从 Vibe Coding 到 Agentic Engineering:2025—2026 Agent 发展路线图

发表于 2026-11-13 16:37 2425 字 13 min read

暂无系列文章
从 2025 年初到 2026 年 11 月,回放 Vibe Coding、Coding Agent、Context Engineering、Skills、Harness 与持续自治的关键选择,保留当时的约束、未选择路线和事后验证。附带 38 个节点、18 组分叉、47 份资料的交互式历史地图。

Vibe Coding 的历史,不是一条“模型变强 → 人退出开发”的直线。 从 2025 年 1 月到 2026 年 11 月,开发者反复面对的是另一组问题:应该把多少权限交给 Agent?哪些信息需要跨会话保存?测试应由谁定义?当代码量超过人工逐行审查能力时,怎样让系统依然可维护?

下面这张互动地图记录了 38 个历史节点、18 组技术路线分叉和 47 份来源,并支持将视角退回到任一时点:区分当时已知的事实与后来才验证的结果。

Agent Evolution Atlas:从自然语言 Vibe Coding 分叉演进为工具调用、上下文工程、Harness 和持续自治

打开完整交互式路线图(推荐桌面大屏)

重要:这是一份历史研究地图,并非各模型统一基准排行榜。地图中五维 0–5 的能力曲线是依据公开工程进展构建的解释性定性评分,并非跨模型、跨时间标准化测量;不能据此声称某个模型在某一天精确提高了多少百分比。

一、按时间回到当时,而不是用今天的知识重写过去

阶段代表节点当时最重要的问题
2025 Q1:自然语言驱动Operator、Karpathy 提出 Vibe Coding、Claude Code能否不写具体代码,直接表达意图和试错?
2025 Q2:工具循环与异步任务Codex CLI、Codex Cloud、Claude 4Agent 能否实际读仓库、改文件、执行命令、交付 PR?
2025 Q3:能力与 Context EngineeringGPT-5、GPT-5-Codex、有效上下文工程上下文到底应该包含什么?长期任务的成本如何控制?
2025 Q4:可移植技能与跨会话Agent Skills、MCP 代码执行、Checkpoint新会话能否继续正确工作,而不依赖模型记住整个聊天?
2026 Q1:Harness 与独立验收Codex App、Harness Engineering、Planner / Generator / Evaluator不审查每一行代码,怎么审查系统的结果与边界?
2026 Q2:自治的成本和权限Managed Agents、Traces → Evals、权限风险更强的 Agent 还需要多重脚手架吗?错误会扩散多远?
2026 Q3–Q4:项目级与持续自治项目级 Agent、持续 Memory、Saltline、Persistent Agent一次任务完成之后,工程知识和控制权如何持续保留?

这七个阶段不是严格互斥的版本号。后一个范式出现后,前一个也不必消失:快速原型仍然适合 Vibe Coding;高风险系统仍然需要明确的边界与人工裁决。

二、从路线分叉观察“当时为什么这样选”

分叉一:直接接受 AI 代码,还是认真审核? 2025 年初,立即看到运行效果是最大的吸引力。对一次性 Demo,接受模型输出能快速获取反馈;但一旦涉及生产数据、多人维护和性能回归,“效果看起来正确”不再是足够的交付证据。后来的路线不是简单回归逐行人工审核,而是用可执行契约、测试和风险分级改变审核对象。

分叉二:一个长会话,还是多个任务会话? 长会话容易保持当前问题的上下文,却也容易持续携带大量过时日志与失败实验。另一条路线是把决策、测试、代码提交和任务状态外置,让短会话按需读取项目知识。今天两条路都成立:一个尚在排障中的根因适合连续会话;独立任务与长期项目状态则不应依赖聊天历史。

分叉三:单 Agent 还是多 Agent? 多 Agent 在可并行搜索、独立评估和明确交接的任务上有收益;而简单代码修改可能因角色通信、重复上下文、环境冲突让总成本反而增加。重要的不是“Agent 数量”,而是分工是否带来可验证的信息增量。

