本文来自微信公众号： 城PLUS ，作者：王泽帆，原文标题：《从「Vibe Coding」到「Vibe Planning」：AI如何改变规划师的工作方式》
作为一名技术工作者，我在日常工作中深切体会到AI正在重塑我们的工作方式：从最初的代码辅助，逐步进化为开发全流程的人机协同，在开发者圈子里被称为「Vibe Coding」（氛围编程）。这让我产生了一个想法：如果把这种方式映射到规划工作中会是一个怎样的场景，或者说Vibe Planning是一种怎样的体验。
01
什么是
「Vibe Coding」？
在AI尚未介入的时代，编程是一项需要深厚技术积累的专业技能。对于非开发者而言，传统编程面临着诸多挑战。创意常常因为技术实现的复杂性而被搁置，或者需要经过漫长的开发周期才能落地，极大削弱了创意落地的时效性。
随着AI技术的发展，编程的范式正在发生深刻变革。Vibe Coding提供了一种全新的对话式构建应用体验，重新定义了编程的边界，让技术成为创意的催化剂。
02
AI时代的效率革命
从工具到思维
/1
规划师的工作为什么需要改变？
在讨论「Vibe Planning」之前，我们先看看传统规划工作流的痛点。
信息收集
手动整理现状资料、调研数据
分析处理
使用专业软件进行日照、风环境等分析
方案设计
在CAD、GIS等软件中绘制方案
文档编制
在Word、PPT中编写汇报材料
方案调整
根据反馈反复修改，重新走一遍流程
这种工作模式的核心痛点在于每一步都有其独立的研究方法且工作状态频繁切换：每个环节需切换不同软件，规划师的注意力被不断切割——时而思考规划战略，时而纠结技术实现路径，时而又需耗费精力处理软件操作与数据格式适配，创意灵感频繁被打断，最终导致整体工作效率大打折扣。
/2
从「工具辅助」到「思维协同」
Vibe Coding带来的不仅仅是工作工具的升级，更是思维方式的转变。它让我们从「使用工具」转变为「与工具对话」，从「手动操作」转变为「逻辑指导」。
在Vibe Planning的语境下，规划师不再是工具的操作者，而是解决方案的设计者。规划师负责提出问题、定义目标、验证结果，而AI则负责实现具体的技术细节。这种分工让规划师能够更加专注于核心问题，释放创造力。
要实现这种思维协同，我们可先了解Vibe Coding的不同实践形态，以便根据具体需求选择合适的工具和方法。
03
「Vibe Coding」
的三种实践形态
Vibe Coding并非单一工具或方法，而是一组以AI为核心的编程实践体系。根据应用场景和技术深度的不同，可以将其分为三种主要形态：对话生成型AI应用、零/低代码平台和工程向编程环境。这三种形态各有优势和适用场景，规划师可以根据具体需求和技术能力选择合适的工具和方法，实现从快速验证想法到深度定制开发的全流程覆盖。
/1
对话生成型AI应用：快速验证想法
适用场景：概念验证、数据可视化、简单脚本生成
相关工具：豆包、Kimi、Gemini、Claude
实操案例：OD数据可视化
步骤
1
提出需求
“帮我基于以下OD数据生成一个html页面，并利用和弦图展示区域间的人流联系，颜色饱和度不要太高，整体要美观”
2
提供数据
可以直接粘贴表格数据或上传数据文件
3
调整优化
“颜色再鲜明一些，添加交互效果，鼠标悬停时显示具体数值”
4
获取代码
AI会生成完整的HTML、CSS和JavaScript代码
5
在线预览
多数WEB端对话类AI应用可以直接预览HTML页面根据反馈反复修改，重新走一遍流程
优势：响应速度快，操作门槛低，适合快速验证想法
局限：复杂系统和数据处理能力有限，难以进一步深化研究
/2
零代码/低代码平台：快速构建应用
适用场景：原型开发、小型应用、数据管理工具
相关工具：秒搭、钉钉宜搭、AppSheet
实操案例：现场调研工具
步骤
1
定义需求
“帮我写个应用，可以拖拽上传照片，自动提取其经纬度信息，在地图上显示位置，可以点击查看图片”
2
