企业级Vibe Coding实践：效率飙升500%——我们中招了一种新型“戒断反应”

Vibe Coding：是一种新兴编程方式，也被称为 “氛围编程”，可视为AI Coding的子集，由Andrej Karpathy于2025年初提出。其核心是通过自然语言向AI描述需求，由AI生成相应代码，让开发者专注于创意和问题解决，而非底层编码细节。

AI Coding，即AI辅助编程，作为当前GenAI应用落地最快、影响力最大的方向，自然也是我们速石技术前沿探索的题中应有之义。咱们主打一个“上桌吃饭”。
还是那句话，在这场IT技术进步的浪潮里，每个人都有自己的位置。

目前，关于AI Coding对于专业开发者来说，到底是增效还是降效，是有点争议的。我们的观点很明确：必须是提效，而且是大大地提效。

我们毫不怀疑，不论企业或个人，国内AI Coding的使用率将持续提升。
更重要的一点是，Vibe Coding降低了编程门槛，利好于更多领域的“非传统意义上的开发者”。
可以说，是一种更垂直的“AI平权”，或者我们可以叫TA“编程平权”。

扯远了，回到正题。
我们今天分享的是一个企业级项目的Vibe Coding实践。
项目中，我们经历了从“你是光你是电你就是唯一的神”，到“Vibe Debug纯纯搞心态啊我真的没时间陪你闹了”，最后“哎哟不错哦下次再带我飞”的起起落落落落起起起的一系列复杂过程。

实践结果

“古法编程”预估时间：第一步最小可用产品（MVP）的工作量评估大约为：5人/周的工作量，大约200小时。
Vibe Coding实际用时：我们选择当红炸子鸡Claude Code直接设计原型，发现这个过程的效率和完成度远超预期，于是继续用Vibe Coding大法把这个MVP项目完成，共计耗时44小时。

实践结果：与“古法编程”相比，Vibe Coding给这个项目带来了5倍的效率提升。

我们有三个深刻体会

开发者的角色转变：从编码者到架构师

Vibe Coding让开发者的角色发生了根本转变。我们不再是代码的直接生产者，而是：

需求翻译官——将业务需求转化为AI能理解的任务
质量把关人——审查和优化AI生成的代码
架构设计师——专注于系统的整体设计和技术决策

"古法编程"的时代可能要过去了

做这个项目的过程中，Claude经历了几次服务故障和“降智”，在这种时刻我们深刻感受到了一种新型"戒断反应"——不太愿意手写代码了。
这种转变既令人兴奋又让人担忧：

我们需要接受的事实——AI能在几分钟内完成原本需要几小时的编码工作
我们需要学习新的技能——如何有效地与AI协作
我们需要判断AI的输出质量——理解代码原理变得更加重要

人有的毛病，AI也有

有趣的是，AI展现出了一些非常"人性化"的特征，比如：

不喜欢做错误处理（就像很多开发者一样）
倾向于展示成果（在实际完成度远不及预期的时候，总结写得特别好，看起来像完成度非常高）
需要明确的指导（模糊的需求会导致糟糕的结果）

以下是项目实践过程

项目介绍

这个项目包含Web端、服务端以及节点端Agent的开发，由于是企业平台，也包含基本的用户认证和权限控制能力，以及一些基础的监控仪表。由于是内部项目，细节不便过多对外披露。

技术栈选择如下：
服务端：Go
节点端Agent：Go，Shell
前端：React
数据库：PostgreSQL

项目阶段记录

Claude Code的交互均在命令行中完成，对于有一些技术背景的人来说，体验非常流畅。TA上手非常容易，网上有大量的介绍和使用技巧说明，Anthropic官方也提供了非常不错的文档和实用技巧说明。
Claude Code提供了`/cost`命令，便于观察工作过程中模型用量、时间和对应的token成本，我们也做了相应的记录。

阶段1 - 架构设计和前后端实现

我们把这个项目涉及到的功能描述后，让Claude做了一个网页界面的原型，并要求Claude用模拟数据填充网页界面。
这个过程Claude非常快地就完成了，经过几轮需求调整和几次快速的debug，一个用模拟数据的前端就在本地跑了起来，速度和完成度都远超预期。
这让我们对于用Vibe Coding完成这个项目也有了很大的信心。

这其实也是一个“Working Backwards”的过程，用一个做好的前端尽快拿到用户反馈，再进行后端的开发和调试，这样可以尽量减少返工和需求变更带来的额外工作量。
前端开发完成后，用户反馈没问题，便开始了后端的开发。

开始一个新的后端项目，做的第一件事情一定是“顶层设计”，Vibe Coding也不例外。
Claude在这个过程的表现基本符合预期，在我们的引导下，完成了系统架构文档的撰写和核心数据结构的设计。经过我司CTO的审阅，架构设计是合理的，于是我们便让Claude拿着这个架构设计以及之前构建前端时写的API Spec开干。
不得不说，这个阶段Claude的代码产出量和产出速度又一次超出了我们的预期，在几乎没有干预的情况下，把后端和服务端的代码基本写完了。还在我们的要求下，写了不少单元测试。

