AI Native Coding ​

「Plan, search, or build anything」—— 在 AI 原生编程里，规划和构建可以有不同的起点与节奏。本文介绍 AI Native Coding 的基本概念、常见工作流与规范，以及 Vibe 与 Spec 两种模式的差异与适用场景。

什么是 AI Native Coding ​

AI Native Coding 指以 AI 为第一协作对象的开发方式：从需求探索、方案设计到代码实现，都围绕与 AI 的对话与协作展开，而不是把 AI 仅当作「写代码的助手」。

核心特点包括：

• 对话优先：用自然语言描述目标、约束和上下文，让 AI 参与理解与拆解。
• 迭代式构建：在实现过程中持续澄清、修正和扩展，而不是一次性写完再改。
• 规范与上下文可复用：通过 PRD、SPEC、Skills、Rules 等把约定沉淀下来，让 AI 在不同会话中保持一致行为。

常见工作流（Flow） ​

不同团队和场景下，流程会有所差异，但大体可以归纳为两类主流程：

1. 探索优先（Vibe）：先通过对话探索想法和需求，再在迭代中逐步实现。
2. 规划优先（Spec）：先写好需求与设计（PRD/SPEC/Test Case），再让 AI 按文档实现。

下面会单独说明这两种模式的概念与区别。除此之外，还有一类常见流程：

• 文档驱动开发：在任意模块（含 PRD/SPEC/测试用例）中，按「需求 → 设计 → 测试用例 → 实现 → 单测」顺序推进，并保持文档与代码同步更新。适合需要可追溯、可评审的协作场景。

规范（Conventions） ​

在 AI Native 协作中，规范用于减少歧义、统一风格，并让 AI 行为可预期。常见形式包括：

建议在项目中显式维护这些规范，并在提示或 Skills 中引用，让 AI 在写代码前「先看文档再动手」。

Vibe 与 Spec：概念与区别 ​

很多 AI 编程产品会用 Vibe 和 Spec 来区分两种构建方式，可以简单理解为：先聊再建 vs 先规划再建。

Vibe（先聊天，再构建） ​

• 一句话：Chat first, then build. Explore ideas and iterate as you discover needs.
  先对话、再实现；在发现需求的过程中探索想法并迭代。

• 特点：

  • 不要求一开始就有完整需求或设计。
  • 通过和 AI 的对话逐步澄清「要什么」和「怎么做」。
  • 适合快速试错、验证想法、边做边改。

• 适用于：

  • 快速探索与验证（Rapid exploration and testing）
  • 需求尚不清晰时的构建（Building when requirements are unclear）
  • 实现一个相对独立的任务（Implementing a task）

Spec（先规划，再构建） ​

• 一句话：Plan first, then build. Create requirements and design before coding starts.
  先规划、再实现；在编码开始前完成需求与设计。

• 特点：

  • 先写清楚需求、接口、行为或测试用例，再让 AI 按文档实现。
  • 强调前置思考与结构化，减少返工和理解偏差。
  • 适合需要评审、协作或长期维护的功能。

• 适用于：

  • 深入思考功能（Thinking through features in-depth）
  • 需要前期规划的项目（Projects needing upfront planning）
  • 以结构化方式构建功能（Building features in a structured way）

对比小结 ​

实际开发中可以根据任务性质混合使用：例如用 Vibe 做早期探索和原型，再用 Spec 把确定下来的部分写成 PRD/SPEC 和测试用例，交给 AI 实现与单测。

延伸阅读 ​

• 本站 AI 工具介绍、AI 使用技巧 可配合使用，提升与 AI 协作时的环境与效率。
• 若你使用 Cursor，可结合项目内 文档驱动开发 的 Skill（PRD/SPEC/Test Case 流程）与 Rules，让 AI 先读文档再写代码，保持文档与实现同步。

AI Agent 与 LLM（大语言模型）的核心区别 ​

AI Agent（智能体）和 LLM（大语言模型，以 OpenAI GPT 系列等为代表）是包含与被包含、层阶与能力完全不同的两类AI体系：LLM 是 AI Agent 的核心“大脑”/基础能力组件，而 AI Agent 是基于大语言模型（如 GPT）扩展出的、具备自主感知、决策、行动能力的完整智能系统。

