写提示词，已经不够了：AI 工程方法正在悄悄\"换血\"

彼德研究院

2026年8月20日 09:00
上海

在小说阅读器读本章

去阅读

从 Vibe Coding 到 Agentic Engineering，从 Prompt Engineering 到 Context Engineering——AI 写代码这件事，底层的方法论已经悄悄变天。

你有没有过这种经历：

花一下午调提示词，终于让 AI 写出了一段能跑的代码，你兴奋地按下运行——结果bug比代码还多；你让它修，它修一个炸三个；你想让它\"像个资深工程师一样把整个模块设计好\"，它却只回你一段孤零零的函数，还顺手把你的数据库密码写进了日志里。

问题不在你提示词写得不好。问题是，你还在用\"写提示词\"的旧方法，去解决\"造系统\"的新问题。

过去两年，AI 编程的重心发生了一次静悄悄的转移：从\"怎么让 AI 听懂一句话\"，变成了\"怎么给 AI 造一个能稳定干活的环境\"。这条线上有四个最值得记住的关键词——Vibe Coding、Agentic Engineering、Prompt Engineering、Context Engineering。今天我们就把它们串成一条线，讲清楚 AI 工程方法到底换成了什么血。

Vibe Coding：当写代码变成\"说人话\"

Part.01

2025 年初，OpenAI 联合创始人、前特斯拉 AI 负责人 Andrej Karpathy 在社交平台上发了一条长帖，正式把一个词推到了台前：Vibe Coding（氛围编程）。

它的意思是：你不用再一行一行写代码，你只需要用自然语言描述你想要什么，AI 就把代码给你生成出来。你甚至不需要完全看懂它写的代码——你\"感受着氛围\"（vibe），告诉它\"这里不对、那里再改改\"，它就继续改，直到东西能跑起来。

这听起来像天方夜谭，但今天它已经成了很多人的日常：

• 一个不会写 Python 的产品经理，用 Vibe Coding 半小时搭出一个能用的数据看板；

• 一个独立开发者，靠\"和 AI 对话\"一周做出一个上架的小应用；

• 一个前端，把\"把按钮改成圆角、间距再大点\"这种口语直接丢给 AI，省掉了翻文档的时间。

Vibe Coding 真正的价值，是抬高了下限。它让没有工程背景的人，也能从 0 到 1 把想法变成能跑的东西。以前你要学半年语法才能入门，现在你只要会\"把需求说清楚\"。

这是一场民主化的革命。但也正因为它门槛低，它天生带着一个天花板。

Vibe Coding 的天花板：代码能跑，不等于能交付

Part.02

Vibe Coding 最大的误区，是让人误以为\"能跑\"就等于\"能用\"。

事实是：

• 能跑的原型，离能上线的系统，差着十万八千里。 原型只需要\"这一刻能演示\"，系统需要\"三个月后不崩、别人能接手、出事能追责\"。

• AI 在你眼皮底下偷偷犯错。 它可能会引入安全漏洞、会把敏感信息写进日志、会在你没注意时删掉测试。你\"感受着氛围\"改来改去，其实根本没看懂它在干什么。

• 它不会替你负责。 代码上线后出了问题，背锅的是你，不是模型。

这就是 Karpathy 在 2026 年 AI Ascent 大会上把话题往前推一步的原因。他在那场演讲里第一次系统地讲清楚了另一个概念：Agentic Engineering（智能体工程）。

他的判断很锋利——Vibe Coding 抬高了下限，但 Agentic Engineering 才保得住上限。

Agentic Engineering：你是\"指挥\"，不是\"码农\"

Part.03

如果说 Vibe Coding 是\"我告诉 AI 写一段代码\"，那 Agentic Engineering 就是\"我设计一套由多个 AI 智能体组成的工作流，让它们协作完成一个完整的工程任务\"。

区别在于角色。

在 Vibe Coding 里，你是那个不断和 AI 对话、手动纠偏的人；在 Agentic Engineering 里，你的角色变成了指挥（orchestrator）：你负责把任务拆好、把合适的 Agent 安排到合适的岗位、设定好验收标准，然后让一群各有所长的 Agent 在约束下协同干活。

一个典型的 Agentic 工作流可能是这样：

• 编码Agent 负责写实现；

• 测试 Agent负责写用例、跑回归；

• 检索Agent 负责从代码库和文档里找上下文；

• 审查 Agent负责检查安全、性能和规范；

• 部署Agent负责把验证过的改动推上线。

而你，坐在中间，做的是设计、协调、监督和验收——就像一位总工，而不是一个一直在敲键盘的码农。

Agentic Engineering 之所以重要，是因为它补上了 Vibe Coding 缺的那块：质量、安全、责任。多个专业 Agent 分工协作 + 人工在关键节点把关，才能产出\"可上线、可维护、可追责\"的系统。

一句话总结这一节的转折：AI 编程的第一阶段是\"让人人都能写代码\"，第二阶段是\"让专业交付仍然专业\"。 Vibe Coding 解决前者，Agentic Engineering 解决后者。

