外观
第5章 必知新概念
约 3301 字大约 11 分钟
2026-06-24
这一章来聊聊 4 个你一定在朋友圈、短视频、播客里听过、但可能还没真正搞懂的词:Vibe Coding、Agent、MCP、Coding Agents。每个都用大白话 + 类比 + 表格给你讲透。
5.1 Vibe Coding(氛围编程)
是谁提出的
Andrej Karpathy。
对,就是前面提到的那位 OpenAI 创始团队成员、AI 教育领域顶流。
2025 年初,他在一次分享中提出了 "Vibe Coding" 这个词。原话大意是:
"现在有一种新的编程方式。你不用懂语法,不用查文档。你只是用自然语言跟 AI 描述你想要什么,凭感觉,跟着氛围走。AI 帮你把代码写出来。"
于是就有了 Vibe Coding——氛围编程。
到底是什么
| 传统编程 | Vibe Coding | |
|---|---|---|
| 你需要懂语法吗 | 必须 | 不需要 |
| 你需要查文档吗 | 经常查 | 不需要 |
| 你怎么表达需求 | 写代码 | 说人话 |
| 谁在写代码 | 你 | AI |
| 你的角色 | 程序员 | 产品经理 + 审查员 |
| 大白话 | 自己做菜 | 跟厨师说你想吃什么,他做给你 |
Vibe Coding = 你不用懂编程语言,你只需要用自然语言描述你想要什么,AI 帮你把代码写出来。
大白话类比
你想想做菜这件事。
传统编程 = 你自己切菜、调火、翻炒,每一步都得自己来。你得懂"先放油还是先放蒜""大火还是小火"。
Vibe Coding = 你跟厨师说"我想吃一个酸甜口的、不要太油、有点辣的鸡丁"。厨师自己去做,做好了端给你。你尝一口,说"再酸一点",厨师回去调整。
你全程没碰过锅铲。但你得知道"什么好吃"和"这个味道对不对"。
Vibe Coding 的核心不是"不需要懂技术",而是"不需要懂语法"。 你还得懂逻辑、懂产品、懂"我要什么"。
我的看法
Vibe Coding 被很多人吐槽,说这是"外行装内行"。
我不这么看。
Vibe Coding 本质上是降低了创造的门槛。以前你想做一个 App,你得先学半年编程。现在你有个想法,跟 AI 说,一下午就能做出原型。
这不是"外行装内行",这是"让有想法的人不再被技术门槛挡住"。
当然,Vibe Coding 写出来的代码质量参差不齐。但用来做原型、做工具、做"够用就行"的东西,完全够了。
5.2 Agentic AI / AI Agent(智能体)
是什么
Agent = 能自主规划、使用工具、完成复杂任务的 AI。
关键词是自主。
| 普通 AI | AI Agent | |
|---|---|---|
| 你问它一个问题 | 它回答你 | 它回答你,顺便帮你查了资料、跑了数据、做了图表 |
| 你让它做一件事 | 它告诉你"应该怎么做" | 它自己去做,做完了告诉你"搞定了" |
| 遇到困难 | 它说"这个我不太确定" | 它自己想办法——换个工具、换个思路、再试一次 |
| 大白话 | 计算器 | 实习生 |
大白话类比:计算器 vs 实习生
普通 AI 就像一个计算器。你输入"2+3",它输出"5"。你不输入,它什么都不干。
AI Agent 就像一个实习生。你说"帮我调研一下竞品",它会:
- 自己去搜资料
- 整理成表格
- 发现信息不够,再去查第二轮
- 做一份报告给你
- 顺便说一句"我还发现了一个你可能感兴趣的 trend"
你只说了一句话,它自己搞定了整个过程。这就是 Agent。
Agent 的三个核心能力
- 自主规划:拿到一个任务,自己拆解成多个步骤
- 使用工具:需要搜索就搜索,需要算数就算数,需要调 API 就调 API
- 反馈调整:做完一步,根据结果调整下一步计划
这三个能力组合起来,就是 Agent 跟普通 AI 的本质区别。
Agent 和前四章的关系
你现在回头看就明白了:
- Context 工程是给 Agent 准备信息
- Harness 工程是给 Agent 搭环境(让它能用工具)
- Loop 工程是让 Agent 自己跑起来
