---
title: "04-AI驱动开发新范式：VibeCoding与智能IDE"
created: 2026-05-15
tags:
  - 博客

---
# AI驱动开发新范式：VibeCoding与智能IDE

如果你是 Java 开发者，你大概率已经用了很多年的 IntelliJ IDEA。写代码、运行、调试、部署——这套流程熟悉到肌肉记忆。

但在 2025-2026 年，有个新词开始频繁出现在程序员社区：**Vibe Coding**。它不是一种具体的工具或框架，而是一种全新的开发方式——**你用自然语言描述需求，AI 负责实现代码。**

更关键的是，这并不是取代程序员的叙事，而是正在发生的现实。

## 你已经在做 Vibe Coding 了，只是没意识到

如果你用过 Cursor 或 Claude Code，你是否经历过这种场景：

你打开 AI 对话框，输入：

> "在这个 Service 里加一个方法，根据用户 ID 查最近 30 天的订单，按金额降序排列，分页返回，还要算一下总金额。"

AI 没有让你手动指定什么。它自己去找了 Order 实体类，看了字段定义，找到了对应的 Repository，了解了项目的 SQL 方言和分页方式，然后生成了完整的方法——包括 Service 层、Repository 查询、DTO 映射和分页逻辑。

你做的事情只是：**描述需求 → 审查代码 → 确认**。

这就是 Vibe Coding 的核心——**你关注"要什么"（What），AI 关注"怎么做"（How）。**

### 和传统开发的对比

| 维度 | 传统开发 | Vibe Coding |
| --- | --- | --- |
| **输入** | 精确的代码语法 | 自然语言描述需求 |
| **关注点** | 语法正确、API 调用、设计模式 | 业务逻辑、用户体验、系统架构 |
| **细节处理** | 手动写每一个方法 | AI 自动生成实现 |
| **调试方式** | 打断点、看堆栈 | 描述症状，AI 分析并提出修复 |
| **学习曲线** | 掌握语言和框架的精确知识 | 理解需求 + 读代码 + 审查质量 |
| **速度** | 取决于打字速度和知识熟练度 | 取决于需求表达的清晰度 |

Vibe Coding 不是"不用学编程了"。恰恰相反——你需要更强的代码审查能力、系统设计能力、需求分析能力。你不再是"写代码的人"，而是"指导 AI 写代码的人"。

## Vibe Coding 的典型工作流

来看一个完整的 Vibe Coding 工作流：

```
阶段1: 需求描述（你主导）
  "我需要一个 REST API，功能是：用户上传一张图片，
   系统用 OCR 识别图片中的文字，把文字翻译成英文，存到数据库，
   然后返回翻译结果。"

  不需要指定用什么 OCR 库、怎么调翻译 API、数据库表结构怎么设计。

阶段2: 上下文理解（AI 主导，自动化）
  AI 读取项目结构：
  - 识别出是 Spring Boot 3 + MyBatis Plus 项目
  - 发现已有 FileUploadService 和 TranslationService
  - 理解项目使用 MySQL 和 MinIO 做文件存储

阶段3: 方案设计（AI 主导）
  AI 设计实现方案：
  - 新建 OcrImageController → 接收上传请求
  - 复用 TranslationService.translate() 方法
  - 新建 ImageRecord 实体和 Mapper
  - 使用 Tesseract OCR 库解析图片

阶段4: 代码生成（AI 主导）
  AI 逐个生成文件：
  - POST /api/ocr/upload 接口
  - ImageRecord 实体类 + 数据库 DDL
  - OCR 处理 Service（调用 Tesseract）
  - 文件上传到 MinIO 的集成

阶段5: 审查与调整（你主导）
  你审查生成的代码：
  - "Tesseract 对中文识别效果差，换成 PaddleOCR"
  - "数据库字段加个 source_language 和 target_language"
  - "翻译前先做文本清洗，去掉 OCR 噪点"

  AI 根据反馈逐条修改。

阶段6: 测试与修复（AI 主导，你确认）
  AI 编写单元测试 → 运行 → 发现失败 → 分析原因 → 修复 → 重新运行
  你只需要在关键节点确认。
```