为什么\"写提示词\"不够了：Context Engineering 来了

Part.04

讲完\"写代码\"这条线，我们再来看另一条更底层的线——你怎么和 AI 对话。

早期大家都在练一门手艺：Prompt Engineering（提示词工程）。核心心法是\"怎么把一句话写得更清楚、更有结构、更能引导模型\"。什么\"角色设定\"\"少样本示例\"\"思维链\"，本质上都是在打磨你写的那一句指令。

但到了 Agent 时代，人们发现一个尴尬的事实：你那句提示词写得再漂亮，也只是模型在那一刻看到的全部信息的很小一部分。

模型真正依赖的，是它在一次推理中能看到的所有 token——这包括但不限于：

• 系统指令（System Prompt）；

• 工具说明（它能调用哪些函数、怎么调用）；

• 外部连接（MCP、API）；

• 检索回来的知识（RAG）；

• 历史对话（Memory）；

• 以及——它自己前几轮执行产生的中间结果。

这就是 Context Engineering（上下文工程） 登场的背景。它被认为是 Prompt Engineering 的自然演进，核心定义是：在模型每次推理时，策划并维护好它\"该看到的那一篮子 token\"。

这件事有多重要？几个信号可以作证：

• Anthropic在 2025 年 9 月发布《Effective Context Engineering for AI Agents》，把上下文管理（系统指令、记忆、检索）列为 Agent 可靠性的核心杠杆；

• LangChain在 2025 年 7 月发布《Context Engineering for Agents》，给出了业界引用最广的操作框架，核心动作可以概括为写入（持久化到上下文之外）、读取（按需取回）、选择（挑哪些进窗口）、遗忘（及时丢弃）；

• GitHub 上一个叫 context-engineering-intro 的仓库，简介只有一句话——\"Context engineering is the new vibe coding\"（上下文工程，就是新一代的 vibe coding），收藏早已过万。

注意这句话的份量：它把 Context Engineering 抬到了和\"当年 Vibe Coding 引爆全民 AI 编程\"同样的历史位置。Prompt 关心的是\"你怎么说\"，Context 关心的是\"模型在什么环境里说\"。 后者显然更根本。

把两条线拧成一条：AI 工程方法的演进暗线

Part.05

如果你把前面所有概念摆在一起，会发现它们其实是一条暗线上的四个节点：

Prompt Engineering（把一句话写明白）→ Vibe Coding（用自然语言直接产出代码，抬高下限）→ Context Engineering（管好模型看到的一切，决定可靠性）→ Agentic Engineering（多 Agent 协同，保住交付的上限）

可以这么理解：

• Prompt Engineering是起点，教你怎么\"开口\"；

• Vibe Coding是把开口的威力放大到\"直接造东西\"，但它松散、不可控；

• Context Engineering 是给这种松散加上\"环境约束\"，让 AI 在正确的上下文里工作；

• Agentic Engineering 是把约束下的多个 AI 组织成团队，去完成真正严肃的工程任务。

所以\"提示词已死\"这种说法，准确地说应该是：单靠一句提示词的时代过去了，取而代之的是\"为 AI 设计一整套工作环境\"的能力。你不再只是个写指令的人，你是个系统设计师。

对不同的人，这意味着什么

Part.06

方法论变了，不同角色的应对方式也不同。给你一份速查清单：

如果你是工程师

• 别再只练\"提示词话术\"，去学 Context Engineering：怎么管理记忆、检索、工具调用；

• 开始用 Agentic 思路工作：把自己从\"写每行代码\"解放出来，转向\"设计工作流、设验收标准、在关键节点把关\"；

• 你的价值会从\"手速\"转向\"判断力\"——知道什么时候该信 AI、什么时候必须自己查。

如果你是产品经理 / 创业者

• Vibe Coding 足够你做原型、验想法，但别用它直接交付生产系统；

• 真正要落地时，找懂 Agentic Engineering 的人来搭骨架，而不是指望\"多聊几句 AI 就能搞定\"；

• 评估一个 AI 项目靠不靠谱，看它有没有上下文管理和多 Agent 协作，而不是看演示多花哨。

如果你是普通学习者

• 不必焦虑\"学不会写代码\"。Vibe Coding 已经把门槛降到了\"会说需求\"；

• 但你得学会把问题讲清楚、把边界划明白、对结果保持怀疑——这比背语法重要得多；

• 理解\"上下文\"这个概念，能帮你更好地驾驭任何 AI 工具：你给它的背景越对，它干得越漂亮。

写在最后

Part.07

回到开头的那个场景：你花一下午调提示词，AI 写出了能跑却满身 bug 的代码。

现在你大概明白了——不是你提示词不行，是方法该升级了。

从 Prompt 到 Vibe，从 Context 到 Agentic，AI 工程方法正在完成一次\"从写指令\"到\"造环境\"的换血。谁先理解这套新方法论，谁就能让 AI 不只是\"帮你写段代码\"，而是真正\"替你把事办成\"。

旧世界比的是：谁的话术更能骗过模型。新世界比的是：谁的环境更能成就模型。

这，就是工程方法这一课要讲的全部。

END

文章来源：Aiker World社区