛围编程)中的全部核心术语,涵盖 AI 基础概念、提示词工程、智能体编程模式、上下文管理、AI 输出控制、开发工具、项目管理

gitblog_00705的博客 341

免费白嫖Claude 4攻略!两种方式!

亚马逊推出两种免费使用Claude4的方式:1)通过AmazonQ插件在主流编程工具中使用;2)通过新一代AI编程环境Kiro(基于VSCode开发,目前预览版免费)。Kiro采用"规范驱动开发"模式,提供结构化AI协作体验,未来将推出分层付费服务。文章还附带了大模型学习资源包,包含视频教程、电子书等技术资料。

2401_84495872的博客 3144

SH9倒果为因的认知场:碳硅共生的未来操作系统(碳硅共生认知科普读物)

在预测编码理论中,大脑的主要工作不是接收数据然后处理,而是先猜,然后看猜的对不对,来自感官的实际数据往上传的不是完整的原始数据,而只是预测和实际之间的差值,叫做预测误差。正如研究者所指出的,我们总是习惯于盯着那个最终呈现的"果",然后逆流而上,去搜寻那个所谓的"因",而当你从结果倒推原因时,你找到正确答案的概率,理论上只有1/n(n为所有可能的成因数量),这揭示了人类认知中最隐蔽的谬误——逆向因果。传统的AI系统设计遵循的是"输入-处理-输出"的线性逻辑,AI被视为人类的工具,处于从属地位。

shardylab.blog.youkuaiyun.com 609

Habitat-Lab 具身AI环境模拟快速上手:从零搭环境到跑通第一个示例

Habitat-Lab 把具身AI的环境模拟、任务定义与智能体训练整合在一起:定义导航、物体重排等任务,配置机器人传感器,用强化学习训练并评测智能体。跟着下面的步骤,从零搭好环境、跑通第一个官方示例。 ## 把环境跑起来:创建独立 conda 环境并安装核心依赖 Habitat-Lab 依赖 Habitat-Sim 做3D仿真,两者版本绑定,所以第一步是建一个干净的隔离环境,避免和其他项目的依

gitblog_00923的博客 164

前端开发必收藏:41个高效网站清单,覆盖文档、调试、性能与灵感

在软件开发中,建立高效的信息检索与工具使用习惯,往往比死记代码更重要。理解文档标准、掌握浏览器兼容性判断方法,是技术能力的基础。通过权威文档、在线编码调试工具和性能分析平台,开发者可以快速定位问题、验证方案并优化加载体验。这些能力覆盖从页面实现到性能优化的完整链路,也贯穿学习进阶与日常协作。无论是查API用法、验证兼容性,还是调试动效、制定学习路线,一份高质量的工具清单都能显著提升工作效率。本文将前端开发者高频访问的网站按用途梳理,涵盖文档标准、在线编码、设计灵感、动效库、性能检测与学习社区等方向,帮助不同

weixin_34055787的博客 326

面向“智能向善”的AI内生安全与协同治理技术架构——基于RAE理念的演进与实践

然而,一个显著的挑战在于,现有治理框架多侧重于外部监管与合规审查,对于如何在AI系统内部实现价值的动态对齐与风险的实时防护,尚缺乏成熟、可移植的技术路径。它像一个高精度的罗盘,持续校准AI的“航向”,确保其每一次决策与行为,都与人类社会共同认可的价值目标保持同向,从而实现从“算法最优”到“价值最优”的跃升。它的核心使命,是将L1层确立的、以自然语言描述的伦理原则与法律要求(如“公平”、“无害”、“透明”),转化为L3层中AI模型能够直接理解、计算并执行的数学约束与算法参数。

shardylab.blog.youkuaiyun.com 898

SwanTale: 面向指令驱动与零样本任务的统一多说话人语音与音频生成模型

摘要 本文提出SwanTale,一个统一支持指令任务与零样本任务的多说话人语音与音频生成模型。针对动画配音、广播剧等创作场景中需从零设计音色、控制风格、生成环境音效等需求,模型通过SwanData-Caption流水线构建多级描述数据(覆盖7000万条记录),结合真实数据与针对性合成子集增强生僻发音等场景的覆盖。模型采用SwanVAE处理多音频模态,引入奖励条件化质量控制和Engram记忆机制,通过统一MoE架构实现多任务兼容,并采用课程学习与GRPO后训练优化生成质量。实验表明,SwanTale在零样本与

qq_42019881的博客 370
上一篇: 只需更改两项设置,低端安卓手机也能提升性能!
下一篇: 五一景区“科技与狠活”大爆发:AI接管旅游,隐私与体验谁来保障?
IT界那些事儿
博客等级 码龄6年 2万+粉丝 22原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值