vibe_coding | UonIra‘s Blog

type

Post

status

Published

date

Mar 26, 2026

slug

vibeCodeing

summary

什么是vibe coding，如何搭指定vibe coding 工作流程？

什么是 Vibe Coding？

Vibe 编码”是一种软件开发方法，它利用人工智能 (AI) 和语言学习模型 (LLM) 通过自然语言提示生成代码，而不是手动编写。其理念是，你描述应用程序的功能，然后由 AI 构建它。这种方法非常适合快速原型开发，无需逐行审查代码，从而加快了开发速度，也让非传统程序员更容易上手。

AI 编程工具

Claude Code（CC）

Claude Code 是由 Anthropic 公司开发的一款基于终端的 AI 工具。它旨在帮助用户解决复杂的代码问题、解释陌生的代码库并进行调试。当您需要在修改代码之前了解其功能时，它能发挥最佳作用；只需提供具体问题，它就能逐步引导您解决问题。

CodeX Codex 是 OpenAI 的一款代码驱动型模型，已集成到 GitHub Copilot 等工具中，并可通过 API 使用。

它擅长将清晰定义的需求转化为可运行的代码；只需描述您想要的具体行为，它就能生成相应的实现。Codex 最适合处理封闭、定义明确的任务，而非开放式的架构决策。

Gemini

Gemini CLI 是 Google 面向开发者的命令行 AI 工具。它可以直接在终端中辅助代码生成、解释和重构。如果您已经在使用 Google 生态系统，或者想要一个强大的 AI 助手但又不想改变现有的终端工作流程，那么 Gemini CLI 是一个实用的选择。

Copilot

GitHub Copilot 是一款人工智能驱动的代码助手，可以帮助你更快地编写代码。它会在你输入代码的同时，根据你的代码风格和注释进行学习，从而提供相关的建议，甚至包括代码行和整个函数。

专攻前端

v0

v0 是 Vercel 的 UI 生成工具。您只需用简单的语言描述组件或屏幕，它就能生成简洁的 React 代码，可以直接集成到您的项目中。

它最适合生成单个 UI 组件，而不是完整的应用程序；当您需要快速生成特定的界面元素而无需从头开始编写时，可以使用它。

Lovable

Lovable 可以根据文本描述生成可运行的前端应用程序。它是将想法快速转化为可点击应用的途径之一。生成的应用足以进行早期用户测试，但在正式上线之前，可能需要使用代码编辑器进行一些优化。

vibe coder 的思维模式

人工智能更像是你身边的一位初级开发人员。你不会问完一个问题就走开，而是会和它进行对话。你需要提供背景信息，检查它的反馈，指出错误之处，并引导它找到你所需的功能。如果你能清晰地解释你的想法，它就能更好地发挥作用。

这与传统编程截然不同，传统编程要求你掌握精确的语法，并亲力亲为地编写所有代码。而人工智能则改变了你的角色；你不再是代码编写者，而是项目负责人。你负责设定愿景、审核输出结果，并确保项目朝着正确的方向发展。你仍然需要掌握编程基础知识，但不再需要死记硬背语法或独自摸索每一个细节。

在编写代码前先做好计划

在开始使用人工智能进行编码之前，务必制定计划。明确你的最小可行产品（MVP），并将项目分解成多个阶段。不要试图一次性完成所有工作，而应该循序渐进。向人工智能提供模型、屏幕截图或代码示例等，以便它理解你的需求。你甚至可以利用人工智能本身来帮助你进行规划。告诉它你的想法，让它帮助你完善它，并将其分解成多个阶段。前期做好规划可以节省后期大量的修复时间。

计划需要开发的内容

不要试图一次性构建所有功能。先从最小可行产品（MVP）入手，也就是最简单且可用的版本。如果你要构建一个任务管理器，那么它可能只需要添加、查看和删除任务，仅此而已。然后将剩余功能分解成多个阶段。例如，第二阶段是用户帐户，第三阶段是通知功能。这样，你始终可以确保部分功能正常运行，而且当你给人工智能分配更小、更专注的任务，而不是让它一次性构建整个应用程序时，它能给出更好的结果。

