PCWorld杂志对利用AI工具进行“氛围编程”的现实情况进行了探索，作者尝试使用Claude Code和谷歌（Google）的Antigravity来构建四个应用程序。经过一周的努力，只有一个Docker Swarm仪表盘项目成功了，而三个复制OpenClaw的尝试均因提示模糊和规划不善而失败。这次经历揭示出，AI辅助开发仍然需要大量的人类创造力、详细的蓝图和具体的指令，否则很容易陷入“输入垃圾，输出垃圾”的困境。
和许多人一样，我也跳上了“氛围编程”的潮流列车，被仅凭一句AI提示就能构建出自己极其有用的应用程序的想法所吸引。
在大约六周的时间里，我确实设法构建了自己的应用程序——准确地说，是四个。按我的计算，其中三个基本上都很糟糕。
那个运行得还算不错的应用程序——一个图形化仪表盘，用于追踪我的Docker Swarm设置（一种“统一集群”配置，允许各种软件服务在不同计算节点间动态迁移）的状态——花了我大约一周时间进行氛围编程，整个过程还算顺利。
我的其他项目呢？就没那么顺利了。我做了三次尝试来逆向工程OpenClaw，这个病毒式传播的智能体AI热潮，AI行业内的每个人都在疯狂地试图复制。我的目的有两个：一是构建一个我自己放心安装在系统上的、锁定版本的OpenClaw；二是总体上获得一些急需的关于AI智能体的经验。
几周以来，我一直在以各种形式、使用各种工具开发我的“BenClaw”应用程序，包括Claude Code、谷歌的Antigravity和OpenAI的Codex。
最初我尝试改编GitHub上现有的OpenClaw克隆项目，然后尝试从头开始进行氛围编程。“好的，Claude”（或者Gemini，或者Codex），我会问，“我想构建我自己的OpenClaw。”然后我会用最宽泛的笔触描绘各种功能，同时给AI在结果方面很大的自由度。（事实证明，这是我犯的众多错误中的第一个。）
我的测试台上现在有三个氛围编程的原型：一个具有智能体功能但健忘的AI聊天机器人，通过Discord交流，并经常抱怨超出了工具调用次数限制；一个为GitHub准备的智能体工作流助手，实际上我并非有意构建它，也不知道如何使用；还有一个基于smolagents的AI智能体，它不知怎地变成了三个独立的智能体，没有一个能可靠工作。
正是在我最近一次smolagents的惨败之后，我开始问自己，在我投入大量时间进行氛围编程时，是否真的取得了任何进展，或者我是否被Claude Code、Antigravity和Codex生成代码的景象所迷惑，以至于忽视了这样一个事实：我只不过是在空转车轮。
也许我最大的问题在于，我没有做到经验丰富的软件开发人员总是做的事情：为最终产品制定详细的蓝图，包括功能特性、运作方式、外观和感觉，以及——最重要的是——它应该做什么。
“详细规划”或“搭建脚手架”软件项目是项艰苦的工作，虽然你当然可以把它交给Claude、Gemini或ChatGPT，但问题在于，它们开始做出关键的设计决策，而不是你。
结果呢？我的第二个AI智能体项目，被Claude命名为“AgentLab”，它……嗯，老实说，我不确定它做什么。你得去问Claude。
我们这里遇到的是一个典型的“输入垃圾，输出垃圾”的案例。虽然像Claude Code、谷歌的Antigravity和OpenAI的Codex这样的工具在编写和调试代码方面可以做得很出色，但我所做的只是递给它们垃圾——没有规划、没有严谨性、没有远见的模糊提示。最终得到一堆垃圾应用程序也就不足为奇了。
当然，这并不是说像我这样的业余氛围编程者应该放弃，把它留给专家。远非如此。如果你对一个新应用程序有构想，并想亲手打造它，现在正是你的机会。
只是不要低估在Claude Code、Antigravity和Codex施展魔法之前和之后，所需要的想象力、创造力和辛勤努力。
