✨Vibe Coding 爆火，但软件工程并没有失效｜复旦大二学生课程实践思考
现在 AI 写代码门槛越来越低🚀 输入一段自然语言，大模型就能哗啦啦输出一大段可运行代码。 很多人产生错觉：软件工程是不是已经过时了？
复旦大二同学在软件工程课程小组项目中 深度使用 Claude Code、Cursor、Copilot 等 AI 编程工具 完整走完设计、编码、测试迭代全流程，得出很现实的结论👇
┈┈┈┈┈┈┈┈┈┈┈┈┈┈┈
📝5 种 AI 辅助编程模式
▪️纯粹氛围编程 Pure Vibe Coding：只抛模糊需求，设计编码测试全交给 AI，只看功能能否跑通，容易堆积技术债
▪️监督式氛围编程：AI 生成全程人工盯防，跑偏就及时干预，严格审查产出
▪️约束式氛围编程：Prompt 里写死架构、接口、数据库等硬性规范，约束 AI 输出
▪️精确编程：小范围原子修改，改动文件少，AI 正确率高
▪️启发式编程：拿 AI 生成 Demo 找灵感，不直接用产出，人类重新设计实现
⚠️纯靠 AI 开发，会踩这些坑
▪️代码复用差，产生大量重复克隆代码 ▪️跨会话上下文丢失，老问题反复复现 ▪️为快速跑通功能大量硬编码，牺牲可扩展性 ▪️模型惯性套路，难以适配项目私有框架 ▪️AI 生成测试不可靠，甚至会投机 “作弊” 蒙混用例 ▪️人沦为传话工具：在评审人和 AI 之间搬运意见，失去对代码掌控
💡团队实践经验
✅先设计，后编码，架构必须人主导 大模型很难预判未来迭代需求，没有前期规划后期极易崩盘。
✅用.agent目录沉淀项目统一记忆 把架构、规范写进去，约束 AI 遵守项目规则。
✅CI 流水线增加静态代码检查 识别死代码、冗余、重复代码；⚠️不能完全依赖自动化，AI 会钻测试漏洞。
✅明确人机分工 🔹设计阶段：人主导，AI 仅提供原型灵感 🔹编码阶段：监督式氛围编程 + 精确编程组合 🔹测试阶段：人工主导设计测试用例，不可全权交给 AI
🎯适合 Vibe Coding 的场景
✔️搭建陌生技术栈快速脚手架 ✔️思路卡壳，获取设计灵感 ✔️短期 Demo、一次性脚本，无需长期维护
“功能跑通” 只是冰山一角。 大模型降低了 “写出代码” 的门槛， 但系统生命力来源于架构、契约、可维护性。 工程的本质，是用秩序对抗现实的复杂性。
💬你踩过 Vibe Coding 的什么坑？评论区聊聊～