回答问题
AI会询问具体需求细节，如功能细节、地图类别等
3
生成应用
平台会自动生成应用界面和功能
4
测试调整
在平台上测试应用，提出修改意见
5
发布分享
生成可分享的链接，供团队成员使用
优势：无需编码知识，快速构建可分享的应用
局限：功能定制性有限，无法精准修改，数据迁移困难
/3
工程向编程环境：深度定制开发
适用场景：复杂应用、专业工具、系统集成
工具推荐：Trae、cursor、Claude Code、GitHub Copilot
实操案例：城市设计AI绘图工作台
步骤
1
整体规划
“我要构建一个AI绘图工作台，包含绘图、灵感、个人中心、意见反馈四个模块”
2
技术选型
“结合我的需求帮我做技术选型，特别是绘图模块的画板功能要细化操作，并进行详细的技术选型对比”
3
开发过程
V1：经过10轮对话完成从0到1的可用版本（仅绘图）
V2：经过约30轮对话从绘图功能到完整应用的版本更新
V3：版本迭代提供给AI约80余个需求及反馈，完成了整体的开发
4
部署上线
“帮我配置部署环境，上线应用”
优势：高度定制化，支持复杂功能，可与专业软件集成
局限：极度依赖大模型能力，需要一定的技术基础
04
从编程到规划
「Vibe Planning」的想象空间
对于规划师而言，Vibe Coding不是目的，而是解决实际问题的手段。根据规划工作的不同阶段和需求，可以将Vibe Coding的实践路径分为三个层次：操作自动化、逻辑数字化、工具定制化。这三条路径层层递进，从解决基础操作问题到构建专业工具，为规划师提供了一套完整的AI辅助工作体系。通过这些实践，规划师可以将更多精力投入到创意设计和专业判断上，实现技术与设计的协同发展。
/1
路径一：操作自动化
目标：将重复、机械的操作转化为程序化流程，释放时间用于创造性工作。
适用场景
批量处理照片、PDF等文件
标准化文件命名和整理
自动生成图表和报告
▼实操案例：现状调研照片批量处理
步骤
1
明确需求
“将文件夹中的图片压缩到1m以下，并按照时间顺序命名图片，命名规则【韶关-顺序】”
2
自动
生成脚本
生成PowerShell脚本
3
自动
执行脚本
运行脚本自动处理所有照片
4
自动保存
到指定文件夹
/2
路径二：逻辑数字化
目标：将规划分析逻辑转化为可重复执行的数字化工具，实现专业判断的量化
适用场景
慢行空间人群活力模拟
风环境分析
日照分析
交通流量预测
▼实操案例：慢行空间人群活力模拟
步骤
1
定义问题
“将模拟某商业街区在周末下午的人群流动情况，分析拥堵点和优化方向”
2
逻辑拆解
环境抽象：提取建筑边界、步行区域、兴趣点
主体生成：设定人群生成速率、起点终点、人群属性
行为规则：定义全局寻路、局部避障、交互逻辑
3
代码实现
在Trae、Cursor这类软件中，输入逻辑拆解，同AI制定开发计划，并执行AI coding，实现模拟逻辑
4
验证测试
灰盒测试：检查过程数据是否合理
黑盒测试：观察模拟结果是否符合预期
技术要点
在AI的协助下，拆解研究逻辑，明确输入输出
指导AI使用社会力等算法、模型实现局部避障、路径计算等功能
逻辑算法的构建与验证是一个持续循坏迭代的过程
/3
路径三：工具定制化
目标：构建专业级工具，解决行业特定痛点
适用场景
AI辅助城市设计
规划方案评估系统
数据可视化平台
▼实操案例：数据可视化平台
步骤
1
需求分析
“设计一个面向业务与分析的地理大数据可视化配置平台：在浏览器里加载大规模空间数据，通过可配置的图层、样式与交互，把数据动态呈现，并支持后续扩展更多数据源与可视化类型”
2
核心
功能
拆解
–数据层：多格式导入（CSV/JSON/GeoJSON等）、编码与字段识别、抽样/分块加载
–分析层：聚合、筛选、统计、关联简单指标（按区域/时间等维度）
–可视化层：点/线/面/热力、图层叠加、时间轴或分级渲染、图例与提示信息
–交互与编辑：缩放平移、拾取、筛选面板、样式与图层选项
