分享
Vibe Coding 方法论:不会编程的人如何用 AI 写出能跑的代码
输入“/”快速插入内容
Vibe Coding 方法论:不会编程的人如何用 AI 写出能跑的代码
用户4242
用户4242
1月10日修改
🔗 原文链接:
https://mp.weixin.qq.com/s/md-idd3K...
原创 宝玉 宝玉AI
2026年1月10日 13:31 美国
前几天看到一篇文章《how to vibe code w/ claude code》
https://x.com/elenakvcs/article/2008228601980985550
🔗,作者 Elena 是一位 AI 研究员,每天读论文、测模型、写报告,理解 AI 的工作原理,却从没自己写过代码。直到有一天她用自然语言向 Claude 描述了一个需求,45 秒后拿到一段 Python 脚本,运行,成功。原本要花 6 小时手动清理的 4000 行数据,一分钟搞定。
她完全不懂那些代码是什么意思。但它跑起来了。
这就是 vibe coding:不是学会编程,而是学会“说清楚你要什么”。
失败的人都栽在同一个坑里
大多数人对 vibe coding 有个误解:以为要先学点 Python 或 JavaScript 才能开始。
不是的。
vibe coding 的核心技能是沟通能力
,是你能不能把需求描述得足够具体、足够清晰,让 AI 没有猜测的空间。
看这两段提示词的区别:
模糊版:
“帮我做个邮件工具”
具体版:
“写一个 Python 脚本,读取一个 CSV 文件,检查每一行的邮箱格式是否正确,去掉重复的,输出一个只包含有效邮箱的新 CSV,最后打印处理了多少行、多少无效、多少重复”
第一段提示词,AI 只能猜你想要什么,大概率猜错。第二段提示词,AI 不需要猜你想要什么,清楚的明白你想要什么,能按照你的需求生成代码,甚至还能帮你验证代码是否能满足要求。
这不是编程,这是把需求说清楚。
Elena 有一个比喻:把 AI 当成一个非常聪明但对你的情况一无所知的实习生。你不会跟实习生说“把那个数据处理一下”,你会说清楚是哪个数据、做什么处理、输出成什么样。对 AI 也一样。
怎么把需求说清楚?几个实用技巧:
•
说清楚
输入
(数据从哪来、什么格式、文件在哪)
•
说清楚
处理逻辑
(每一步做什么、先做什么后做什么、有什么特殊规则)
•
说清楚
输出
(结果长什么样、存到哪、要不要打印摘要)
•
说清楚
边界情况
(遇到空值怎么办、格式不对怎么办)
•
给个
例子
(比如输入是 A,输出应该是 B)
你不需要懂技术术语,但你得像写工作交接文档一样,把每个细节想清楚写明白。
小步迭代:软件工程验证过的最佳实践
Elena 分享了一个典型的翻车经历。
她想做一个 Twitter 书签分析器:拉取书签、分析内容、按主题分类、生成周报。听起来不复杂。
第一次尝试,她直接告诉 Claude:“帮我做一个 Twitter 书签分析器”。
结果拿到一堆看不懂的代码,各种 API 调用、依赖安装、报错信息。折腾了 4 小时,放弃了。
一周后她换了个思路,同样的目标,完全不同的方法。
第一步:
“写一个 Python 脚本,连接 Twitter API,拉取我最近的 100 条书签”。就这么多,不加别的。10 分钟,跑通了。
第二步:
“把每条书签的推文内容提取出来”。又 10 分钟,跑通了。
第三步:
“按我定义的关键词给它们分类”。跑通了。
第四步:
“把结果保存成按分类整理的 JSON 文件”。跑通了。
一小时,她做出了比之前 4 小时失败版本更好的东西。
这是软件工程中被反复验证的最佳实践。
有一张经典的图对比两种开发方式。错误方式:先做轮子,再做车架,再做车身,最后组装成车。中间任何一步,用户拿到的都是一堆零件,什么都干不了。正确方式:先做滑板,能滑了;再加个把手变滑板车,能骑了;再升级成自行车,再升级成摩托,最后变成汽车。
每一步用户都能得到一个“能用”的东西。
vibe coding 也是一样。不是每次迭代“一部分功能”,而是每次迭代“一个能跑的小版本”。哪怕只是最简陋的版本,只要它能独立运行、给你反馈,你就能知道方向对不对,然后在这个基础上继续加功能。
这就是为什么“一次性要完整系统”总是失败,而“每次只做一件事”总能成功。前者你得等到最后才知道对不对,后者你每一步都在得到正反馈。