昨天聊完 Vibe Coding 後，我們知道 Vibe Coding 可以從 0 到 1 產生一個可以 Demo 的產品及相關隱憂。接下來，我們要討論 Agentic Coding 。

Agentic Coding 是什麼？

如果說 Vibe Coding 是「你帶著 AI 一起寫」，那 Agentic Coding 就是「你把任務交給 AI，讓它自己去完成」。

具體來說，Agentic Coding 是讓 AI 代理人（Agent）接收一個明確的高層目標（例如「幫這個資料模型新增一支 POST API」或「幫這個元件補上測試」），然後由 AI 自己：

• 拆解任務：把大目標拆成一個個可執行的小步驟
• 規劃執行策略：決定要先讀哪些檔案、要改哪些程式碼、要跑哪些指令
• 自主執行：實際去讀寫檔案、呼叫工具、執行終端機指令
• 自我測試與修正：跑測試、看結果、如果失敗就自己除錯，重複這個循環，直到任務完成
• 回報結果：完成後才回頭跟你報告做了什麼

整個互動模式更像是把一張工作票交給一位資淺工程師，而不是坐在旁邊手把手帶著寫。

跟 Vibe Coding 最大的不同：介入的頻率與角色

也就是說，Vibe Coding 適合「連我自己都還不確定要做什麼」的探索階段；Agentic Coding 則適合「我很清楚要做什麼，只是想少花點時間盯著過程」的委派場景。

Agentic Coding 帶來的優勢

• 降低即時監督成本：不用一直在旁邊確認每一步，可以把時間花在更高層次的架構與規劃上
• 能處理更複雜、多步驟的任務：因為有自己的規劃與迭代能力，不容易卡在單一提示回應的框架裡
• 具備一定的自我修正能力：遇到錯誤時，能自己看錯誤訊息、調整做法，而不是每次都要人類介入

Agentic Coding 的隱憂

自主性提高，代表風險也跟著提高：

• 治理與可稽核性：當 AI 自己動手改程式碼、跑指令時，誰該對最終結果負責？有沒有留下清楚的變更紀錄？
• 安全疑慮：AI 代理人若能自主存取檔案系統、呼叫外部工具或 API，一旦被誘導或誤判，破壞範圍可能比單純生成程式碼更大。
• 對正式環境的信任問題：在正式環境中導入自主性高的流程，需要更完整的護欄（guardrails）與人類審核關卡，而不是完全放手不管。
• 任務描述的精確度很重要：委派任務給資淺工程師都需要把需求講清楚了，交給 AI 代理人更是如此——目標越模糊，自主執行出來的結果越容易走偏。

目前企業使用 Claude 情況 - 以全聯來說

以我現在工作的地方 - 全聯來說，我們的 DB 是不會給 Claude 操作，所有開發僅限開發者在本地開發時使用，不會碰觸到 UAT 和 正式上線區。因此，我們上線要經過層層把關，要反覆的測試及給主管再確認。換句話說， Claude 雖然很方便，但對工程師來說，測試及驗證還是開發中不可或缺的要素。畢竟 Claude 不能替你為你的工作把關，只有你可以說你做完你的工作。

小結

Vibe Coding 讓我們用最快的速度把想法變成 Demo；Agentic Coding 則讓我們能把明確、可拆解的任務真正「委派」出去，讓 AI 代理人自己規劃、執行、測試、回報。兩者不是取代關係，而是不同場景下的工具選擇——探索階段用 Vibe Coding 求快，任務明確、需要規模化時用 Agentic Coding 求效率，同時記得替它加上足夠的護欄。

下一篇，我們可以來聊聊：實務上要怎麼把任務描述寫得夠清楚，才能讓 Agentic Coding 的代理人真正「靠得住」。