一. Vibe Coding 氛围编程​

​

通过自然语言和 AI 对话，让 AI 帮你写代码，你只需要描述需求、测试结果、指导方向。​

​

适合：适合快速试想法、做原型、改小功能。​

​

二. Harness Engineering 驾驭工程​

​

Harness engineering 可以大白话理解成：不是只会“让 AI 写代码”，而是把 AI 放进一套能稳定干活的工作环境里，让它少犯错、犯错后能自动纠正。​

它的重点不是“怎么把一句提示词写得更好”，而是“怎么把整个系统搭好，让 AI 在这个系统里可靠地完成任务”。​

简单说就是：人负责设计规则、边界、反馈机制；AI 负责执行具体工作。​

​

Harness Engineering 核心思想：​

- 上下文管理：给 AI 合适的信息，别喂太多垃圾上下文。​

- 结构约束：规定它能改哪里、不能改哪里。​

- 测试和校验：让 AI 每次做完都能自动检查。​

- 反馈回路：做错了就修，修完再验证，形成闭环。​

- 任务切分：把大目标拆成 AI 更容易执行的小步骤。​

​

它和提示词工程的区别：​

- 提示词工程：更像是“怎么跟 AI 说话，让它这次答对”​

- Harness engineering：更像是“给 AI 配一套好用的工位、工具、检查机制和回路，让它长期稳定答对”​

​

适合：适合长期开发、复杂功能、团队协作。​

​

三. Ralph Wiggum Loop​

​

Ralph Wiggum Loop 是一种让 AI 持续改进的循环机制，它通过让 AI 自己发现问题、提出解决方案、执行修复、验证结果，形成一个闭环。​

​

工作流程大概是这样的：​

​

- 先写一份 PRD（产品需求文档），把要做的功能拆解成一个个清晰的检查项​

- 让 AI 智能体开始执行，每次从检查清单中取出未完成的任务​

- AI 完成一个任务后，通过 Git 提交代码并记录进度​

- 以全新的上下文开始新一轮迭代，继续处理剩余任务​

- 不断循环，直到所有检查项完成​

​

这种模式的巧妙之处在于，每轮循环都以干净的上下文开始（通过 Git 和文件来持久化进度），避免了长对话中 AI 容易断片儿的问题。而且可以无人值守地运行，你写好 PRD 就可以去睡觉了，第二天起来检查成果就行。​

​

适合：功能明确且可拆解的项目、想让 AI 无人值守地干活、任务量大但单个任务相对独立。​

​

四. BMAD 敏捷 AI 开发方法​

​

BMAD-METHOD（Breakthrough Method of Agile AI-Driven Development，突破性敏捷 AI 驱动开发方法）是一套系统化的 AI 智能体开发框架，目标是将原本混乱的 AI 编程过程变得结构化、可复用。​

​

三层核心思想：​

- 第一层思想是“先规划，后编码”：BMAD 强调先由分析、产品、架构等角色把 PRD、用户故事、架构说明等文档梳理清楚，再进入开发，从而减少 AI 直接写代码时常见的跑偏和返工。​

- 第二层思想是“角色分工”：它不是让一个 AI 包办所有事，而是把任务拆给 Analyst、PM、Architect、Developer、QA 等不同角色，形成类似真实团队的交接流程。​

- 第三层思想是“上下文工程和可审计性”：通过把需求、约束、设计和历史决策嵌入工作流，BMAD 试图降低上下文漂移，让输出更可预测，也更容易治理和复盘。​

​

典型流程​

​

不少资料把 BMAD 概括为一个分阶段流程，例如 Analysis → Planning → Solutioning → Implementation，先定义问题和约束，再拆成故事和验收标准，随后补齐设计并执行实现。​

在更完整的用法里，前期会先产出 project brief、PRD 和 architecture 文档，之后再由开发代理按故事逐步实现，这本质上是一种 spec-driven 的 AI 开发方式​

​

适合：从零开始的完整项目、需要走完分析-设计-开发全流程的产品、团队想要标准化 AI 开发流程。​

​

​

而 SDD 的思路正好相反：先把需求写成规范文档，并且把规范文档当作代码的唯一真相来源。​

​

你可以把规范文档理解为 “项目宪法”，它包含了详细的需求描述、系统设计和接口定义。AI 必须严格遵守这些条文来生成代码，确保产出完全符合预期。​

​

为什么 SDD 越来越受重视？​

- 因为 AI 生成代码的质量直接取决于上下文的清晰度，而不仅仅是依靠提示词技巧。一个清晰的规范文档能比任何 Prompt 黑魔法更有效地减少错误。​

​

SDD 的典型工作流程：​

- Constitution 制定准则：定义项目的基本原则、代码规范、性能标准​

- Specify 编写规范：描述要做什么功能、为什么做、用户需求是什么​

- Clarify 澄清疑问：让 AI 提出结构化问题，明确边界情况和错误处理​

- Plan 制定方案：确定技术栈、系统架构、数据模型、API 接口​

- Tasks 拆解任务：把计划拆解成可执行的任务列表，标注依赖关系和优先级​

- Implement 执行实现：AI 按照任务列表生成代码，人类验证​

​

适合场景：需求复杂且明确的项目、对代码质量要求高的场景、团队多人协作开发。​

​

注意，这些模式之间并不是互相排斥的，实际开发中完全可以混着用。比如用 SDD 先把规范写好，再用 BMAD 的角色化智能体去执行，底层用 Harness Engineering 的思路来约束 AI 的行为。灵活组合，效果更佳。