Agent 是"角色",Context / Harness / Loop 是"支撑这个角色的基础设施"。
5.3 MCP(Model Context Protocol)
是什么
MCP = Model Context Protocol(模型上下文协议)。
Anthropic 在 2024 年 11 月推出。到 2025 年,它迅速成为了行业事实标准。
一句话定义:MCP 是 AI 连接外部工具的标准协议。
大白话类比:AI 的 USB 接口
你想想 USB 出现之前的世界。
每个设备都有自己的接口——打印机用打印机的线,鼠标用鼠标的线,相机用相机的线。你的电脑上得配十几种不同的接口。
USB 出现之后呢?所有设备都用同一个接口。 一根线,插什么都行。
MCP 之于 AI,就是 USB 之于电脑。
| 没有 MCP 的世界 | 有 MCP 的世界 | |
|---|---|---|
| AI 想连数据库 | 给数据库单独写一套对接代码 | 用 MCP 协议,即插即用 |
| AI 想连 GitHub | 给 GitHub 单独写一套 | 用 MCP 协议,即插即用 |
| AI 想连你的笔记应用 | 又得单独写一套 | 用 MCP 协议,即插即用 |
| 大白话 | 每个设备一根专用线 | 所有设备用同一根 USB 线 |
MCP 为什么重要
在 MCP 出现之前,每接一个外部工具,都要做一次定制开发。10 个 AI 模型 × 10 个工具 = 100 套对接代码。
MCP 出现之后:10 个 AI 模型都用 MCP,10 个工具也都支持 MCP。N × N 的问题变成了 N + N 的问题。
这就是协议的力量。
MCP 和 Context 工程的关系
还记得第 2 章说的吗?Context 的四类信息里,有一类叫"工具输出(Tool Outputs)"。
MCP 就是让 AI 能调用工具、获取"工具输出"的标准方式。MCP 是 Context 工程在"工具"这一维度上的基础设施。
5.4 Coding Agents(编程智能体)
是什么
Coding Agent = 能自主完成编程任务的 AI Agent。
它是 Agent 的一个特化版本——专门干编程这事儿。
演进路径
我们一路看看编程这件事是怎么被 AI 一点点"接管"的:
| 阶段 | 时间 | 代表产品 | AI 在干什么 | 你在干什么 |
|---|---|---|---|---|
| 代码补全 | 2021 | GitHub Copilot | 你写到一半,它猜你想写什么 | 你是主角,AI 打辅助 |
| 对话式编程 | 2023 | ChatGPT | 你问,它写一段给你 | 你复制粘贴,AI 是外包 |
| AI IDE | 2024 | Cursor | 整个 IDE 都围绕 AI 设计 | 你主导,AI 是搭档 |
| 终端 Agent | 2025 | Claude Code | AI 能读写文件、跑命令 | 你指挥,AI 执行 |
| 自主 Loop | 2026 | Loop 工具链 | AI 自己规划、自己执行、自己修 bug | 你监督,AI 自己跑 |
看到了吗?人的角色从"主角"一路退化到"监督者"。 而且每一阶段的过渡,都比上一阶段快得多。
Coding Agent 的关键能力
一个合格的 Coding Agent 应该能:
- 读懂整个代码仓库——不用你手动复制粘贴
- 自己写代码、改代码——不只是建议,是真的动手
- 自己跑测试——写完就测,测完就改
- 自己 debug——报错了自己分析、自己修
- 自己提 PR——改完代码自动提交
Claude Code 就是当前最成熟的 Coding Agent 之一。
大白话类比
| 阶段 | 大白话 |
|---|---|
| 代码补全 | 你写字,它在旁边帮你猜下一个字 |
| 对话式编程 | 你写信,它帮你润色 |
| AI IDE | 你和它坐在一起写,随时讨论 |
| 终端 Agent | 你说"这个功能做一下",它自己去做 |
| 自主 Loop | 你说"这个项目搞定",它自己分配任务、自己干、自己测、自己修 |
