方法对比,附实测

Vibe Coding 与 Spec Coding 对比

Vibe coding 是用自然语言给 AI agent 下提示词,看结果能不能跑、像不像对的来判断。Spec coding 是先写下目标、非目标、验收标准和证据,再让 agent 按照它来实现。我们拿同样的三张工单,在四个 Claude 模型上把两种方式跑了 78 次,每次都用隐藏测试打分:带 spec 的 30 次运行里有 28 次通过全部检查,不带 spec 的 48 次只有 12 次。

更新日期:2026-11-11

Vibe coding 和 spec coding 分别是什么

Vibe coding

这个词由 Andrej Karpathy 在 2025 年 2 月提出:把想要的东西描述给模型,运行它生成的代码,再用后续提示词调整,直到"忘了代码本身的存在"(forget that the code even exists)。柯林斯词典把它选为 2025 年度词汇。提示词是唯一记录意图的地方,提示词没说到的空白都由模型来填。

Spec coding

也叫 spec-driven development 或 spec-first development。在 agent 写代码之前,先用一份简短的 spec 写明目标、哪些不在范围内、可以测试的验收标准,以及用什么证据证明改动有效。agent 按 spec 实现,评审也对照同一份清单检查结果。

它们不是两类工具。同一个 agent、同一个模型两种方式都能做。区别在于 agent 开工前被告知了什么,也就决定了产品决策由谁来做:是模型在写代码时做,还是人在代码出现之前做。

一张表看懂区别

Vibe codingSpec coding
起点一句自然语言提示词一份简短的书面 spec:目标、非目标、验收标准、证据
谁决定产品行为模型,在写代码时人,在代码出现之前
出第一版的速度最快多出写 spec 的时间,通常几分钟到一小时
同一个请求跑两次可能得到两个不同的产品在我们的优惠券实验里结果一致,连 spec 漏掉的情况都一样
评审检查什么能不能跑、看起来对不对每条验收标准是否通过
之后留下什么一段聊天记录,如果有人保存的话spec,放在代码旁边或 PR 里
典型失败没人批准过的行为因为"能用"而上线写得过细,或者 spec 与代码脱节
最适合原型、一次性脚本、探索方案生产行为、金钱、权限、用户数据、共享 API

78 次 agent 运行的结果

大多数对比文章停留在观点,所以我们做了测量。Claude Code 拿到三张普通工单:给结账加优惠码、整理 API 的错误格式、把姓名字段拆成两列。根据工单不同,分别用一句话提示词、删掉仓库书面规则后的同一句提示词,以及一份 spec 来跑,覆盖四个 Claude 模型。每个结果都由一套隐藏测试打分,测试在第一次运行前就已冻结,agent 从未见过。所有提示词、diff 和分数都在运行记录包里。

模型带 spec不带 spec每次运行平均成本(提示词 → spec)
Opus 5.59 / 97 / 15$0.18 → $0.22
Sonnet 5.59 / 94 / 15$0.09 → $0.11
Haiku 4.57 / 90 / 15$0.10 → $0.20
Fable 5.1(每种变体只跑一次)3 / 31 / 3$0.71 → $0.83

表中为通过全部隐藏检查的运行数 / 记录的运行数。成本为 Claude Code 报告的 API 等价平均值。

模糊提示词大多能用

在小而清晰的仓库上,一句话提示词就能修好崩溃、限制折扣上限、正确回填数据。如果唯一的问题是"能不能跑",现在的模型往往能过关。这也是为什么 vibe coding 一直感觉没问题,直到出问题。

Spec 消除了结果的随机性

带 spec 时,最小和最大的模型结果相差不超过两次运行。不带 spec 时,结果从 15 次中 7 次到 0 次不等,而且排名和基准测试的排名不一致:在仓库没有书面规则时,Sonnet 5.5 三次运行全都删掉了计费同步要读的那一列。

书面规则有用,前提是被读到

在 Opus 5.5 的运行里,一份 13 行的 API 契约文档和 README 里的三行说明,即使只给一句话提示词,也阻止了破坏性改动。README 在的时候,Opus 5.5 和 Sonnet 5.5 在 6 次运行里都保留了计费字段;Haiku 4.5 没读 README,3 次都删掉了它。写进提示词的规则则每个模型都收到了。

这些数据不能说明什么。每种变体只跑三次,只能说明某件事会发生,不能说明发生的频率。仓库刻意做得小而干净;spec 和测试都是我们自己写的,所以 spec 覆盖的正是我们测的内容。spec 漏掉的那一处,我们在优惠券页面如实报告了,没有隐藏。

同一句提示词,三种产品:优惠券工单

模糊提示词只有一句:"Add coupon codes to checkout. Make sure invalid codes do not break payment."(给结账加优惠码,确保无效优惠码不会影响支付。)三次 Opus 5.5 运行中有两次通过了全部 11 项隐藏检查,每次运行也都通过了它自己写的测试。差别出在没人要求过的决定上,我们通过直接调用每次运行的代码测出了这些差别:

决定模糊运行 1模糊运行 2模糊运行 3Spec 运行 1–3
一个用户能用几次优惠券?一次不限次数一次一次
优惠券在应用之后、支付之前过期按原价收费,$54.00拒绝第一次支付拒绝第一次支付按折后价收费,$43.20
无效优惠码怎么报告抛出异常抛出异常抛出异常返回 { ok: false, reason }

每一次模糊运行单独看都说得过去,放在一起却是同一张工单做出的三个不同产品,而只看一份 diff 的评审者不会知道还有另外两种可能。三次 spec 运行彼此一致,连 spec 本身漏掉的情况也处理得一样。想看同一模式在退款功能上的完整推演,可以读同一个功能,两种做法。