分叉四:人为制定架构,还是放手让 Agent 自己演化? 随着生成速度提升,架构偏差可能以更快速度累积。OpenAI 的 Harness Engineering 把知识入口、依赖约束、结构检查与自动清理纳入 Agent 的工作环境。这并不证明传统设计模式全部必需,而是让真正重要的边界从“口头建议”转向“可执行约束”。

分叉五:全自动持续运行,还是在关键点停下来? Saltline 展示了很少人工输入就能产生显著视觉结果的可能性,却不能单独证明正式系统可以无人验收。长期 Agent 仍然需要权限边界、可回滚提交、长期记忆与受控发布。

地图中的每条分叉都保存四种信息:当时的约束、当时可选的方案、后来发现的结果、现在的适用条件。其中“未采用”不等于永远失败,“已采用”也不等于问题已经解决。

三、交互式历史路线图

可在下方直接浏览。点击节点查看当时的判断、限制与开放问题;拖动时间轴回到历史时点;启用“事后验证”再查看后来的证据。复杂分支可以跳转到对应日期。

在独立页面全屏浏览路线图 · 查看结构化历史数据

如果浏览器禁用脚本或嵌入视图过窄,可以使用上方独立页面;正文的阶段表和分叉说明是静态阅读的后备版本。路线图页提供来源链接和节点定位,不需要博客后端或账号。

四、如何阅读能力曲线

路线图的五个观察维度分别是 代码推理、长任务连续性、工具自治、独立验证、工程治理。分数用于观察叙事重点发生怎样的变化,而不是衡量厂商模型的绝对智力。

特别需要将三类信号分开:

  1. 模型能力:理解复杂代码、定位错误、处理更长任务的可能性。
  2. Harness 能力:工具、权限、提示、沙箱、状态外置、并行和恢复机制。
  3. 工程可靠性:测试是否有效、架构是否保持稳定、真实产品目标是否达成。

一个模型在公开 Demo 中完成了长时间任务,不等于同样的任务在另一套工具环境下拥有相同成功率。同样,一条上升的定性曲线不能代替 SWE-bench、METR 等具体基准的测量口径和误差范围。

五、回到个人开发:我从这段演化中得到的工程原则

过去一年多最大的变化,也许不是某个模型更会写代码,而是可持续工程的知识不再依赖单个开发者记住每次修改。

对于“一次发起消息、一个会话完成一个任务”的工作方式,更自然的改造是:保留任务级独立会话;让 Agent 进入仓库时先读取简短的项目入口与架构决策;对需要较长执行的任务保留计划、Git 检查点和外部证据;复杂任务增加独立验收;完成时只把真正长期有效的约束写回项目。

当代码生产已经不是瓶颈,设计模式仍然存在价值,但价值正在移动:从节省手写劳动,转向界定可安全修改的范围、减少隐式状态,并让正确性可以被重复验证。

这与站内其他讨论是一条连续的线索:

六、史料原则与研究边界

这份地图以公开发布的研究、官方产品记录与工程复盘为主要依据;时间取可核对的公开节点,不是所有思想首次产生的精确日期。对于后验分析,统一放在对应的“事后验证”层,不反向修改当时的知识边界。

代表性原始资料包括 Andrej Karpathy 提出 Vibe Coding 的帖子、Anthropic 发布 Claude 3.7 Sonnet 与 Claude Code、OpenAI 发布 Codex、OpenAI 的 Harness Engineering 等。具体到每一个节点的来源、日期和后续证据,可在交互地图内展开查看。

资料截止:2026 年 11 月 13 日。 随着新的实践出现,某些路线可能重新被采用、被限制或者被推翻。地图记录的是当时可用的选择与证据,不把今天的主流路径伪装成从一开始就注定正确。


结论: Vibe Coding 让“表达意图”进入开发循环;Coding Agent 让“采取行动”进入循环;Context Engineering 让“给模型什么信息”成为一项工程决策;Harness Engineering 则把“如何防止错误、如何证明结果”变成运行环境的一部分。长期来看,最值得保存的不是一段无限延长的会话,而是可以不断修订和验证的工程决策历史。

本文阅读 — 次
访客 — 浏览 —
© 2024 - 2026 sdoo @red-panda-dev
Powered by theme astro-koharu · Inspired by Shoka