简单来说：LLM 是“能理解和生成语言的智能大脑”，AI Agent 是“装上了眼睛（感知）、手脚（工具）、思维（规划），能自己完成任务的智能机器人”。

二者的核心差异体现在定位、核心能力、工作模式、解决问题的维度等多个层面，以下从关键维度做清晰拆解，同时补充二者的关联，帮你彻底厘清边界：

一、核心定位与本质不同 ​

LLM（大语言模型） ​

• 本质：语言理解与生成的基础模型，核心是对文本数据的建模，实现“输入文本→理解语义→生成符合逻辑、上下文的输出文本”。
• 定位：AI领域的基础能力组件，是“感知和思考的核心模块”，但本身不具备自主规划、工具调用、环境交互的能力。
• 核心价值：解决“语义理解、内容生成、知识问答”等纯语言层面的问题，是构建更复杂AI系统的基础底座。

AI Agent ​

• 本质：具备自主决策和行动能力的智能系统，是大语言模型结合感知模块、规划模块、工具调用模块、记忆模块形成的完整智能体。
• 定位：AI领域的应用型智能系统，是“能独立完成复杂任务的执行者”，核心目标是解决现实世界的具体问题。
• 核心价值：将大语言模型的“认知能力”转化为“行动能力”，实现从“能说”到“会做”的跨越。

二、核心能力的核心差异（最关键） ​

LLM 的能力集中在语言层，而 AI Agent 在 LLM 的语言能力基础上，新增了四大核心能力，这也是二者的本质区别：

典型能力对比案例 ​

• LLM：问“2026年中国GDP预计是多少？”，LLM 仅能基于训练数据（如 2025 年及之前）做推测，无法实时联网获取最新数据，答案大概率是过时或模糊的；

• AI Agent：接到同样问题，会自主规划→调用“浏览器/财经API”工具→实时获取2026年最新GDP预测数据→整理数据→生成精准答案，全程无需人工干预。

• LLM：问“帮我计算100个股票的市盈率并排序”，LLM 仅能给出计算公式，无法直接操作Excel/数据库完成计算；

• AI Agent：会自主调用Excel/Python工具→读取股票数据→执行计算→排序→生成结果表格，直接交付最终成果。

三、工作模式与交互逻辑不同 ​

LLM：单次输入-单次输出的线性交互，无自主行动 ​

LLM 的工作完全依赖人工实时指令，是“你说一步，我做一步”的被动响应模式：

1. 人工输入明确的文本指令（如“写一篇产品文案”）；
2. LLM 理解指令后，生成文本输出；
3. 交互结束，无后续自主行动，若需继续操作，需人工再次输入新指令；
4. 仅能基于当前会话的短期上下文做响应，无法记住跨会话的信息，也无法根据结果调整策略。

AI Agent：目标驱动-自主执行的闭环工作，无需人工干预 ​

AI Agent的工作是以目标为核心的自主闭环，是“你定目标，我做全程”的主动执行模式，核心遵循感知（Perceive）-规划（Plan）-行动（Act）-反馈（Feedback）（PPAF）的循环逻辑：

1. 人工输入模糊/复杂的目标（无需明确指令，如“帮我完成本周的工作周报”）；
2. 感知：Agent读取外部环境信息（如本地工作文件、企业系统数据），结合自身记忆；
3. 规划：将目标拆分为多个可执行的子任务，制定执行顺序和策略；
4. 行动：自主调用工具完成每个子任务，获取执行结果；
5. 反馈：根据工具执行的结果，判断是否符合目标要求，若不符合则调整规划和行动（如数据不全则再次调用工具获取）；
6. 重复3-5步，直到完成所有子任务，最终交付完整的任务成果，全程无需人工介入。

