vibe-coding-cn

# Vibe Coding 指南 **一个旨在通过与 AI 结对编程，将概念转化为现实的综合工作流程** ---

[📚 相关文档](#-相关文档与资源) [🚀 入门指南](#-入门指南) [⚙️ 完整设置流程](#️-完整设置流程) [📞 联系方式](#-联系方式) [✨ 支持项目](#-支持项目) [🤝 参与贡献](#-参与贡献) 本仓库的 AI 解读链接：[zread.ai/tukuaiai/vibe-coding-cn](https://zread.ai/tukuaiai/vibe-coding-cn/1-overview)

---

🖼️ 概览

Vibe Coding 是一个与 AI 结对编程的综合工作流程，旨在帮助开发者高效地将想法付诸实践。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，避免因缺乏有效管理而导致项目陷入混乱。

核心理念: 规划是项目成功的基石。 审慎地引导 AI 进行规划，以确保代码库的可维护性和可管理性。

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：

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：

1. 创生 (Bootstrap):

   • 使用 AI 生成 α-提示词 和 Ω-提示词 的初始版本 (v1)。

2. 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)。

3. 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。

4. 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，从而启动下一轮进化。

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，无限逼近预设的理想状态。

🧭 原则 (Principles)

• 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）

🧩 方法 (Methods)

• 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

🛠️ 技术 (Techniques)

• 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

📋 工具集 (Toolset)

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。
• Cursor: 深度集成 AI 功能的 IDE，在开发者社区中已获得广泛认可。
• 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: 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: 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。
• 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

• 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。
• Augment: 提供强大的上下文引擎和提示词优化功能。
• Windsurf: 为新用户提供免费额度的 AI 开发工具。
• Ollama: 本地大模型管理工具，可通过命令行方便地拉取和运行开源模型。
• Mermaid Chart: 用于将文本描述转换为架构图、序列图等可视化图表。
• NotebookLM: 一款用于 AI 解读资料、音频和生成思维导图的工具。
• Zread: AI 驱动的 GitHub 仓库阅读工具，有助于快速理解项目代码。
• tmux: 强大的终端复用工具，支持会话保持、分屏和后台任务，是服务器与多项目开发的理想选择。
• DBeaver: 一款通用数据库管理客户端，支持多种数据库，功能全面。

资源与模板

• 提示词库 (在线表格): 一个包含大量可直接复制使用的各类提示词的在线表格。
• 第三方系统提示词学习库: 用于学习和参考其他 AI 工具的系统提示词。
• Skills 制作器: 可根据需求生成定制化 Skills 的工具。
• 元提示词: 用于生成提示词的高级提示词。
• 通用项目架构模板: 可用于快速搭建标准化的项目目录结构。
• 元技能：Skills 的 Skills: 用于生成 Skills 的元技能。
• tmux快捷键大全: tmux 的快捷键参考文档。
• LazyVim快捷键大全: LazyVim 的快捷键参考文档。
• 二哥的Java进阶之路: 包含多种开发工具的详细配置教程。
• 虚拟卡: 可用于注册云服务等需要国际支付的场景。

---

编码模型性能分级参考

建议只选择第一梯队模型处理复杂任务，以确保最佳效果与效率。

• 第一梯队: codex-5.1-max-xhigh, claude-opus-4.5-xhigh, gpt-5.2-xhigh
• 第二梯队: claude-sonnet-4.5, kimi-k2-thinking, minimax-m2, glm-4.6, gemini-3.0-pro, gemini-2.5-pro
• 第三梯队: qwen3, SWE, grok4

---

📚 相关文档与资源

• 交流社区:
  • Telegram 交流群
  • Telegram 频道
• 个人分享:
  • 我的学习经验
  • 编程书籍推荐
• 核心资源:
  • 元提示词库: 用于生成提示词的高级提示词集合。
  • 元技能 (Meta-Skill): 用于生成 Skills 的 Skill。
  • 技能库 (Skills): 可直接集成的模块化技能仓库。
  • 技能生成器: 将任何资料转化为 Agent 可用技能的工具。
  • 在线提示词数据库: 包含数百个适用于各场景的用户及系统提示词的在线表格。
  • 第三方系统提示词仓库: 汇集了多种 AI 工具的系统提示词。
• 项目内部文档:
  • prompts-library 工具说明: 该工具支持在 Excel 和 Markdown 格式之间转换提示词，并包含数百个精选提示词。
  • coding_prompts 集合: 适用于 Vibe Coding 流程的专用提示词。
  • 系统提示词构建原则: 关于如何构建高效、可靠的 AI 系统提示词的综合指南。
  • 开发经验总结: 包含变量命名、文件结构、编码规范、架构原则等实践经验。
  • 通用项目架构模板: 提供多种项目类型的标准目录结构与最佳实践。
  • Augment MCP 配置文档: Augment 上下文引擎的详细配置说明。
  • system_prompts 集合: 用于指导 AI 开发的系统提示词，包含多个版本的开发规范与思维框架。

