Vibe Coding in Prod - Anthropic 官方深度解析

隨著 AI 技術的快速演進，軟體開發的模式正在經歷根本性的轉變。「Vibe Coding 」不再只是一個時髦的概念，而是真正能在生產環境中實踐的開發方法。今天我們將深入探討 Anthropic 官方的技術分享，了解如何負責任地在實際專案中運用這種革命性的開發方式

這場精彩的技術分享於 2025 年 5 月 22 日在美國舊金山舉辦，主講者是 Anthropic 的技術團隊成員 Erik Schulntz (Member of Technical Staff)。這與我之前分享的 Prompting 101：提示工程基礎指南及 Claude Code Best Practices：Anthropic 官方最佳實踐指南都來自同一場活動，為我們提供了完整的 AI 輔助開發實踐指南

什麼是 Vibe Coding ？

重新定義開發體驗

很多人對 Vibe Coding 存在誤解，認為它只是「讓 AI 大量產生程式碼」。但根據 Andrej Karpathy 的精確定義，Vibe Coding 是

「完全融入氛圍、擁抱指數級成長，並忘卻程式碼的存在」

這個定義的核心在於

關注點轉移：從程式碼細節轉向產品實現
認知負載減輕：讓開發者專注於高層設計和需求理解
降低技術門檻：讓非技術背景的人也能參與應用程式開發
思維模式改變：不再逐行思考程式碼，而是以產品功能為導向

為什麼現在是關鍵時刻？

Erik 在分享中強調了一個驚人的事實：AI 的能力每七個月就會翻倍成長。這意味著

處理能力爆炸性增長：未來的 AI 可能處理數天甚至數週的工作量
傳統審閱模式失效：逐行程式碼審閱無法規模化到如此龐大的程式碼量
新的管理模式需求：我們需要全新的方法來管理和驗證 AI 產生的程式碼

核心原則：忘卻程式碼，但不忘卻產品

這個看似矛盾的原則，實際上是 Vibe Coding 的精髓

忘卻程式碼的存在

不再糾結於變數命名、函式結構等細節
專注於產品功能和使用者體驗
相信 AI 能處理大部分實作細節

但不忘卻產品的存在

深刻理解產品需求和業務邏輯
維持對產品品質和使用者體驗的高標準
確保最終交付的產品符合預期

負責任的實踐方法

這不是全新的挑戰

Erik 提出了一個重要觀點：管理不完全理解的實作並非新問題。在現代軟體開發中

CTO 不會逐行審閱所有程式碼
產品經理 專注於功能和需求，而非實作細節
執行長 關心業務成果，而非技術實作

關鍵在於建立適當的抽象層次和驗證機制

實踐策略

1. 聚焦於「末端節點」

將 AI 產生的程式碼主要應用於程式碼庫的末端節點
避免讓 AI 處理核心架構和關鍵系統組件
對於核心功能，仍需要深入理解和嚴格審閱

2. 建立可驗證的抽象

設計清晰的介面和合約
建立全面的測試覆蓋率
使用類型系統提供額外的安全保障

3. 分層驗證機制

功能驗證：確保功能符合需求
效能驗證：監控系統效能指標
安全驗證：進行安全性測試和審查

Anthropic 的實戰案例

令人驚艷的成果

Erik 分享了一個真實案例：Anthropic 成功將 Claude 產生的 22,000 行程式碼變更 合併至生產環境。這個數字讓人印象深刻，但更重要的是他們如何做到負責任地實踐