四、解决问题的维度与场景不同 ​

LLM：解决纯语言层面、简单、即时的问题，适用于“信息输出”场景 ​

LLM 的能力边界是语言本身，无法触达现实世界的具体操作，核心适用于：

• 内容创作（写文案、写文章、写诗）；
• 知识问答（解答常识、专业知识问题）；
• 语义理解（翻译、总结、提炼文本核心信息）；
• 简单逻辑推理（数学题、逻辑题解答）。

这些场景的共性是：无需外部工具、无需环境交互、仅需文本输入和输出，且任务是“一次性、即时性”的。

AI Agent：解决现实世界、复杂、多步骤的问题，适用于“任务执行”场景 ​

AI Agent的能力边界是现实世界的具体任务，核心适用于需要规划、工具、交互、记忆的复杂场景，例如：

• 办公自动化（写周报、整理会议纪要、统计数据、发送工作邮件）；
• 数据分析（获取数据、清洗数据、建模分析、生成可视化报告）；
• 代码开发（需求分析、编写代码、调试运行、生成开发文档）；
• 智能客服（自主理解用户问题、调用知识库/业务系统、给出解决方案、跟踪问题进度）；
• 个人助手（制定旅行计划、预约机票酒店、整理日程、提醒待办事项）。

这些场景的共性是：需要拆分复杂任务、需要调用外部工具、需要与环境/系统交互、需要长期记忆，且任务是“多步骤、闭环式”的，需要从“目标”到“成果”的完整执行。

五、架构组成不同 ​

LLM：架构单一，核心是大语言模型本身 ​

LLM 的核心架构是Transformer+海量文本训练形成的语言模型，仅包含：

• 输入层：接收文本输入，做分词、向量化处理；
• 模型层：通过Transformer的编码器/解码器完成语义理解和生成；
• 输出层：将模型输出转化为自然文本。

原生 LLM 无其他模块，所有能力都集中在模型本身，是一个单一、封闭的系统。

AI Agent：架构复杂，是多模块协同的集成系统 ​

AI Agent 是以大语言模型（如 GPT、Claude、文心一言）为核心大脑，整合多个功能模块形成的开放、集成系统，经典架构包含五大核心模块（缺一不可）：

1. 核心大脑（LLM）：如 GPT，负责语义理解、逻辑推理、任务规划、决策判断，是Agent的“思维中心”；
2. 感知模块：负责获取外部环境信息（如文本、文件、网络数据、软件界面、传感器数据），是Agent的“眼睛和耳朵”；
3. 规划模块：负责将复杂目标拆分为子任务，制定执行策略，调整行动方案，是Agent的“大脑皮层”；
4. 工具调用模块：负责对接并调用外部工具/API（如计算器、浏览器、Excel、Python、第三方业务系统），是Agent的“手脚”；
5. 记忆模块：分为短期记忆（会话上下文）和长期记忆（历史任务、知识、用户偏好），负责存储、检索、复用信息，是Agent的“记忆库”。

六、二者的核心关联：LLM 是 AI Agent 的“基础底座” ​

AI Agent 无法脱离大语言模型独立存在，而 LLM（如 GPT）是目前最成熟、应用最广泛的 AI Agent 核心大脑，二者是组件与系统的关系：

1. LLM 为 AI Agent 提供核心的认知能力（语义理解、逻辑推理、决策判断），是 Agent 能“思考”的基础；
2. AI Agent 是 LLM 能力的延伸和落地，将 LLM 的“语言能力”转化为“行动能力”，让大语言模型从“纸上谈兵”变成“实际做事”；
3. 除 GPT 外，Claude、Gemini、文心一言、通义千问等大语言模型也可作为 AI Agent 的核心大脑，OpenClaw 这类工具则是为 AI Agent 解决长会话上下文管理的配套技术方案（如解决 AI Agent 长任务执行中上下文溢出的问题）。

一句话总结核心区别 ​

• LLM：能想、能说，但不会做，是解决语言问题的“智能大脑”；
• AI Agent：能想、能说、更会做，是基于 LLM（如 GPT）等大脑，装上感知、手脚、记忆，能独立完成复杂任务的“智能机器人”。

