Vibe Coding虽爽，却无法解决复杂系统问题。ClawdBot展示的Agentic Engineering通过闭环设计，让AI接管测试、调试等重复工作，人类专注于架构与决策。工程核心从写代码转向设计闭环、驯服复杂度，实现系统自我验证。
全文一共：1825字
阅读需要：5分钟
过去一年，很多人都在用 AI 写代码。也有很多人，写得很爽。
Cursor/Claude Code/Codex，各种 Agent 流程，一句 prompt 下去，几百行代码刷刷出来。
这套东西有个名字，大家已经叫顺口了：
Vibe Coding。
说实话，我不反对。
我甚至觉得：每个人都该经历一段 Vibe Coding 的阶段。
但如果你还想继续往前走——
如果你开始做的不是 demo、不是脚本、不是玩具项目——
那我想直说一句：
Vibe Coding 到这里，已经不够用了。
ClawdBot 的真正启示，不是"AI 写代码真猛"
最近 ClawdBot（现 Openclaw） 在技术圈爆了。很多人盯着的是：
"凌晨三点写代码"
"10 个 Agent 同时跑"
"代码都不看了还能上线"
但你如果真的读完创始人 Peter 的长访谈，会发现一件很反直觉的事：
他并不是在"用 AI 写代码"，
他是在放弃写代码这件事本身。
这不是偷懒，这是一次工程角色的迁移。
Vibe Coding 最大的问题：它解决的是"爽感"，不是"复杂度"
Vibe Coding 的典型特征只有三个：
一次 prompt，一次产出
跑不通就人肉补洞
对不对，全靠"感觉"
在小项目里，这没问题。但一旦系统开始变复杂，你一定会遇到这种场景：
Bug 出现了，但你不知道是哪个假设错了
改了一个地方，另一个地方悄悄坏掉
功能能跑，但你不敢动它
这时候你会发现一个真相：
问题不在 AI 不够聪明，而在你没有"闭环"。
Vibe Coding，是没有闭环的。
Agentic Engineering：不是更会写码，而是不再靠人兜底
Peter 在文章里反复强调一个词：闭环（Closed Loop）。
什么意思？
不是"让 AI 写代码"，而是让 AI：
1.写测试
2.跑测试
3.失败
4.自己 debug
5.再跑
直到系统自己证明：它是对的。
这一步一旦成立，你会发生一个非常危险、也非常爽的变化：
你不再需要逐行读代码了。
不是因为你懒，而是因为正确性已经被系统接管。
真正的分工正在发生变化
在 Agentic Engineering 里：
AI 负责什么？
1.枯燥的 plumbing
2.大量重复的 glue code
3.各种你并不关心、但又必须存在的中间层
人类负责什么？
1.架构边界
2.模块职责
3.数据如何流动
4.这个功能该不该存在
Peter 用了一个特别准确的词： Weaving（织入）
不是"加一个功能"，而是：这个能力，是否应该被织进系统骨架里。
这是 Vibe Coding 永远做不到的事。
为什么很多"老工程师"反而用不好 AI？
这段话可能会得罪人，但它是真的。
越沉迷"代码之美"的人，越容易抗拒 Agentic Engineering。
因为 AI 最擅长的，正是：
1.算法
2.实现
3.技术难题
而人类真正不可替代的部分，正在变成：
1.取舍
2.品味
3.判断什么"不值得做"
如果你仍然把自我价值绑定在
"我这段代码写得多优雅"
那你一定会讨厌 AI。但如果你关心的是：
1.产品是否成型
2.系统是否稳定
3.复杂度是否被驯服
那 AI 会让你第一次感到：
"我终于不用亲手搬砖了。"
Agentic Engineering通常包含哪些"工程部件"
1️⃣ 目标（Goal）
不是一句 prompt，而是可持续存在的意图，比如：
1."每天监控账户风险，异常就处理"
2."持续优化交易策略的收益/回撤比"
3."把一个模糊想法推进成可发布产品"
2️⃣ 状态感知（State / Perception）
Agent 要知道自己现在处在什么状态：
结果如何
环境有没有变化
资源是否充足
没有状态 → 就无法真正"决策"。
3️⃣ 计划与分解（Planning）
把一个目标拆成可执行步骤：
中期里程碑
失败时的替代路径
这是prompt engineering做不到的地方。
4️⃣ 行动（Action / Tools）
Agent 不只是"说"，而是真的能做：
写代码
下单
发消息
修改配置
调用其他 agent
5️⃣ 记忆（Memory）
不是上下文长度，而是：
决策记录
偏好与约束
失败教训
没有记忆，就没有成长。
6️⃣ 反馈与自我修正（Reflection）
Agent 能问自己：
1."刚才这个决策靠谱吗？"
2."是不是走偏了？"
3."要不要换策略？"
这一步，决定了它是"自动化"，还是"代理"。
Agentic Engineering 本质上在"工程什么"？
不是工程模型，而是在工程这四件事的协作：
目标 × 时间 × 反馈 × 行动权
你在做的，其实是：
把"人的行为结构"翻译成"系统可以执行的结构"
ClawdBot 为什么让人上瘾？
不是因为它炫技。
而是因为它做了一件极其老派工程师才会在意的事：
把复杂度彻底藏起来。
2.用本地验证，而不是等 CI
3.让文本在系统里流动，而不是在你脑子里兜底
这和 Peter 当年做 PSPDFKit 的思路一模一样：
用户不需要理解 PDF 的地狱复杂性
用户只需要：用起来是对的
Vibe Coding 不是错。它是新阶段的入门姿势。但如果你还想往前一步，你必须接受一个事实：
AI 时代，写代码已经不是工程的核心活动了。
真正的工程能力，正在变成：
2.能不能设计闭环
3.能不能驯服复杂度
4.能不能让系统自己证明它是对的
这不是"少写代码"。
这就是：
Agentic Engineering
用 Clawdbot 给你讲清楚什么是2026年 AI 圈里的最火的 Skills 在 AWS 上部署一个私人 AI 管家，是一种怎样的体验？我用 Node 22 + Ubuntu 24.04 + Clawdbot 全部跑通了 什么是 Clawdbot？为什么大家突然对它这么着迷？
没有评论:
发表评论