Home Explore Help
Register Sign In
ka-cn
/
vibe-coding-cn
2
0
Fork 0
Files Issues 0 Pull Requests 0 Wiki
Branch: dev
Branches Tags
vibe-coding-cn
/
i18n
/
zh
/
documents
/
00-基础指南
/
胶水编程.md

胶水编程.md 11 KB
Permalink History Raw

🧬 胶水编程 (Glue Coding)

软件工程的圣杯与银弹——终于出现了。

🚀 颠覆性宣言

胶水编程不是一种技术，而是一场革命。

它可能完美解决了 Vibe Coding 的三大致命缺陷：

传统 Vibe Coding 的痛点 胶水编程的解法
🎭 AI 幻觉 - 生成不存在的 API、错误的逻辑 ✅ 零幻觉 - 只使用已验证的成熟代码
🧩 复杂性爆炸 - 项目越大越失控 ✅ 复杂性归零 - 每个模块都是久经考验的轮子
🎓 门槛过高 - 需要深厚编程功底才能驾驭 AI ✅ 门槛消失 - 你只需要描述"连接方式"

💡 核心理念

传统编程：人写代码
Vibe Coding：AI 写代码，人审代码
胶水编程：AI 连接代码，人审连接

范式转移

从「生成」到「连接」的根本性转变：

  • ❌ 不再让 AI 从零生成代码（幻觉的根源）
  • ❌ 不再重复造轮子（复杂性的根源）

  • ❌ 不再要求你理解每一行代码（门槛的根源）

  • ✅ 只复用成熟的、经过生产验证的开源项目

  • ✅ AI 的唯一职责：理解你的意图，将模块连接起来

  • ✅ 你的唯一职责：描述清楚「输入是什么，输出要什么」

🏗️ 架构哲学

┌─────────────────────────────────────────────────────────┐
│                    你的业务需求                          │
└─────────────────────────────────────────────────────────┘
                           │
                           ▼
┌─────────────────────────────────────────────────────────┐
│                   AI 胶水层 (Glue Layer)                 │
│                                                         │
│   "我理解你要做什么，让我把这些积木连起来"                  │
│                                                         │
└─────────────────────────────────────────────────────────┘
                           │
          ┌────────────────┼────────────────┐
          ▼                ▼                ▼
   ┌─────────────┐  ┌─────────────┐  ┌─────────────┐
   │  成熟模块 A  │  │  成熟模块 B  │  │  成熟模块 C  │
   │  (10万+ ⭐)  │  │  (生产验证)  │  │  (官方 SDK)  │
   └─────────────┘  └─────────────┘  └─────────────┘

实体 (Entity)：成熟的开源项目、官方 SDK、久经考验的库 连接 (Link)：AI 生成的胶水代码，负责数据流转和接口适配 功能 (Function)：你描述的业务目标

🎯 为什么这是银弹？

1. 幻觉问题 → 彻底消失

AI 不再需要"发明"任何东西。它只需要：

  • 阅读模块 A 的文档
  • 阅读模块 B 的文档
  • 写出 A → B 的数据转换

这是 AI 最擅长的事情，也是最不容易出错的事情。

2. 复杂性问题 → 转嫁给社区

每个模块背后都有：

  • 数千个 Issue 的讨论
  • 数百个贡献者的智慧
  • 数年的生产环境打磨

你不是在管理复杂性，你是在站在巨人的肩膀上。

3. 门槛问题 → 降到最低

你不需要懂：

  • 底层实现原理
  • 最佳实践细节
  • 边界情况处理

你只需要会说人话：

"我要把 Telegram 的消息，经过 GPT 处理，存到 PostgreSQL"

AI 会帮你找到最合适的轮子，然后把它们粘起来。

📋 实践流程

1. 明确目标
   └─→ "我要实现 XXX 功能"

2. 寻找轮子
   └─→ "有没有成熟的库/项目已经做过类似的事？"
   └─→ 让 AI 帮你搜索、评估、推荐

3. 理解接口
   └─→ 把官方文档喂给 AI
   └─→ AI 总结：输入是什么，输出是什么

4. 描述连接
   └─→ "A 的输出要变成 B 的输入"
   └─→ AI 生成胶水代码

5. 验证运行
   └─→ 跑通 → 完成
   └─→ 报错 → 把错误扔给 AI，继续粘

🔥 经典案例

案例：Polymarket 数据分析 Bot

需求：实时获取 Polymarket 数据，分析后推送到 Telegram

传统做法：从零写爬虫、写分析逻辑、写 Bot → 3000 行代码，2 周时间

胶水做法：

轮子 1: polymarket-py (官方 SDK)
轮子 2: pandas (数据分析)
轮子 3: python-telegram-bot (消息推送)

胶水代码: 50 行
开发时间: 2 小时

📚 延伸阅读

🎖️ 总结

能抄不写，能连不造，能复用不原创。

胶水编程是 Vibe Coding 的终极进化形态。

它不是偷懒，而是工程智慧的最高体现——

用最少的原创代码，撬动最大的生产力。

这就是软件工程等待了 50 年的银弹。

"The best code is no code at all. The second best is glue code."

