VibeCoding · 实践指南

与 AI 协作
把想法写成代码

VibeWiki 是一份 VibeCoding 实践知识库：工具栈、十条实用守则、以及那些"用得爽但容易翻车"的反模式。

01 · 概念

什么是 VibeCoding

VibeCoding（凭感觉编程）是 Andrej Karpathy 在 2025 年提出的一种新型编程姿态：开发者把意图用自然语言描述给大模型，由 AI 主导代码生成，开发者负责审阅、运行、纠偏与验收。

它不是"让 AI 替你思考"，而是把开发者从"逐行输入"的体力劳动里解放出来，把脑力留给意图设计、架构决策、品质把关。能不能把 vibe 顺利地传递给 AI、能不能在 AI 跑偏时及时拽回来，是新一代开发者的核心技能。

"There's a new kind of coding I call 'vibe coding', where you fully give in to the vibes, embrace exponentials, and forget that the code even exists." — Andrej Karpathy, 2025

02 · 工具栈

主流 VibeCoding 工具

Claude Code CLI

Anthropic 官方终端 Agent，擅长长链路任务编排与 hooks。

Cursor IDE

基于 VS Code 的 AI 编辑器，Composer 模式做多文件改动。

Codex CLI CLI

OpenAI 的终端编码代理，沙箱执行 + 自动 patch。

GitHub Copilot IDE

老牌行内补全，Chat 与 Agent 模式持续进化。

v0 Web

Vercel 出品，从一句话生成 React + Tailwind 界面。

Bolt.new Web

浏览器内一键搭出可运行的全栈原型。

Windsurf IDE

Codeium 出品的 Agent 优先 IDE。

Aider CLI

开源命令行 AI 编程伙伴，git-native 工作流。

03 · 实践

十条 VibeCoding 守则

  1. 先讲清楚"为什么"，再让 AI 写代码

    把背景、目标、约束、验收标准一次性交代清楚。AI 不擅长猜你的隐藏假设，省下来的前置对齐时间会在 debug 里十倍奉还。

  2. 用项目级规范文件沉淀约定

    每个项目维护 CLAUDE.md / .cursorrules / AGENTS.md，把技术栈、命名、目录结构、不做的事写进去。让规范跟代码同仓库演进。

  3. 小步提交，每个改动独立可回滚

    一次让 AI 改一件事，跑通测试就 commit。乱炖式"一把梭"会让 git diff 失去意义，出错只能整个 reset。

  4. 让 AI 先列计划，确认后再动手

    复杂任务先要 plan，对方案有数再 approve 执行。计划阶段返工成本是分钟，执行后返工成本是小时。

  5. 把测试当 spec：先写测试再写实现

    TDD 给 AI 一道清晰的及格线。失败的测试比模糊的描述强一百倍，AI 会自己迭代直到测试变绿。

  6. 复杂改动拆给子 Agent

    跨模块的大任务用并行子 Agent 分头干，主 Agent 只负责汇总验收。单 Agent 上下文会被冲垮，效果反而差。

  7. 外部依赖永远查最新文档

    大模型的训练数据有截止日期，库 API 经常变。重要的依赖用 web search / context7 等工具查最新文档，别让 AI 凭记忆写。

  8. 怀疑"幻觉式 API"就让它跑一遍

    AI 编出来的函数签名、参数、配置项可能根本不存在。本地跑一次、看一次实际报错，比盯着代码 review 半小时更快揪出幻觉。

  9. UI 变更必须看截图验收

    视觉相关改动让 AI 跑浏览器自检（Playwright / Browser MCP）并贴截图。"通过类型检查"不等于"长得对"。

  10. 关键代码人工 review，永远

    认证、支付、权限、数据迁移、生产配置——这些不交给"我觉得它写对了"。人工读一遍是最后一道防线。

04 · 反模式

这些坑千万别踩

不看 AI 写的代码就 push

合上眼睛 merge，到生产报错才回头读，调试成本是当初看一眼的十倍。

放任 AI 改生产配置 / 数据库

迁移脚本、环境变量、IAM 权限属于"破坏性操作"，必须人工 review 后再执行。

把 secret / token 塞进 prompt

密钥一旦进对话历史就可能进训练集、进日志、进截图。用环境变量，不要图省事。

用 AI "速通"安全相关代码

SQL 拼接、XSS 转义、加密算法、JWT 校验，AI 容易写出"看起来对"但漏洞百出的版本。

一个 PR 改 50 个文件

体量过大没人能 review，bug 藏在里面零成本通过。强制按功能拆 PR。

把"能跑"当"做完"

没有测试、没有边界条件验证、没有错误处理，只是 happy path 通过，不算完成。

放弃理解代码的能力

AI 是杠杆不是替代。当你完全读不懂 AI 写了什么，你也就失去了维护它的能力。

不维护规范文件

CLAUDE.md 写完就忘，半年后 AI 还在按旧约定干活，团队却换了三套技术栈。