3
代码
模块
拆分
–应用与页面：应用入口、根布局、主页面；只负责组装，不写复杂业务逻辑
–地图与图层：地图实例与底图、图层列表与排序、各类图层的创建/更新/销毁；与AntV L7直接打交道的代码尽量集中，避免散落在很多Vue文件里
–数据层：文件上传、格式解析（如CSV/JSON/空间数据）、字段与坐标处理。
–配置与UI组件：图层样式、筛选条件、图例等配置界面，以及可复用的表单控件
–状态管理：全局保存图层配置、当前选中项、地图参数等；跨组件共享以store为主
4
功能开发
与测试
–需求拆成可验收的用户故事：例如「导入10万点仍流畅」「动画展示OD数据」
–迭代开发：按模块（导入→图层→样式→可视化）推进，每步可运行、可演示
–测试：单元测试、关键路径E2E压测
开发技巧
先说清目标、数据，给真实输入，少空讲，必要时贴样例
一次只解决一件事，大块需求拆成可合并、可回滚的小步骤
复杂改动先出方案（动哪些模块、风险），再写代码
以上的所有工作都可以让AI来具体执行
05
「Vibe Planning」
还有多远？
虽然「Vibe Coding」已经相当成熟，但「Vibe Planning」的真正实现还面临三个核心挑战。
/1
专业表达的生成断层
目前的AI还做不出规划行业水准的汇报PPT。不是技术问题，而是专业表达的复杂性——规划汇报不仅需要美观，更需要严密的逻辑结构、精准的政策引用、符合行业习惯的表达方式。这需要深度的领域知识，而现有AI的训练数据在这方面明显不足。
/2
设计工具的交互壁垒
规划设计的核心工具（CAD、GIS）都是"历史包袱"很重的软件，界面复杂、操作逻辑独特。AI要"学会"这些软件的操作，需要专门的训练和数据。更重要的是，空间意图的精准描述本身就是难题——规划师脑子里想的是"这里要通透一些"，怎么转化成AI能理解的参数？
/3
数据流通的系统性困境
规划工作涉及大量数据：现状调研数据、规划成果数据、审批流程数据。但这些数据分散在不同部门、不同系统里，格式不统一、接口不开放。AI再聪明，也解决不了组织层面的数据孤岛问题。这需要管理逻辑的调整，而不仅仅是技术问题。
简而言之，从Vibe Coding到Vibe Planning的跨越，不仅是工作效率的提升，更是规划师角色从“生产工具的者”向“设计流程的架构师”的演变。尽管当下的技术栈在专业软件集成与复杂格式处理上仍有“最后一公里”的缺憾，但通过在技术、数据和个人认知层面的多重迭代，我们正在构建一个技术不再是门槛，灵感得以实时落地的全新创作范式。而对于个人而言，这更是一场从“技能焦虑”向“逻辑回归”的蜕变。
06
「Vibe」只是
一段交响乐的序曲
▲NVIDIA的黄仁勋在2026年GTC大会上说过一句话：“Token是AI时代的‘数字电力’，也是衡量工程团队产出效率的唯一硬通货。”
在Vibe Coding模式中，人既是质量保障也是效率瓶颈，它是迈向AI托管模式（如OpenClaw、Harness）的过渡。目前Agent技术虽在重塑业务边界，但在规划行业中，常因缺乏成熟工具和深度开发参与，导致AI难以触达到工作流的最后“一公里”。因此，Vibe Coding还可以作为连接未来的桥梁，它能通过降低门槛让非专业开发者快速构建领域工具，从而填补当前Agent基础设施的空白，加速AI走向实际业务场景。
技术只是手段
设计才是目的
从「Vibe Coding」到「Vibe Planning」，本质上是一场从“技能焦虑”向“逻辑回归”的蜕变。
不管是Vibe Coding还是Agent，技术总在不断进步，边界总在被打破。规划师尝试AI实践，本质上是在铺设自己未来要走的道路。但是技术从来不是目的，技术的价值在于它能够让我们从繁琐的操作中解放出来，专注于设计的本质——解决问题、创造价值、提升品质。
在AI时代，规划师的核心竞争力到底是什么？答案或许因人而异，但有一点是确定的：主动拥抱变化的人，会比抗拒变化的人走得更远。