胶水编程（glue coding）方法论

1. 胶水编程的定义

胶水编程（glue coding）是一种新型的软件构建方式，其核心理念是：

几乎完全复用成熟开源组件，通过最小量的“胶水代码”将它们组合成完整系统

它强调的是“连接”而不是“创造”，在 AI 时代尤其高效

2. 产生背景

传统软件工程往往需要开发者：

  • 设计架构
  • 自己编写逻辑
  • 手动处理各种细节
  • 重复造轮子

这导致开发成本高、周期长、成功率低

而当下的生态已经发生根本变化：

  • GitHub 上成熟的开源库成千上万
  • 框架覆盖各种场景（Web、AI、分布式、模型推理…）
  • GPT / Grok 能帮助搜索、分析、组合这些项目

在这种环境中，再从零写代码已经不是最高效的方式

于是，“胶水编程”成为一种新范式

3. 胶水编程的核心原则

3.1 凡是能不写的就不写，凡是能少写的就少写

任何已有成熟实现的功能，都不应该重新造轮子

3.2 凡是能 CV 就 CV

直接复制使用经过社区检验的代码，属于正常工程流程，而非偷懒

3.3 站在巨人的肩膀上，而不是试图成为巨人

利用现成框架，而不是试图自己再写一个“更好的轮子”

3.4 不修改原仓库代码

所有开源库应尽量保持不可变，作为黑盒使用

3.5 自定义代码越少越好

你写的代码只承担：

  • 组合
  • 调用
  • 封装
  • 适配

也就是所谓的胶水层

4. 胶水编程的标准流程

4.1 明确需求

把系统要实现的功能拆成一个个需求点

4.2 使用 GPT/Grok 拆解需求

让 AI 将需求细化为可复用模块、能力点和对应的子任务

4.3 搜索现成的开源实现

利用 GPT 的联网能力（如 Grok）：

  • 根据每个子需求搜索对应的 GitHub 仓库
  • 检查是否存在可复用组件
  • 对比质量、实现方式、许可证等

🔍 使用 GitHub Topics 精准找轮子

方法：让 AI 帮你找到需求对应的 GitHub Topic，然后浏览该主题下的热门仓库

示例提示词：

我需要实现 [你的需求]，请帮我：
1. 分析这个需求可能涉及哪些技术领域
2. 推荐对应的 GitHub Topics 关键词
3. 给出 GitHub Topics 链接（格式：https://github.com/topics/xxx）

常用 Topics 示例： | 需求 | 推荐 Topic | |:---|:---| | Telegram Bot | telegram-bot | | 数据分析 | data-analysis | | AI Agent | ai-agent | | CLI 工具 | cli | | Web 爬虫 | web-scraping |

进阶技巧：

4.4 下载并整理仓库

将选定的仓库拉取到本地，分类整理

4.5 按架构体系进行组织

把这些仓库放置到项目结构中，例如：

/services  
/libs  
/third_party  
/glue

并强调：开源仓库作为第三方依赖，绝对不可修改。

4.6 编写胶水层代码

胶水代码的作用包括：

  • 封装接口
  • 统一输入输出
  • 连接不同组件
  • 实现最小业务逻辑

最终系统通过多个成熟模块组合而成

5. 胶水编程的价值

5.1 极高的成功率

因为使用的是社区验证过的成熟代码

5.2 开发速度极快

大量功能可以直接复用

5.3 降低成本

时间成本、维护成本、学习成本都大幅减少

5.4 系统更稳定

依赖成熟框架而非个人实现

5.5 易于扩展

通过替换组件就能轻松升级能力

5.6 与 AI 强配

GPT 能辅助搜索、拆解、整合，是胶水工程的天然增强器

6. 胶水编程 vs 传统开发

项目 传统开发 胶水编程
功能实现方式 自己写 复用开源
工作量 大 小得多
成功率 不确定 高
速度 慢 极快
错误率 容易踩坑 使用成熟方案
重点 “造轮子” “组合轮子”

7. 胶水编程的典型应用场景

  • 快速原型开发
  • 小团队构建大系统
  • AI 应用/模型推理平台
  • 数据处理流水线
  • 内部工具开发
  • 系统集成（System Integration）

8. 未来：胶水工程将成为新的主流编程方式

随着 AI 能力不断增强，未来的开发者不再需要自己写大量代码，而是：

  • 找轮子
  • 组合轮子
  • 智能连接组件
  • 以极低成本构建复杂系统

胶水编程将会成为新的软件生产力标准