整个过程中，你没写一行代码，但功能做完了。你做的事情是：**定义需求、审查质量、给出反馈**。

## 主流 AI 开发工具对比

截至 2026 年 5 月，AI 编程工具有这样几类：

### IDE 集成型（在编辑器里用 AI）

| 工具 | 平台 | 特点 | 适合谁 |
| --- | --- | --- | --- |
| **Cursor** | VS Code 分支 | AI-first 编辑器，Tab 补全 + 内联编辑 + Chat | 全栈开发者 |
| **GitHub Copilot** | VS Code/JetBrains | 最早的 AI 代码补全，IDE 原生集成 | 所有开发者 |
| **Windsurf** | 独立 IDE | Cascade 模式，自动跨文件编辑 | 全栈开发者 |

### CLI 终端型（在命令行里用 AI）

| 工具 | 公司 | 特点 |
| --- | --- | --- |
| **Claude Code** | Anthropic | Claude 4.7 驱动，终端原生，可操作文件/Shell/Git，支持自定义 Skills |
| **Codex CLI** | OpenAI | o4-mini 驱动，本地运行，沙箱隔离，支持 AGENTS.md |
| **Gemini CLI** | Google | Gemini 3.1 驱动，免费额度大，Google 生态集成 |

### 这几种该怎么选

**如果你习惯在 IDE 里写代码**： Cursor 或 Copilot 是最自然的选择。它们在编辑器中提供补全、Chat、内联编辑，不需要离开熟悉的环境。

**如果你要做大量跨文件的重构、搭建新项目、或者排查复杂 Bug**： CLI 型工具（Claude Code / Codex CLI）更适合。它们能在终端中自主导航项目、读取和修改多个文件、执行命令并检查结果。

**如果你主要用 Java + Spring 生态**：

```
IDE 写局部代码    →  Copilot（IntelliJ 原生集成最丝滑）
重构/搭建/排查    →  Claude Code（终端里描述需求，跨文件操作）
快速原型/学习     →  Cursor（AI-first 体验最激进）
```

## Claude Code 实战：一个 Java 开发者的日常

对于 Java 开发者来说，CLI 型工具的体验可能比较陌生。下面是一个真实的 Claude Code 使用场景：

```
# 场景1：需求驱动的功能开发
$ claude
> 在这个 Spring Boot 项目中加一个接口：
> GET /api/users/{id}/order-summary
> 返回这个用户的历史订单汇总，包括：
> - 总订单数
> - 总消费金额
> - 最常购买的商品分类 top3
> - 月均消费趋势（最近6个月）
> 用现有的 Order 和 OrderItem 表，不需要新建表。

# Claude Code 会做的事：
# 1. 找到 UserController 或相关 Controller
# 2. 读取 Order 和 OrderItem 的实体定义
# 3. 读取项目使用的 ORM（JPA/MyBatis）
# 4. 设计 SQL 查询逻辑
# 5. 创建 DTO 类（OrderSummaryResponse）
# 6. 在 Service 层实现计算逻辑
# 7. 在 Controller 添加端点
# 8. 运行项目验证编译通过

# 场景2：Bug 排查
$ claude
> 用户反馈 /api/orders/create 接口偶尔返回 500，
> 错误日志显示 "DataIntegrityViolationException"。
> 帮我排查可能的原因并修复。

# Claude Code 会做的事：
# 1. 读取 OrderController 的 create 方法
# 2. 追踪 Service → Repository 的调用链
# 3. 检查实体类的字段约束（@Column nullable, unique 等）
# 4. 查找哪个字段可能违反约束
# 5. 分析是什么输入导致了这个问题
# 6. 提出修复方案并实施

# 场景3：代码重构
$ claude
> 把 PaymentService 里的微信支付和支付宝支付逻辑
> 重构为策略模式。保持对外接口不变，所有现有测试通过。

# Claude Code 会做的事：
# 1. 读取 PaymentService 完整代码
# 2. 分析微信/支付宝各自不同的处理逻辑
# 3. 设计 PaymentStrategy 接口
# 4. 提取 WechatPaymentStrategy 和 AlipayPaymentStrategy
# 5. 修改 PaymentService 使用策略工厂
# 6. 运行现有测试确保不破坏功能
```

