💡 摘要
一份全面的AI结对编程方法论指南,专注于规划、模块化以及提示词与技能的递归自我优化。
🎯 适合人群
🤖 AI 吐槽: “这是一份与AI一起编码的哲学宣言,却忘了包含任何实际的代码。”
指南推荐的工具(CLI、模型)可能执行shell命令或处理敏感项目数据。风险:通过推荐的第三方服务间接引入供应链和数据泄露风险。缓解措施:在使用前审计并沙箱化任何CLI工具,避免将敏感代码发送到不可信的外部AI端点。
Vibe Coding 指南
一个通过与 AI 结对编程,将想法变为现实的终极工作站
📚 相关文档 🚀 入门指南 ⚙️ 完整设置流程 📞 联系方式 ✨ 支持项目 🤝 参与贡献
本仓库的 AI 解读链接:zread.ai/tukuaiai/vibe-coding-cn
🖼️ 概览
Vibe Coding 是一个与 AI 结对编程的终极工作流程,旨在帮助开发者丝滑地将想法变为现实。本指南详细介绍了从项目构思、技术选型、实施规划到具体开发、调试和扩展的全过程,强调以规划驱动和模块化为核心,避免让 AI 失控导致项目混乱。
核心理念: 规划就是一切。 谨慎让 AI 自主规划,否则你的代码库会变成一团无法管理的乱麻。
注意:以下经验分享并非普遍适用,请在具体实践中结合场景,辩证采纳。
🔑 元方法论 (Meta-Methodology)
该思想的核心是构建一个能够自我优化的 AI 系统。其递归本质可分解为以下步骤:
延伸阅读:A Formalization of Recursive Self-Optimizing Generative Systems
1. 定义核心角色:
- α-提示词 (生成器): 一个“母体”提示词,其唯一职责是生成其他提示词或技能。
- Ω-提示词 (优化器): 另一个“母体”提示词,其唯一职责是优化其他提示词或技能。
2. 描述递归的生命周期:
-
创生 (Bootstrap):
- 使用 AI 生成
α-提示词和Ω-提示词的初始版本 (v1)。
- 使用 AI 生成
-
自省与进化 (Self-Correction & Evolution):
- 使用
Ω-提示词 (v1)优化α-提示词 (v1),从而得到一个更强大的α-提示词 (v2)。
- 使用
-
创造 (Generation):
- 使用进化后的
α-提示词 (v2)生成所有需要的目标提示词和技能。
- 使用进化后的
-
循环与飞跃 (Recursive Loop):
- 将新生成的、更强大的产物(甚至包括新版本的
Ω-提示词)反馈给系统,再次用于优化α-提示词,从而启动持续进化。
- 将新生成的、更强大的产物(甚至包括新版本的
3. 终极目标:
通过此持续的递归优化循环,系统在每次迭代中实现自我超越,无限逼近预设的预期状态。
🧭 道
- 凡是 ai 能做的,就不要人工做
- 一切问题问 ai
- 目的主导:开发过程中的一切动作围绕"目的"展开
- 上下文是 vibe coding 的第一性要素,垃圾进,垃圾出
- 系统性思考,实体,链接,功能/目的,三个维度
- 数据与函数即是编程的一切
- 输入,处理,输出刻画整个过程
- 多问 ai 是什么?,为什么?,怎么做?
- 先结构,后代码,一定要规划好框架,不然后面技术债还不完
- 奥卡姆剃刀定理,如无必要,勿增代码
- 帕累托法则,关注重要的那20%
- 逆向思考,先明确你的需求,从需求逆向构建代码
- 重复,多试几次,实在不行重新开个窗口,
- 专注,极致的专注可以击穿代码,一次只做一件事(神人除外)
🧩 法
- 一句话目标 + 非目标
- 正交性,功能不要太重复了,(这个分场景)
- 能抄不写,不重复造轮子,先问 ai 有没有合适的仓库,下载下来改
- 一定要看官方文档,先把官方文档爬下来喂给 ai
- 按职责拆模块
- 接口先行,实现后补
- 一次只改一个模块
- 文档即上下文,不是事后补
🛠️ 术
- 明确写清:能改什么,不能改什么
- Debug 只给:预期 vs 实际 + 最小复现
- 测试可交给 AI,断言人审
- 代码一多就切会话
📋 器
集成开发环境 (IDE) & 终端
- Visual Studio Code: 一款功能强大的集成开发环境,适合代码阅读与手动修改。其
Local History插件对项目版本管理尤为便捷。 - 虚拟环境 (.venv): 强烈推荐使用,可实现项目环境的一键配置与隔离,特别适用于 Python 开发。
- Cursor: 已经占领用户心智高地,人尽皆知。
- Warp: 集成 AI 功能的现代化终端,能有效提升命令行操作和错误排查的效率。
- Neovim (nvim): 一款高性能的现代化 Vim 编辑器,拥有丰富的插件生态,是键盘流开发者的首选。
- LazyVim: 基于 Neovim 的配置框架,预置了 LSP、代码补全、调试等全套功能,实现了开箱即用与深度定制的平衡。
AI 模型 & 服务
- Claude Opus 4.5: 性能强大的 AI 模型,通过 Claude Code 等平台提供服务,并支持 CLI 和 IDE 插件。
- gpt-5.1-codex.1-codex (xhigh): 适用于处理大型项目和复杂逻辑的 AI 模型,可通过 Codex CLI 等平台使用。
- Droid: 提供对 Claude Opus 4.5 等多种模型的 CLI 访问。
- Kiro: 目前提供免费的 Claude Opus 4.5 模型访问,并提供客户端及 CLI 工具。
- Gemini CLI: 提供对 Gemini 模型的免费访问,适合执行脚本、整理文档和探索思路。
- antigravity: 目前由 Google 提供的免费 AI 服务,支持使用 Claude Opus 4.5 和 Gemini 3.0 Pro。
- AI Studio: Google 提供的免费服务,支持使用 Gemini 3.0 Pro 和 Nano Banana。
- Gemini Enterprise: 面向企业用户的 Google AI 服务,目前可以免费使用。
- GitHub Copilot: 由 GitHub 和 OpenAI 联合开发的 AI 代码补全工具。
- Kimi K2: 一款国产 AI 模型,适用于多种常规任务。
- GLM: 由智谱 AI 开发的国产大语言模型。
- Qwen: 由阿里巴巴开发的 AI 模型,其 CLI 工具提供免费使用额度。
开发与辅助工具
优点
- 提倡有纪律的、规划驱动的AI开发。
- 提供了一个新颖的提示词/技能递归优化框架。
- 整理了一份有价值的AI编码工具和模型列表。
缺点
- README纯粹是概念性的;没有提供可执行代码或技能。
- 缺乏具体的、循序渐进的实现示例。
- 结构密集且偏哲学性,可能阻碍实际应用。
相关技能
免责声明:本内容来源于 GitHub 开源项目,仅供展示和评分分析使用。
版权归原作者所有 2025Emma.
