原文
最近几天用Vibe Coding高强度地进行游戏项目迭代的实验，得出了一些经验。
相比一年前还没有Agent的交互模式，如今基于本地代码库进行的开发，已经可以确定拥有了实战级代码的输出能力。
无论是业界顶层的技术大牛的评论，还是一线的开发人员的反馈，都已经很明确说明——AI永久改变了编程的方式，我们的工作从手动编程改变到了提出目标和需求，监督AI完成。
技术开发工作的侧重点，从管理和编写一线的技术代码，演变为了制定结构、方案、需求，这几乎确实已经把初/中级开发者的生态地位大幅削弱——或者说重塑了。
当前我使用了两份工具：
- Codex: 开箱即用，但涉及到敏感操作需要手动批准。
- OpenCode: 需要一定配置，可以灵活管理权限，包括自动提交git。
关于实际项目：
- 我们可以通过编写 计划 ，来约束AI执行工作时的目标。
- 我们可以编写 代码规范 和 架构结构图 等规则，来约束AI生成代码的方式，避免AI将代码胡乱分散在各个地方，完全无法维护。
- 我们可以使用 AGENTS.md 来强制约束AI遵循一些必要的规则。
- 我们可以要求AI输出一定规则的配置文件等方式，进而确保我们能够同时兼顾
AI生成代码 + 开发者/策划 调控细节。
如何理解AI编程：
- 当前AI本质上是大语言模型，其发展趋势是不断接近100%的输出正确率，但无法绝对抵达100%。
- 这种情况下，开发者的工作从手动输出AI也可以输出的内容，演变为了，为AI的输出建立一套保护措施，确保AI生成的内容中的错误能够被及时发现。
所幸软件开发领域早就诞生了 测试 这门技术，我们可以使用AI建立一套单元测试框架，及时发现代码的问题。
尽管我们没有办法100%地保证所有的代码和对应的调用链100%正确，但这已经足够我们应对日常比较基础的生产的情况。
如果你对AI编程还有点顾虑，或者对AI生成的内容质量有焦虑，不妨按照这个思路试试，以测试结果驱动AI开发，做一些复杂工具，或是建设一些核心模块。
我的实验仓库：
更新
刚发布这篇博客，就发现了已经将这套次时代工业化开发流程打包进一个工程的仓库。
生产模式的革命比想象中来得迅猛得多。