简单来说，LLM 是 AI Agent 的“灵魂”，而 AI Agent 是让这个“灵魂”拥有了身体和行动能力的完整个体。

Superpowers：面向编码 Agent 的技能框架与工作流 ​

Superpowers 是一个基于**可组合技能（skills）**的 Agent 软件开发方法论与工作流框架，适用于 Claude Code、Cursor、Codex、OpenCode 等编码 Agent，强调「先澄清再实现」、测试驱动与子 Agent 协同。

核心思路 ​

• 不急于写代码：启动后先通过对话澄清目标，从对话中提炼出可评审的规格（spec），按小块呈现设计供确认。
• 规格驱动实现：在获得设计认可后，生成足够具体、可执行的实现计划（含文件路径、代码意图、验证步骤），再由子 Agent 按计划执行并做两阶段审查（先看是否符合规格，再看代码质量）。
• 技能自动触发：技能在适当时机自动激活，无需额外指令，即可让 Agent 按既定流程工作。

典型工作流（节选） ​

技能库概览 ​

• 测试：test-driven-development（含反模式参考）
• 调试：systematic-debugging（四阶段根因分析）、verification-before-completion
• 协作：brainstorming、writing-plans、executing-plans、dispatching-parallel-agents、requesting-code-review、receiving-code-review、using-git-worktrees、finishing-a-development-branch、subagent-driven-development
• 元能力：writing-skills（编写新技能）、using-superpowers（技能体系介绍）

理念简述 ​

• 测试驱动：始终先写测试。
• 流程优先：系统化流程优于临时发挥。
• 控制复杂度：以简单为首要目标。
• 用证据说话：在宣称完成前先验证。

使用 vs 不使用 Superpowers 的效果对比 ​

1. 开发流程规范性 ​

2. 代码质量保障 ​

3. 开发效率与自主性 ​

4. 工程化成熟度 ​

Superpowers 通过标准化流程和自动化技能，让编码代理从“即兴写代码”升级为“专业工程化开发”，在质量、效率、自主性上均有质的提升。

BMad Method：敏捷 AI 驱动开发的完整框架 ​

BMad Method（Breakthrough Method for Agile AI Driven Development，也常被解读为 Build More Architect Dreams）是一套面向 AI 驱动敏捷开发的模块化框架与生态系统，具备规模自适应的规划深度，可从修 bug 一直扩展到企业级系统。100% 开源，无付费墙。

核心特点 ​

• AI 智能引导：随时可通过 /bmad-help 获取「下一步该做什么」的指引，也可提问如「架构刚做完，接下来做什么？」。
• 规模-领域自适应：根据项目复杂度自动调整规划深度，小到单点修复、大到企业级交付均可适用。
• 结构化工作流：基于敏捷实践，覆盖分析、规划、架构与实现，提供 34+ 官方工作流。
• 多角色专家 Agent：内置 12+ 领域专家角色（如产品经理、架构师、开发者、UX、Scrum Master 等），可按需调用。
• Party Mode：支持在同一会话中引入多个 Agent 角色协作讨论，形成「多角色会议」式决策。
• 全生命周期：从头脑风暴到部署，覆盖完整开发生命周期。

安装与使用 ​

• 环境要求：Node.js v20+
• 安装：npx bmad-method install（或指定版本：npx bmad-method@6.0.1 install）
• 非交互安装（如 CI/CD）：npx bmad-method install --directory /path/to/project --modules bmm --tools claude-code --yes
• 适用 IDE：Claude Code、Cursor 等 AI 编程环境；安装后在该项目目录下打开即可使用。

模块生态 ​

更多文档与路线图见 docs.bmad-method.org。

Superpowers 与 BMad Method 的对比 ​

两者都致力于让 AI 辅助开发更规范、可追溯，但定位与形态不同：

简要总结：Superpowers 更像「编码 Agent 的标准化技能包 + 流程」，强调规格驱动与测试驱动；BMad Method 更像「敏捷 AI 开发的操作系统」，强调多角色、全生命周期与规模自适应。二者可互补：例如用 BMad 做需求与架构阶段，用 Superpowers 的技能（如 TDD、writing-plans）规范具体实现与评审。