循序渐进而非一气呵成

一次只构建一个功能。让 AI 执行该功能，进行测试，确保其正常运行，然后再进行下一个功能。如果让 AI 一次性构建太多功能，就会出现问题，而且你无法找到原因。循序渐进地进行调试更容易，因为你每次只更改一个地方，所以可以准确地知道问题出在哪里。

用示例阐述

与其只是告诉AI你想要什么，不如直接展示给它看。可以附上截图、草图或类似网站链接，展示你想要构建的内容。如果你有想让AI遵循的代码模板，也可以粘贴过来。

💡

示例比文字描述效果好得多，因为AI无需猜测你的意思。你可以使用像Excalibur这样的工具来绘制草图。

技术栈和编码

选择流行的技术栈，而不是新兴/小众的技术栈。

使用 React、Next.js、Tailwind 和 Supabase 等主流技术栈。人工智能已经基于大量使用这些工具编写的代码进行训练，因此能够提供更佳的结果。对于移动、桌面或硬件项目，同样的原则也适用：坚持使用成熟的工具。如果使用小众或非常新的工具，人工智能会犯更多错误，导致您需要花费更多时间来修复问题。

代码风格偏好

将你的偏好设置——例如文件夹结构、命名规则和编码模式——记录在一个专门的文件（例如CLAUDE.md）中，并在每次会话开始时将其分享给 AI。这样可以避免你反复修改相同的问题，并确保整个项目的代码保持一致。

要求人工智能保持代码模块化，并力求生成更小的模块/文件。

从一开始就告诉AI将代码拆分成小的、功能集中的文件，而不是把所有内容都放在一个地方。小文件更容易阅读、更容易修复，也更容易让AI在以后的会话中理解和处理，避免混淆。

定期让人工智能审查和重构代码库

每隔几个开发周期，暂停新功能的开发，让 AI 清理现有代码。随着时间的推移，代码会变得混乱，定期清理可以保持项目的健康运行，并简化后续的开发工作，避免出现意外故障。

提词的最佳方法

你与人工智能的沟通方式决定了你得到的反馈质量。每次只提一个问题，要具体明确，提供示例，告诉它应该避免什么，并使用上下文文档，这样你就不会在每次对话中重复相同的内容。

期强制重构会话

人工智能将选择阻力最小的路径（添加代码、扩展文件、跳过清理过程）。定期要求它后退一步并进行重构：将事物分解为更小的模块、移除无用代码、提升性能。

保持上下文文档更新

如果你发现自己在重复某些指令，请在相关文档中对这些指令进行记录。另一个有助于此过程的方法是：在讨论会后，如果你认为人工智能能够从会议中的学习中获益，可以请求它更新相关文档（例如 Claude.md)以纳入构建中的学习内容。

一次只要求完成一项任务

保持提示的简洁性。每次只让AI执行一项任务，检查结果，然后再进行下一项。如果将多个请求堆砌在一个提示中，AI就会失去专注，导致所有任务同时出错

具体说明你想要什么

请准确描述您的需求——布局、行为、内容、限制条件。您提供的细节越多，AI 需要猜测的就越少。模糊的提示会产生模糊的结果，最终您会花费更多时间来修正，还不如一开始就明确描述。

提供参考

始终给人工智能提供可供查看的内容，而不仅仅是阅读的内容。粘贴现有文件、附加屏幕截图或提供参考链接。您提供的资料越相关，人工智能需要猜测的内容就越少，输出结果也就越好。

定期更新上下文

每次您做出有关项目的重要决定时，请将其添加到您的上下文文档中，例如CLAUDE.md。这可以缩短会话时间，减少重复解释，并节省令牌，从而节省资金，尤其是在与快速消耗令牌的代理一起使用时。

上下文

利用厂上下文窗口

有些人工智能工具允许你一次性粘贴大量信息。在处理复杂项目时，可以一次性将所有相关文件、笔记和上下文信息提供给人工智能。人工智能对项目了解得越多，在整个过程中做出的决策就越好。