什么时候用 vibe coding,什么时候切换

场景用什么
探索方案、写 UI 文案、做一个会扔掉的原型Vibe coding
小改动,且仓库里的书面规则(AGENTS.md 或 CLAUDE.md、README 里的约束)覆盖了有风险的部分一句话提示词可能就够了;先确认规则真的覆盖到
涉及金钱、权限、用户数据、schema、公开 API 或共享 helper 的任何改动Spec coding
将由没参与这段对话的人来维护的代码Spec coding

松散地探索

在比较方案、草拟文案或让 agent 解释思路时,模糊提示词没有问题。这个阶段的输出是思考材料,不是要合并的决定。

写生产代码前冻结决定

选定方向后,写下目标、非目标、验收标准和证据。agent 随后实现的是这份约定,而不是在 diff 里继续"发现"产品行为。

把意外当作 spec 变更

如果某次运行加了没人要的字段、状态、依赖或者"更干净"的架构,不要当场合并。先更新 spec 或写一份后续 spec,再重新运行。

Spec coding 是不是又回到了瀑布式开发?

不是。瀑布式开发是在动手之前几个月就把整个系统规定好。Spec coding 里的一份 spec 只覆盖一项改动,通常一页以内,而且是在探索完成之后写的,往往不到一小时。同一个功能,原型可以 vibe coding,上线版本再写 spec。

站得住的批评针对的是写得不好的 spec:规定实现细节而不是行为,或者没人拿代码去对照,于是与代码脱节。让验收标准描述可观察的行为,把 spec 放进 PR,并把每条标准对应到一个测试。我们的技术规格指南给出了具体格式。

安全地使用 vibe coding

  • 在碰生产文件之前,用模糊提示词探索。
  • 把选定方向转成范围、非目标、验收标准和证据。
  • 实现前告诉 agent 哪些路径可以改。
  • 额外的行为即使看起来有用,也先按漂移处理。
  • 把最终的 spec 和 PR 放在一起。

可复制的 vibe 转 spec 清单

当一个请求在聊天里听起来很清楚,却仍给 agent 留下自行发挥的空间时,用这份清单。

vibe-to-spec.md
# Vibe Request To Spec

模糊请求:
-

澄清问题:
- 影响谁?
- 精确改变哪个行为?
- 什么必须保持不变?
- 哪个失败或权限路径重要?
- 什么证据能证明完成?

Spec 版本:
## Outcome
-

## Scope
- In:
- Out:

## Acceptance Criteria
- [ ] Given ..., when ..., then ...
- [ ] 失败路径:
- [ ] 边界路径:

## Evidence
- 测试:
- 手工检查:
- 变更文件:

在这份内容可测试前,不生成生产代码。

转换示例

同一个请求,改写成描述行为而不是描述感觉。

filled-example.md
模糊:
- 让 checkout 更可靠。

Spec:
## Outcome
- 当支付授权超时时,显示可恢复错误。

## Scope
- In:payment submit handler、checkout error banner、payment tests
- Out:provider client API、database schema、order confirmation page

## Acceptance Criteria
- [ ] Given 支付授权超时,when 用户提交 checkout,then 页面显示 "Payment is taking longer than expected",订单保持 pending。
- [ ] Given 用户在超时后重试,when provider 成功,then 订单只进入 paid 一次。
- [ ] Given provider 返回 card_declined,when checkout 提交,then 不显示重试 banner。

## Evidence
- npm test -- checkout-payment
- 截图:timeout banner 状态

相关资源

agent 运行记录

本页所有数字背后的提示词、diff 和隐藏测试分数。

查看运行记录

AI 编码验收标准

把选定的方向写成 agent 可以被检查的通过/失败行为。

写验收标准

spec.md 模板

把最终决定和代码一起提交,作为 agent 的事实来源。

复制 spec.md

常见问题

vibe coding 和 spec coding 有什么区别?

Vibe coding 给 AI agent 一句自然语言提示词,看结果能不能跑、像不像对的来判断,产品决策由模型在写代码时做出。Spec coding 先把目标、非目标、验收标准和证据写下来,产品决策由人在代码出现之前做出,agent 按照它来实现。

vibe coding 不好吗?

不是。在我们记录的运行里,一句话提示词在小仓库上通常能写出能跑的代码。风险在于同一句提示词在不同运行中可能做出不同的产品,而且上线前没人评审这些决定。它适合原型和探索,不适合涉及金钱、权限、数据或共享 API 的改动。

spec coding 和 spec-driven development 是一回事吗?

实际上是。Spec coding、spec-driven development 和 spec-first development 说的都是:在 AI agent 实现一项改动之前,先为它写一份简短的 spec。Spec Kit、OpenSpec、Kiro 等工具在这个思路上加了更多结构,我们的工具对比介绍了主要的几种。

spec coding 会拖慢团队吗?

运行本身变化不大:在我们的测试中,带 spec 的运行比一句话提示词只多花几美分,耗时稍长(Opus 5.5 平均 63 秒,提示词版本是 47 秒)。真正的成本是人写 spec 的时间,常规改动通常几分钟到一小时,只要省下一轮返工就值回来了。

什么时候应该从 vibe coding 切到 spec coding?

当输出会改变生产行为、金钱、权限、用户数据、数据库 schema、公开 API 或共享 helper,或者代码将由没参与那段对话的人来维护时,就该切换。

可以自由探索,但在生成的代码变成产品决策之前,先写 spec。

转换提示词