课程 ID: 19252
描述:
话题概述:
Vibe Coding 正在改变软件交付方式，但当我们尝试将其落地到企业级场景时，遇到了三个核心挑战：
第一，精度不可控。业界主流方式开发者只能通过 Prompt 工程“祈祷”模型理解意图。在个人项目里偶尔跑偏可以接受，但企业级应用不能靠运气——组件库要对、设计规范要符合、工程标准要达标，任何一环出错都意味着返工。
第二，人机协作的矛盾。我们的目标用户是非技术人员，全程零代码透出。这意味着用户无法通过手动改代码来兜底，系统必须自己把事情做对。同时用户又需要随时表达想法、调整方向，但任务执行不能被打断。“随时能说话”和“任务不跑偏”天然矛盾。
第三，创作灵活性与交付严谨性的平衡。真实的需求生产既需要创作时的发散探索（用户天马行空的脑洞），又需要交付时的标准严谨（符合企业工程和设计规范）。如何让同一个系统同时具备这两种气质，是架构层面的核心难题。
演讲题纲:
话题亮点：
我们的核心思路是：**用编程来掌控 AI 的精度**。下面通过几个真实遇到的精度 case 来说明我们的解法。
**Case 1：AI 不用指定组件库，自己“造轮子”**
企业级场景要求使用内部组件库，但 AI 经常忽略这个约束，自己用原生标签或第三方库“造轮子”。传统做法是在 Prompt 里反复强调“你必须用 XX 组件库”，但效果不稳定，尤其任务复杂、上下文变长后，模型注意力衰减，约束就被“遗忘”了。
我们的做法：不依赖 Prompt 约束，而是在 AI 每次产出代码后用编程检查——检测产物中是否引用了指定组件库，如果没有，系统自动拦截并修正，同时调整上下文让 AI 后续不再犯同样的错。从“提醒 AI 记住”变成“系统替 AI 把关”。
**Case 2：长任务下 AI 越做越偏，前后矛盾**
当任务涉及十几个页面的完整产品时，AI 在前几个页面还挺好，但随着上下文膨胀，后面的页面开始和前面风格不一致、逻辑自相矛盾。这是 Agentic 应用中最常见的精度问题。
我们的做法：将复杂任务拆解成多个聚焦的子任务，每个子任务独立管理上下文，只传递必要的“结论”而非全部历史。就像团队协作一样——每个人只关注自己的模块，通过接口对齐，而不是所有人共享同一份超长文档。
**Case 3：用户随时插话，任务执行被打断跑偏**
用户是非技术人员，随时会说话、提问、改需求。但如果把用户的闲聊直接塞进任务上下文，AI 很容易被带偏。比如用户随口问了句“这个颜色好看吗”，AI 可能就把后面的任务方向拐到配色上去了。
我们的做法：将“陪聊”和“干活”分离成不同的通道。用户的对话由专门的沟通模块接住，不会直接干扰正在执行的任务。只有用户明确的需求指令才会传递给任务模块。用户感受是“随时能说话”，系统保障的是“任务不跑偏”。
**Case 4：创作阶段要放得开，交付阶段要收得住**
用户脑暴时天马行空，“帮我加个赛博朋克风格”“首页要有动态粒子效果”。创作阶段要尊重用户的 taste，但交付时不能为了酷炫而破坏企业规范。
我们的做法：在不同阶段给 AI 注入不同的“边界”。创作阶段，AI 以用户想法为优先，允许自由发挥；进入交付阶段，系统自动切换到严格模式，把企业的设计规范和工程标准作为硬约束注入，产出必须在规范围栏内。同一个系统，两种气质，通过阶段切换来实现。
**踩过的坑：**
- 早期过度依赖 Prompt 工程来约束 AI 行为，发现复杂任务下 Prompt 的上限很低，模型注意力随上下文膨胀快速衰减
- 企业知识注入不是“把文档扔给模型”那么简单，原始格式（PDF、Figma、代码仓库）需要大量预处理才能被模型有效理解
- 人机协作最初没做通道隔离，用户闲聊和任务执行混在一起，导致 AI 频繁跑偏