---

项目目录结构概览

vibe-coding-cn 项目的核心是围绕知识管理、AI 提示词的组织与自动化而构建。以下是其简化的目录结构说明：

.
├── backups/                     # 项目备份脚本。
├── documents/                   # 各类说明文档、经验总结和配置详情。
├── libs/                        # 通用库代码，包含内部模块和外部工具。
│   ├── common/                  # 通用功能模块。
│   ├── database/                # 数据库相关模块。
│   └── external/                # 外部集成工具，如 prompts-library。
├── prompts/                     # 核心资产：集中管理的各类型 AI 提示词。
│   ├── coding_prompts/          # 编程与代码生成专用提示词。
│   ├── system_prompts/          # AI 系统级行为与框架提示词。
│   └── user_prompts/            # 用户自定义提示词。
├── skills/                      # 模块化技能库，提供特定领域的工具和知识。
│
├── .gitignore                   # Git 忽略文件配置。
├── AGENTS.md                    # AI Agent 的行为准则与配置。
├── CLAUDE.md                    # Claude 模型的核心行为准则与配置。
├── CODE_OF_CONDUCT.md           # 社区行为准则。
├── CONTRIBUTING.md              # 贡献指南。
├── GEMINI.md                    # Gemini 模型的上下文与指令。
├── LICENSE                      # 项目开源许可证。
├── Makefile                     # 项目自动化任务脚本（如代码检查、备份）。
└── README.md                    # 项目主文档。

---

⚙️ 架构与工作流程

Vibe Coding 的核心工作流可以概括为：规划驱动 + 上下文固定 + AI 结对执行。它旨在将“从想法到可维护代码”的过程转变为一个可审计、可迭代的流水线。

您将获得:

• 成体系的提示词工具链: 利用 system_prompts 约束 AI 行为边界，coding_prompts 提供从需求澄清、规划到执行的全链路支持。

• 闭环交付路径: 遵循“需求 -> 上下文文档 -> 实施计划 -> 分步实现 -> 测试 -> 进度记录”的流程，确保全程可追溯、可移交。

  graph TB
  subgraph ext_layer[外部系统与数据源层]
  ext_contrib[社区贡献者]
  ext_sheet[Google 表格 / 外部表格]
  ext_md[外部 Markdown 提示词]
  ext_api[预留：其他数据源 / API]
  ext_contrib --> ext_sheet
  ext_contrib --> ext_md
  ext_api --> ext_sheet
  end
  
  subgraph ingest_layer[数据接入与采集层]
  excel_raw[prompt_excel/*.xlsx]
  md_raw[prompt_docs/外部MD输入]
  excel_to_docs[prompts-library/scripts/excel_to_docs.py]
  docs_to_excel[prompts-library/scripts/docs_to_excel.py]
  ingest_bus[标准化数据帧]
  ext_sheet --> excel_raw
  ext_md --> md_raw
  excel_raw --> excel_to_docs
  md_raw --> docs_to_excel
  excel_to_docs --> ingest_bus
  docs_to_excel --> ingest_bus
  end
  
  subgraph core_layer[数据处理与智能决策层 / 核心]
  ingest_bus --> validate[字段校验与规范化]
  validate --> transform[格式映射转换]
  transform --> artifacts_md[prompt_docs/规范MD]
  transform --> artifacts_xlsx[prompt_excel/导出XLSX]
  orchestrator[main.py · scripts/start_convert.py] --> validate
  orchestrator --> transform
  end
  
  subgraph consume_layer[执行与消费层]
  artifacts_md --> catalog_coding[prompts/coding_prompts]
  artifacts_md --> catalog_system[prompts/system_prompts]
  artifacts_md --> catalog_assist[prompts/assistant_prompts]
  artifacts_md --> catalog_user[prompts/user_prompts]
  artifacts_md --> docs_repo[documents/*]
  artifacts_md --> new_consumer[预留：其他下游渠道]
  catalog_coding --> ai_flow[AI 结对编程流程]
  ai_flow --> deliverables[项目上下文 / 计划 / 代码产出]
  end
  
  subgraph ux_layer[用户交互与接口层]
  cli[CLI: python main.py] --> orchestrator
  makefile[Makefile 任务封装] --> cli
  readme[README.md 使用指南] --> cli
  end
  
  subgraph infra_layer[基础设施与横切能力层]
  git[Git 版本控制] --> orchestrator
  backups[backups/一键备份.sh · backups/快速备份.py] --> artifacts_md
  deps[requirements.txt · scripts/requirements.txt] --> orchestrator
  config[prompts-library/scripts/config.yaml] --> orchestrator
  monitor[预留：日志与监控] --> orchestrator
  end
  