## AGENTS.md / CLAUDE.md：让 AI 理解你的项目

Vibe Coding 有一个前提——AI 需要了解你的项目上下文。如果每次都要从零开始解释项目结构，效率会大打折扣。

**AGENTS.md**（或 **CLAUDE.md**）就是解决这个问题的。这是一个放在项目根目录的 markdown 文件，包含：

```
# AGENTS.md

## 项目概述
这是 XX 电商平台的后端服务，基于 Spring Boot 3.x + MyBatis Plus。

## 技术栈
- Java 17, Spring Boot 3.2, MyBatis Plus 3.5
- MySQL 8.0, Redis 7, MinIO (文件存储)
- Maven 管理依赖

## 项目结构
- controller/  → REST API 层（返回统一响应体 ApiResponse<T>）
- service/     → 业务逻辑层（接口+实现分离）
- mapper/      → 数据访问层（MyBatis Plus BaseMapper）
- entity/      → 数据库实体
- dto/         → 数据传输对象（request/response 分开）
- config/      → Spring 配置类

## 编码规范
- Controller 只做参数校验和路由，不写业务逻辑
- Service 层处理所有业务逻辑和事务
- 异常统一用 GlobalExceptionHandler 处理
- API 响应统一包装为 ApiResponse<T> {code, message, data}
- 数据库时间字段用 LocalDateTime，DTO 中用 String 传输（ISO格式）

## 关键约定
- 任何涉及金额的计算，必须用 BigDecimal，禁止用 float/double
- 数据库查询必须在 Mapper 层，不要在 Service 里拼接 SQL
- 所有外部 API 调用必须设置超时时间（连接 5s，读取 30s）
- 敏感信息（手机号、身份证）在日志中必须脱敏
```

有了这个文件，AI 从一开始就"懂"你的项目。Codex CLI 会读取 AGENTS.md，Claude Code 会读取 CLAUDE.md，Cursor 会读取 .cursorrules。

**写 AGENTS.md 比写文档重要**。传统文档是人看的，写完就过时。AGENTS.md 是 AI 看的，每次对话都会用，所以要保持更新。

## Spec-driven Development：更进一步

Vibe Coding 的进阶是 **Spec-driven Development（规格驱动开发）**。核心想法是：**在写代码之前，先写一份详细的规格说明书（Spec），然后让 AI 严格按照 Spec 来实现。**

### 为什么需要 Spec

直接跟 AI 说"帮我做一个用户登录功能"有几个问题：

1. **理解偏差**：AI 可能用 JWT，而你想要 Session。AI 可能做成用户名登录，而你想要邮箱登录。
2. **遗漏细节**：错误处理、密码加密、登录限流、验证码——这些非功能性需求在口头描述中容易被忽略。
3. **不可复现**：同一个需求换个说法，AI 可能做出不同的实现。

Spec 就是给 AI 的"合同"——写清楚验收标准，AI 按标准交付。

### Spec 长什么样

```typescript
# Spec: 用户登录功能

## 功能概述
实现用户名/密码登录，返回 JWT Token，支持登录限流。

## 接口定义
POST /api/auth/login
- Request: { "username": string, "password": string }
- Response: { "token": string, "expiresIn": number }
- 错误: 401 用户名或密码错误, 429 登录过于频繁

## 业务规则
- BR1: 用户名不区分大小写
- BR2: 密码使用 BCrypt 加密存储和比对
- BR3: 同一 IP 每分钟最多尝试 5 次，超过返回 429
- BR4: 登录成功后返回 JWT，有效期 24 小时
- BR5: JWT 中包含 userId、username、roles

## 数据模型
- 使用现有 users 表（id, username, password_hash, status）
- status=0 的账户不允许登录，返回"账户已禁用"

## 安全要求
- SR1: 登录失败时不区分"用户不存在"和"密码错误"
- SR2: 敏感日志（登录失败原因）只记录到审计日志，不输出到应用日志
- SR3: JWT Secret 从环境变量读取，不允许硬编码

## 测试用例
- TC1: 正确用户名和密码 → 200 + token
- TC2: 错误密码 → 401
- TC3: 不存在用户 → 401
- TC4: 连续失败 5 次 → 429
- TC5: 禁用账户 → 401（提示"账户已禁用"）
```

有了这份 Spec，你交给 Claude Code 或任何 AI 工具，它就有了明确的验收标准。审查代码时，也可以对照 Spec 逐项检查。

### Spec-driven 的完整流程

```
需求分析     →  你写 Spec（定义"要什么"）
                ↓
Spec 审查     →  AI 审查 Spec 完整性（有没有遗漏的边界条件）
                ↓
代码生成     →  AI 按照 Spec 逐条实现
                ↓
测试生成     →  AI 根据 Spec 中的测试用例生成测试代码
                ↓
审查验收     →  你对照 Spec 审查代码和测试结果
                ↓
Spec 归档     →  Spec 和代码一起提交到 Git
```