完成这些后，Claude报告的用量和时间：

可以看到API调用一共花费了5小时出头，而我们实际用于输入指令和等待输出的时间加起来大约8小时。

这个阶段，可以说是我们与Vibe Coding的“蜜月期”。
整个过程体验简直就像德芙一样丝滑，让人期待值拉满。

阶段2 - 测试、部分功能细节实现和bug修复

Vibe Coding有多爽，
Vibe Debugging就有多崩溃。

尽管我们对于第一阶段生成的代码会有bug这一点有预期，但仍没有想到这个阶段的工作量超出预期这么多。
先看报告：

实际上这个过程耗费了我们大概25小时的工作时间，而整个过程断断续续一周多才完成。

在调试过程中，我们甚至一度产生了“放弃吧，要么自己写得了，别整这破AI了”的想法。但每次真的想要亲自动手的时候，又很难抵御那种“看着AI干活”的诱惑，在崩溃的边缘反复拉扯。

算了算了，继续调吧，还能离咋的？
大不了多写点提示词！！

阶段3 - 收尾以及一些外部系统的集成测试

由于这是一个基础架构项目，对外部系统有一些依赖。为了尽量完成端到端的核心功能体验，我们完成了外部系统集成工作，并且验证了核心使用流程。

这个阶段，代码开发和测试工作量大约各占一半，耗时大约6小时。
用量报告：

一些小技巧分享

上下文管理是门艺术

200k的上下文长度看似非常大，但在Agentic Coding的场景下，其实只能说“还算能用”。
Claude Code提供了自动压缩对话的能力，这里的压缩很显然是有损压缩，因此很多上下文信息是丢失的，在不同的上下文中，模型需要通过阅读文档和代码来理解原本我们以为TA已经理解的内容。

技巧：

善用CLAUDE.md，明确要求Claude记录这类重要信息：架构、代码结构、常用命令和脚本。或者用`#`在交互命令行中手动输入重要信息；
“分而治之”：做好模块化设计，尽量每个上下文只在一模块或者文件层面工作。

AI的工作模式和引导技巧

Claude Code仿佛一位不知疲倦，忘性极大但工作效率极高的初级程序员，它表现出了一些特征：

- 喜欢重新造轮子而非复用现有代码
- 专注于完成任务，但可能忽略整体架构
- 对错误处理和日志记录不够重视

技巧：

保持专注，尽量多了解AI在写什么/改什么，及时打断不合理的操作；
提示词或者`CLAUDE.md`中明确现有实现在什么文件中，明确需要修改的文件名称；
提示词或者`CLAUDE.md`中明确要求错误处理的规则和日志记录的规则，甚至可以单独在一个会话中要求审查代码，补充错误处理逻辑和日志逻辑。

注意力很重要（误：Attention is all you need)

别搞错了，我指的是坐在屏幕前的“我们的注意力”。
当AI不知疲倦的持续输出时，我们是很容易分心的。注意力从命令行窗口逃离后，很容易“一去不返”，再次想起并回到命令行窗口时，发现Claude只是在等待你确认操作。或是当你回到屏幕前，发现Claude改了一堆你没有提交的文件，追悔莫及。

技巧：

设置提醒，以我们常用的 iTerm2为例，Claude Code可以与之集成，在等待用户输入的时候提供系统级别的提醒；
保持互动，及时打断/响应。

测试驱动和持续集成

无论是单元测试还是集成测试，尽早将测试流程引入开发中。
AI写单元测试是一把好手，要善于利用。在完成一个模块时，尽早引入集成测试，这样可以尽早发现问题。保持持续集成，例如每次改动代码后都要运行单元测试并确保一定的通过率，例如改动代码后自动commit。
当然了，以上提到的这些规则也可以写入`CLAUDE.md`。

技术债的雪球效应
随着项目规模增长，早期的架构决策和代码质量问题会被不断放大。

预防措施：

前期规划：花更多时间在接口设计、数据格式定义上
代码审查：定期审查AI生成的代码，及时重构
文档先行：让AI先写设计文档，再实现功能

这次如过山车般的Vibe Coding经历，虽然过程中有挫折（特别是漫长的调试过程），但整体而言是一次令人兴奋的体验。
我们深刻意识到一点：AI不仅改变的是我们编写代码的方式，更重要的是改变了我们思考软件开发的方式。

当我们学会如何有效地与AI协作，将人类的创造力、判断力与AI的执行力、效率相结合时，我们能够创造出超越任何一方单独能力的成果。这不是人类被AI取代的故事，而是人机协作开创软件开发新纪元的开始。

愿你能享受“古法编程”中的乐趣，也愿你能在Vibe Coding的路上一路狂飙，永不翻车。

One More Thing

我们认为，随着 Kimi K2、Qwen3-Coder、GLM-4.5的发布，Claude Code或者其他代码助手配合开源大模型的AI编程解决方案已经初步具备生产环境使用价值，并且能通过私有化部署来保证企业敏感数据不外流。
速石愿意分享我们在AI编程领域积累的实践经验和能力，与诸位一起持续推动并探索企业级AI辅助编程的边界。
感兴趣的朋友，欢迎来找我们聊聊~~

END

我们有个新一代融合智算研发平台
不止有半导体芯片设计，还有工业制造仿真
甚至还融入了AI技术
自下而上全栈适配国产化生态系统
已经是next level了
同时，打造高校新质生产力教学科研创新平台
以产业经验赋能高校教学与科研场景
培养实战型人才

扫码免费试用或预约专家1对1沟通~