負責任實踐的關鍵要素

1. 扮演 AI 的產品經理

提供清晰完整的需求規格
設定明確的約束和限制
持續監控和調整方向

2. 戰略性應用

專注於程式碼庫的末端節點
避免影響核心架構
保持對重要部分的人工審閱

3. 精心設計的驗證

建立自動化測試套件
設計可觀測性系統
實施分階段部署策略

驚人的效率提升

最終結果是開發時間從原本的 數週縮短至一天，這種效率提升不僅僅是速度上的改進，更代表了開發模式的根本性轉變。

成功實踐的四大要訣

1. 成為 AI 的產品經理

傳統的問法是「AI 能為你做什麼？」，但正確的問法應該是：「你能為 AI 做什麼？」

這個觀念轉換非常重要，因為

AI 需要清晰的指導和背景資訊
你的角色是提供脈絡和約束
成功的關鍵在於如何管理和指導 AI

2. 提供全面的背景資訊

為了讓 AI 發揮最大效用，你需要提供

詳盡的需求說明：不只是「要什麼」，還要「為什麼要」
完整的技術規格：包括效能、安全性、相容性等要求
明確的限制條件：時間、資源、技術約束等
豐富的脈絡資訊：相關的程式碼、文件、最佳實踐等

3. 把 AI 當作剛報到的新人

這個類比非常貼切，因為

不會期望立即完成工作：需要教育訓練的過程
需要提供學習資料：相關程式碼、文件、規範等
建立信任關係：透過小任務逐步建立信心
持續指導和反饋：不斷調整和改進

4. 認知技術門檻

雖然 Vibe Coding 大幅降低了開發門檻，但 Erik 強調：

完全非技術背景的人員仍不適合在生產環境中應用 Vibe Coding

這是因為

需要理解基本的軟體架構概念
必須具備判斷程式碼品質的能力
需要了解安全性和效能的基本原則
要能設計有效的測試和驗證策略

問答精華：實踐中的關鍵問題

學習模式的轉變

問題：在 AI 輔助開發時代，我們應該如何調整學習重點？

答案：學習重心應該從底層實作細節轉向高層系統設計

更多關注：架構設計、系統整合、產品思維
減少關注：語法細節、框架特定用法、底層最佳化
新增技能：提示工程、AI 工具使用、結果驗證

提示資訊的平衡

問題：給 AI 的資訊是越多越好嗎？

答案：資訊量應該根據最終成果的要求來決定

高品質要求：提供更多背景資訊和約束條件
快速原型：可以減少資訊量，專注於核心功能
生產環境：必須提供完整的技術規格和限制

資安考量

問題：如何確保 AI 產生程式碼的安全性？

答案：需要建立可驗證正確性的產品與框架

自動化安全掃描：整合 SAST/DAST 工具
程式碼審查：對安全關鍵部分進行人工審查
分層防護：不依賴單一驗證機制
持續監控：建立執行時安全監控

TDD 在 AI 時代的應用

問題：測試驅動開發 (TDD) 在 AI 輔助開發中的角色？

答案：TDD 仍然重要，但應用方式需要調整

引導 AI 撰寫測試：讓 AI 理解需求並產生適當的測試
專注端對端測試：相比單元測試，更重視整體功能驗證
簡潔測試設計：避免過度複雜的測試結構

工作流程建議

問題：在日常開發中，如何最佳化 AI 工具的使用？

答案：建議結合 AI 工具與傳統編輯器：

AI 工具負責：程式碼產生、重構建議、問題診斷
傳統編輯器負責：精確編輯、偵錯、版本控制整合
無縫切換：在不同工具間建立順暢的工作流程

結語：擁抱變革，但保持謹慎

Vibe Coding 代表了軟體開發的未來方向，它不是要取代傳統的開發方式，而是要在適當的場景下提供更高效的選擇。正如 Erik 在分享中強調的，關鍵不在於技術本身，而在於如何負責任地應用這些技術

Vibe Coding 的時代已經來臨，問題不是「是否要採用」，而是「如何正確採用」。讓我們帶著開放的心態和負責任的方式，一起探索這個充滿可能性的新世界

支持創作

如果這篇文章對您有幫助，歡迎透過贊助連結支持我持續創作優質內容。您的支持是我前進的動力！

圖片來源：AI 產生