---

📈 性能基准 (可选)

本仓库主要关注流程与提示词质量，而非代码性能。建议通过以下可观测指标进行追踪（当前依赖人工记录）： | 指标 | 含义 | 建议记录方式 | |:---|:---|:---| | 提示命中率 | 一次生成即满足验收标准的比例。 | 在任务完成后于 `progress.md` 中记录 0/1。 | | 周转时间 | 从需求提出到首个可运行版本所需的时间。 | 通过录屏或 CLI 定时器进行统计。 | | 变更可追溯性 | 是否同步更新了上下文、进度及备份。 | 通过手动更新或在备份脚本中集成版本标签实现。 | | 示例覆盖率 | 是否为每个模块提供了最小可运行示例或测试用例。 | 建议每个示例项目都包含独立的 README 和测试。 |

---

🗺️ 路线图

gantt
    title 项目发展路线图
    dateFormat YYYY-MM
    section 近期 (2025)
    补全演示GIF与示例项目: active, 2025-12, 15d
    prompts 索引自动生成脚本: 2025-12, 10d
    section 中期 (2026 Q1)
    一键演示/验证 CLI 工作流: 2026-01, 15d
    备份脚本增加快照与校验: 2026-01, 10d
    section 远期 (2026 Q1-Q2)
    模板化示例项目集: 2026-02, 20d
    多模型对比与评估基线: 2026-02, 20d

---

🚀 入门指南

本节内容源自原作者，并根据当前推荐模型进行了更新。

要开始使用 Vibe Coding，您需要以下任一工具：

• Claude 3 Opus (在 Claude Code 等平台使用)
• GPT-4/GPT-5 系列模型 (在 Codex CLI 等平台使用)

本指南适用于 CLI 终端版本和 VSCode 扩展版本。

---

⚙️ 完整设置流程

1. 创建项目设计文档

- 将您的项目创意提交给 AI，并要求其生成一份简洁的 Markdown 格式**设计文档**（例如 `product-requirement-document.md`）。 - 审查并完善该文档，确保其与您的愿景一致。初期版本可以简略，其核心目标是为 AI 提供关于项目结构和意图的上下文。

2. 确定技术栈并配置 AI 行为准则

- 让 AI 为您的项目推荐**最简单且最健壮**的技术栈，并保存为 `tech-stack.md`。 - 在 AI 交互工具（如 Claude Code 或 Codex CLI）中，使用 `/init` 命令初始化 AI 的行为准则，使其读取您已创建的 `.md` 文件。 - **关键步骤**: 审查并调整生成的规则，确保其强调**模块化**并禁止生成**单体巨文件**。部分核心规则必须设为始终应用（"Always"），以强制 AI 在编码前阅读关键上下文文档。

3. 制定实施计划

- 将设计文档和技术栈文档提供给 AI。 - 要求 AI 生成一份详细的 Markdown 格式**实施计划**，其中包含一系列给开发者的分步指令。 - 每一步都应小而具体，并包含验证其正确性的测试方法。 - 计划中只应包含清晰的指令，而非代码。 - 初期聚焦于**核心功能**的实现。

4. 构建记忆库 (Memory Bank)

- 在项目根目录下创建 `memory-bank` 子文件夹。 - 将以下文件存入该文件夹： - `product-requirement-document.md` - `tech-stack.md` - `implementation-plan.md` - `progress.md` (空文件，用于记录开发进度) - `architecture.md` (空文件，用于记录系统架构)

💻 Vibe Coding 开发流程

现在，我们开始核心开发流程。

1. 澄清与确认

- 启动 AI 交互工具。 - **提问**: "请阅读 `/memory-bank` 文件夹中的所有文档。`implementation-plan.md` 的内容是否完全清晰？您有哪些问题需要我澄清，以确保计划对您而言是 100% 明确的？" - 在回答完 AI 的所有问题后，让其根据您的回答更新 `implementation-plan.md`。

2. 执行第一步

- **提问**: "请阅读 `/memory-bank` 中的所有文档，并执行实施计划的第 1 步。测试将由我负责。在测试通过之前，请不要开始第 2 步。验证通过后，请在 `progress.md` 中记录已完成的工作，并在 `architecture.md` 中更新架构信息。" - 建议使用 "Ask" 或 "Plan" 模式，在 AI 执行前确认其计划。