这套流程的核心变化是：**Spec 成为代码之前的"第一产物"**。代码是可变的实现细节，Spec 才是你真正要的东西。

## Vibe Coding 的最佳实践

经过一年多的实践，社区总结出了几条经验：

### 1. 小步快跑，不要一口吃成胖子

```
❌ 错误做法：
"帮我做一整个电商后台管理系统"

✅ 正确做法：
"先做用户列表页，包含分页和搜索。"
→ 审查确认 → "好，现在加用户详情页。"
→ 审查确认 → "现在加用户编辑功能。"
```

每完成一小步就审查，发现偏差及时纠正。别等 AI 生成了几千行代码再回头看——那时候你已经看不懂了。

### 2. 教会 AI 你的偏好，而不是每次都纠错

```
❌ 每次都说：
"不要用 Lombok，用显式的 getter/setter"
"不要用 @Autowired 字段注入，用构造器注入"

✅ 写进 CLAUDE.md：
## 编码偏好
- 禁止使用 Lombok，所有 getter/setter/constructor 显式编写
- 依赖注入统一使用构造器注入，禁止 @Autowired 字段注入
- 日志使用 @Slf4j（允许这个 Lombok 注解）
```

把偏好写进项目配置里，一劳永逸。

### 3. 让 AI 写测试，不是你来写

AI 最擅长的事情之一就是生成测试用例。让它为刚生成的代码写测试，运行不过就让它自己修。

```
$ claude
> 为刚才创建的 OrderSummaryService 写单元测试。
> 覆盖正常场景、空订单、大数量订单三个情况。
> 跑完测试如果有失败的，直接修复。
```

### 4. 始终审查 AI 生成的代码

**绝不盲目信任 AI 的代码。** 即使它看起来正确，也要审查：

- 有没有注入漏洞（SQL 拼接、XSS）
- 有没有性能陷阱（N+1 查询、未建索引）
- 有没有线程安全问题（共享可变状态）
- 有没有边界处理遗漏（null 值、空集合、超大输入）

AI 能写出语法正确、逻辑通顺的代码，但它不保证安全和性能。审查的责任在你这。

### 5. 用 Git 做安全网

在让 AI 做大规模改动前，先提交当前代码。这样如果改坏了，一个 `git reset --hard` 就能回来。

```
git add -A && git commit -m "checkpoint: before AI refactoring"
# ... 让 AI 改代码 ...
git diff  # 仔细审查改动
# 如果满意就保留，不满意就 reset
```

## 这改变了什么，没改变什么

**改变的**：

- 写代码的速度（快 5-10 倍是常见反馈）
- 学习新技术栈的门槛（AI 帮你填语法细节）
- 开发的重心（从"怎么写"到"写什么"）

**没改变的**：

- 系统设计的核心能力（AI 不会替你决定架构）
- 代码审查的重要性（反而更重要了）
- 领域知识的价值（AI 不理解你的业务，你才理解）
- 调试能力的需求（AI 生成的代码同样有 Bug）

> 一句话总结 Vibe Coding：**你的价值不再是你敲键盘的速度，而是你判断什么值得做的能力。**

## 小结

**Vibe Coding**：用自然语言描述需求，AI 负责实现代码。你关注 What，AI 关注 How。

**主流工具**：

- IDE 型：Cursor、Copilot、Windsurf（在编辑器里用 AI）
- CLI 型：Claude Code、Codex CLI、Gemini CLI（在终端里让 AI 自主操作）

**AGENTS.md / CLAUDE.md**：放在项目根目录的 AI 上下文文件，让 AI 从一开始就懂你的项目

**Spec-driven Development**：写代码之前先写规格说明书，AI 严格按 Spec 实现，你对照 Spec 验收

**最佳实践**：

1. 小步快跑，逐步审查
2. 把偏好写进配置文件，一劳永逸
3. 让 AI 写测试，自己盯质量
4. 始终审查 AI 生成的代码
5. Git 是安全网——大规模改动前先 commit

下一篇接着聊聊 **Computer Use 与 Agent 安全**（AI 操作浏览器和电脑的技术、安全沙箱机制、Prompt 注入防御）。