从"帮你猜字"到"自己干完一整个项目",这就是 Coding Agent 的演进。
5.5 四个概念的关系
最后,用一张图把这四个概念和前四章的演进联系起来:
一句话总结:
- Vibe Coding 是"人怎么跟 AI 协作"的新方式
- Agent 是"AI 的新角色"——从回答者变成执行者
- MCP 是"让 AI 能用工具"的标准协议
- Coding Agent 是"编程领域的 Agent"
这四个概念,加上前面四章的演进逻辑,构成了 2024-2026 年 AI 工程领域的核心知识地图。
5.6 2026 年的新面孔:三个正在发生的事
上面四个概念是 2024-2025 年定型的。到了 2026 年,又有三个新东西正在快速长大,你大概率会在各种讨论里刷到。
Skill 生态:给 Agent 装"技能包"
前面第 3 章说过,Agent 需要 Harness 才能干活。Skill 就是把 Harness 里"怎么做某类事"的经验,打包成可以分享的模块。
打个比方,Agent 是一个聪明的员工,但每个新员工入职都要从零学起。Skill 就是可以直接复用的"岗位手册"——别人踩过的坑、总结的流程,你拿来就能用。一个 Markdown 文件,写清楚触发时机和步骤,Agent 就自动会了。
2026 年,各家 Agent 工具都长出了自己的 Skill 系统,社区里分享现成技能已经成了一种新生态。"写 Skill"正在变成像"写 Prompt"一样的基础技能。
多智能体协作:从单打独斗到组队
一个 Agent 再强,也只有一个"脑子"。2026 年的趋势是多个 Agent 组队干活——有的负责搜资料,有的负责写代码,有的负责审查把关,互相通信、自我协调。
目前有两条路线,
- Subagent 模式:主 Agent 派活,子 Agent 干完交报告。适合任务能拆开、各干各的场景
- Agent Team 模式:多个 Agent 平等协作、互相质疑验证。适合需要讨论的复杂任务
这本质上是 Loop 工程的升级版——Loop 是"一个 AI 自己循环",多智能体是"一队 AI 互相循环"。想知道具体怎么玩,可以看 Claude Code 课程的第 13 章 多智能体协作。
长上下文成为标配
以前用 AI 的一大痛点是"记不住"——聊天太长它就忘了前面说过啥。2026 年,主流模型的上下文窗口普遍冲到了百万 Token 级别,一次塞进一整个中型项目的代码不再是奢望。
但这不意味着 Context 工程没用了——恰恰相反。窗口大了,垃圾信息也更容易把窗口塞满。"给什么"比"能给多少"更重要,这正是第 2 章 Context 工程的核心。
新概念速查
| 概念 | 一句话 | 大白话 |
|---|---|---|
| Skill | 可分享、可复用的 Agent 能力模块 | 别人写好的"岗位手册",拿来就用 |
| 多智能体协作 | 多个 Agent 分工配合完成任务 | 从单干户变成施工队 |
| 长上下文 | 百万级 Token 的上下文窗口 | 脑子变大了一次能记一整个项目 |
5.7 一张表速查
| 概念 | 一句话 | 大白话 |
|---|---|---|
| Vibe Coding | 用自然语言凭感觉编程 | 不用懂语法,说人话就能写代码 |
| Agent | 能自主规划、用工具、完成任务的 AI | 从计算器升级到实习生 |
| MCP | AI 连接外部工具的标准协议 | AI 世界的 USB 接口 |
| Coding Agent | 专门做编程的自主 Agent | 从帮你猜代码到帮你做项目 |
| Skill | 可复用的 Agent 能力模块 | 现成的"岗位手册",拿来就用 |
| 多智能体协作 | 多个 Agent 分工配合 | 从单干户变成施工队 |
到这里,这门课的理论部分就全讲完了。从 Prompt 到 Loop,从 Vibe Coding 到 MCP,再加上 2026 年的新面孔,你应该已经能看懂 AI 工程领域 90% 的讨论了。
最后一章,我们聊点实在的:作为一个普通人,这些概念到底怎么用起来?
下一章来聊聊怎么把这些概念真正落地:第 6 章 怎么用起来