3. 迭代工作流

- 完成第 1 步后，提交代码变更到 Git。 - 开始新的会话，并提问："请阅读 memory-bank 中的所有文件，并参考 `progress.md` 了解当前进度，然后继续实施计划的第 2 步。" - 重复此流程，直至完成整个实施计划。

✨ 增补功能

在完成核心功能后，您可以开始进行实验和功能扩展。 - 对于每个主要的新功能，创建一个独立的 `feature-implementation.md`，其中包含简短的步骤和测试方法。 - 继续采用增量式的方式实现和测试。

🐞 故障排查

常规修复

- **回滚**: 如果 AI 的某次操作导致问题，使用版本控制工具（如 `git reset`）或 AI 工具自带的回滚命令（如 `/rewind`）恢复到之前的状态。 - **错误处理**: 将浏览器控制台中的错误信息或问题截图提供给 AI 进行分析。

疑难问题

- **重试**: 如果某个问题难以解决，回退到上一个稳定的版本，并尝试用不同的提示词或方法重新实现。 - **全局上下文**: 在极端情况下，可使用 `RepoPrompt` 等工具将整个代码库打包为一个文件，并提交给 AI 以获得全局性的解决方案。

💡 提示与技巧

AI 工具使用技巧

- **终端集成**: 在 VSCode 终端中运行 AI CLI 工具，可以直接查看文件差异并提供上下文，无需离开工作区。 - **自定义命令**: 创建自定义快捷命令，以触发特定提示词，从而让模型在修改代码前充分理解上下文。 - **上下文管理**: 适时使用 `/clear` 或 `/compact` 等命令清理或压缩上下文。 - **高阶指令**: 通过加入 "请一步一步思考" 或 "ultrathink" 等关键词，引导 AI 进行更深度的思考。

❓ 常见问题解答 (FAQ)

- **Q: 此流程是否适用于非游戏应用开发？** - **A:** 是的，基本流程完全适用。只需将“游戏设计文档”替换为“产品需求文档 (PRD)”即可。 - **Q: 为何推荐使用原生 CLI 工具而非 Cursor 等集成环境？** - **A:** 这主要取决于个人偏好。我们认为原生 CLI 工具能更好地发挥底层模型的全部实力，并且具有更强的灵活性和可定制性，适用于远程服务器等多种场景。 - **Q: 我不了解如何搭建服务器，该怎么办？** - **A:** 请咨询您的 AI 助手。

---

📞 联系方式

• GitHub: tukuaiai
• Twitter / X: 123olp
• Telegram: @desci0
• Telegram 交流群: glue_coding
• Telegram 频道: tradecat_ai_channel
• 邮箱: tukuai.ai@gmail.com (回复可能不及时)

---

✨ 支持项目

救救孩子，感谢了，好人一生平安🙏🙏🙏

• Tron (TRC20): TQtBXCSTwLFHjBqTS4rNUp7ufiGx51BRey
• Solana: HjYhozVf9AQmfv7yv79xSNs6uaEU5oUk2USasYQfUYau
• Ethereum (ERC20): 0xa396923a71ee7D9480b346a17dDeEb2c0C287BBC
• BNB Smart Chain (BEP20): 0xa396923a71ee7D9480b346a17dDeEb2c0C287BBC
• Bitcoin: bc1plslluj3zq3snpnnczplu7ywf37h89dyudqua04pz4txwh8z5z5vsre7nlm
• Sui: 0xb720c98a48c77f2d49d375932b2867e793029e6337f1562522640e4f84203d2e
• 币安 UID: 572155580

---

✨ 贡献者

感谢所有为本项目做出贡献的开发者！

特别鸣谢以下成员的宝贵贡献 (排名不分先后):
@shao__meng | @0XBard_thomas | @Pluvio9yte | @xDinoDeer | @geekbb

---

🤝 参与贡献

我们热烈欢迎各种形式的贡献。如果您对本项目有任何想法或建议，请随时开启一个 Issue 或提交一个 Pull Request。

在您开始之前，请花时间阅读我们的 贡献指南 (CONTRIBUTING.md) 和 行为准则 (CODE_OF_CONDUCT.md)。

---

📜 许可证

本项目采用 MIT 许可证。

---

**如果这个项目对您有帮助，请考虑为其点亮一颗 Star ⭐！** ## Star History --- **由 [tukuaiai](https://github.com/tukuaiai), [Nicolas Zullo](https://x.com/NicolasZu), 和 [123olp](https://x.com/123olp) 倾力打造** [⬆ 返回顶部](#vibe-coding-指南)