子代理

子代理是专门处理特定任务的代理，它们在各自独立的上下文中运行。使用子代理可以使工作的每个部分都更加专注，减少令牌的使用，并产生比试图在一次冗长的对话中完成所有操作更清晰的结果

调试

只要提供正确的信息，人工智能就能非常有效地修复错误。直接粘贴错误信息，让它诊断问题；如果几次尝试后仍然失败，就让它列出所有可能的原因，而不是让它猜测。使用日志来精确追踪问题所在；如果条件允许，使用 MCP 工具让人工智能实时了解应用程序内部的运行情况。

提交错误信息

当出现故障时，请复制完整的错误信息，并将其连同您当时的操作简要描述一起直接粘贴到提示框中。大多数情况下，这些信息足以让 AI 找到问题并提供解决方案，无需任何反复沟通。

添加日志

让AI在代码的相关部分添加标记语句，这样你就可以在错误发生时准确地看到每个步骤的具体情况。一旦你找到了问题所在，就让它移除标记并应用相应的修复程序。

安装并要求 AI 使用 MCP

MCP 工具让 AI 可以直接与您的应用交互——例如，使用 Playwright 在真实的浏览器中进行测试。这使 AI 能够真正了解应用的运行情况，而不是仅仅依靠代码进行猜测，从而大大加快调试速度并提高准确性。

版本控制

版本控制系统用于跟踪代码随时间推移发生的更改。像 Git 这样的版本控制工具对于 Vibe 程序员来说尤为重要，因为 AI 有时会做出一些意想不到的重大更改，导致代码崩溃，而拥有最近的保存点意味着你不会丢失太多进度。

使用 git commit

每次 AI 完成任务且结果良好时，都进行一次提交。这样可以锁定你的进度，即使下一个任务出现问题，你也可以回滚到上一个可用的版本，而不会丢失之前的任何工作。

每个新功能都从一个干净的 Git 仓库开始。

在让 AI 构建新功能之前，请确保所有现有更改都已提交。这样可以创建一个干净的检查点，如果新功能导致问题，您可以放弃这些更改并重新开始，而不会对现有内容造成任何风险。

测试

测试是确保应用按预期运行的关键。让 AI 在构建过程中编写测试，而不是在构建完成后才编写。使用端到端测试来捕获用户实际遇到的错误，在修复任何错误之前编写一个破坏性测试，并在测试就绪后自由重构。

让人工智能编写测试

每次人工智能构建新功能时，都要立即让它为该功能编写测试。端到端测试尤其有用，因为它们可以模拟真实用户使用应用程序的过程，并在影响用户体验的错误到达真实用户之前将其捕获。

考虑采用测试驱动开发（TDD）

在测试驱动开发（TDD）中，你需要在编写代码之前先编写测试。让人工智能（AI）先编写一个描述预期行为的测试，然后再编写代码来实现这个测试。这有助于明确你正在构建什么，并最终生成更简洁、更可靠的代码。

测试到位后，定期重构

好的测试能让你自由地清理和重组代码，而不用担心破坏系统。一旦测试套件搭建完成，就要养成定期重构的习惯，让测试在出现任何问题时立即发出警报。

安全问题

在专注于开发时，安全问题很容易被忽视，但忽视安全可能会造成严重后果。务必使用环境变量来存储 API 密钥和密码等敏感信息，并且在正式上线之前，务必让 AI 对应用程序进行漏洞审计。

明确要求人工智能对应用程序执行安全审计

在正式发布任何内容之前，务必让人工智能扫描代码，查找安全问题——例如未受保护的路由、缺失的输入验证、暴露的数据以及其他任何可能被利用的漏洞。务必将此步骤视为强制性步骤，而非可选项。

始终使用环境变量

API密钥、密码和令牌绝不应该直接出现在你的代码中。.env应该使用环境变量将它们存储在一个文件中，并确保该文件已添加到GitHub的管理列表中.gitignore，以防止它被意外推送到GitHub。