拓冰网站定制 
文档教程知识库人工智能【免费下载链接】ai-guide程序员鱼皮的 AI 资源大全 Vibe Coding 零基础教程分享 OpenClaw 保姆级教程、大模型玩法DeepSeek / GPT / Gemini / Claude / GLM、最新 AI 资讯、Prompt 提示词大全、AI 知识百科Agent Skills / RAG / MCP / A2A、AI 编程教程Harness Engineering、AI 工具用法Cursor / Claude Code / TRAE / Codex / Copilot、AI 开发框架教程Spring AI / LangChain、AI 产品变现指南帮你快速掌握 AI 技术走在时代前沿。本项目为开源文档 aiguide已升级为鱼皮 AI 导航网站项目地址https://gitcode.com/GitHub_Trending/aig/ai-guide点击查看免费下载导读本文整理自开源知识库 ai-guide 中的 Vibe Coding 概念大全英文版作为 Vibe Coding 零基础教程体系中的一份AI 编程术语词典用最通俗的语言讲清 Token、上下文窗口、RAG、Agent 等 Vibe Coding 中最常见、最重要的概念。无论你是刚接触 AI 编程的新手还是在 Cursor、Claude Code 等工具中遇到陌生术语的老手读完本文都能建立一套完整的 AI 编程概念体系看懂主流 AI 编程工具背后的工作机制并在实践中合理管理 Token 成本、优化提示词、驾驭智能体工作流。一、AI 基础概念1.1 人工智能AI人工智能Artificial Intelligence是让计算机模拟人类智能的技术简单来说就是让机器能像人一样思考、学习和解决问题。在 Vibe Coding 中AI 就是你的编程助手——你只需告诉它要做什么它就能帮你做方案、写代码、修 Bug相当于一个 24 小时在线的程序员伙伴。关于 Vibe Coding 的整体定位可参考 Vibe Coding 简介 中用自然语言和 AI 聊天让 AI 帮你生成代码的完整阐述。1.2 大语言模型LLM大语言模型Large Language Model是一种能够理解和生成人类语言的 AI 系统。ChatGPT、Claude、Gemini、DeepSeek 都是大语言模型。之所以叫大模型是因为这些模型的参数量非常庞大动辄几十亿甚至上万亿个参数参数越多模型通常越聪明但也越消耗计算资源。可以把大语言模型理解为一个读过海量书籍和代码的超级学霸——它见过无数编程案例所以能帮你写代码、解释代码、修复 Bug见 英文版文档。除了文本模型AI 领域还有处理图片的视觉模型如 Stable Diffusion、处理音频的音频模型如 Whisper以及能同时处理文字、图片、音频的多模态模型如 GPT-4o、Gemini。在 AI 编程中我们主要与文本大语言模型打交道。1.3 模型参数参数是模型在训练过程中学到的知识点以数字形式存储在模型中。比如模型读到大量天空是蓝色的内容后就会在参数中记住天空与蓝色的关联。参数量直接影响模型能力与使用成本参数越多模型越聪明但运行时消耗的 GPU 算力也越多价格越贵。仓库完整版文档给出的公开参数量示例见 中文完整版DeepSeek-V4-Pro1.6 万亿参数采用 MoE 混合专家架构实际激活 490 亿DeepSeek-V4-Flash2840 亿参数激活 130 亿Llama 4 Scout1090 亿参数Meta 开源模型激活 170 亿Qwen3.7-Max通义千问系列旗舰模型专为智能体设计即使是同一系列的大模型厂商也会提供不同参数量的版本供选择。1.4 训练与推理训练Training是让 AI 模型从大量数据中学习知识的过程需要海量计算资源和时间通常由 AI 公司完成普通用户不需要自己训练模型。推理Inference是模型训练完成后用学到的知识回答问题、生成内容的过程——我们日常和 ChatGPT 对话、让 Cursor 写代码本质上都是模型在推理。打个比方训练像学生上学读书推理像学生参加考试答题。1.5 模型微调Fine-tuning微调是在已有模型的基础上用特定领域的数据继续训练让模型在某个领域表现更好。例如用大量医学资料微调出一个医学专家模型或用公司代码库微调让模型更熟悉项目风格。对普通用户而言微调成本较高、一般不需要自己做直接使用现成的模型即可。不过阿里云百炼、火山引擎等大模型应用开发平台已提供微调能力降低了门槛。完整版文档还补充了**模型蒸馏Knowledge Distillation**概念把大模型教师模型的知识压缩到小模型学生模型中通过软标签如狗 92%、猫 5%、狼 3%的概率分布传递类别间的微妙关系可降低成本 5~30 倍、提升推理速度约 4 倍、保留 95% 以上性能典型案例是 DeepSeek-R1 的蒸馏版本。二、Token 与计费2.1 Token词元Token 是 AI 模型处理文本的基本单位可以理解为词块是大模型把文字拆分后的最小单元。Token 是必须掌握的核心概念因为AI 服务通常按照 Token 收费你输入的文字和 AI 输出的文字都会消耗 Token用得越多花钱越多。在英文中一个 Token 大约是一个单词或单词的一部分在中文中一个汉字通常是 1~2 个 Token不同模型使用不同的分词器Tokenizer同一段文字在不同模型中的 Token 数可能不同国产大模型如通义千问、DeepSeek针对中文做了优化1 个 Token 大约可表示 1.5~1.8 个汉字。例子Hello World 大约是 2 个 Token你好世界 大约是 4~6 个 Token。目前 Cursor、Claude Code 等 AI 编程工具都自带 Token 消耗量实时统计方便随时掌握用量和成本见 英文版文档。2.2 输入 Token 与输出 TokenAI 服务计费时一般分别计算输入和输出 Token输入 Token你发给 AI 的内容如提示词、代码、文件等输出 TokenAI 返回的内容如回答、生成的代码、工具调用指令等。一般来说输出 Token 比输入 Token 更贵——因为生成内容比理解内容更消耗算力。完整版文档以 Claude Sonnet 4 为例输入价格 3 美元/百万 Token输出价格 15 美元/百万 Token贵了 5 倍。省 Token 核心技巧用心编写简洁清晰的提示词让 AI 一次就理解你的需求减少反复对话。完整版文档还补充了Token 缓存机制模型处理提示词时会把中间计算结果缓存连续对话中相同的系统提示词、引用代码等前缀内容可直接复用其中缓存读取 Token 价格可低至普通输入的 1/10。因此在对话中尽量保持上下文稳定引用文件、规则文件不频繁改动有时连续对话比开新对话更省钱。2.3 上下文窗口上下文窗口Context Window指 AI 模型一次能记住的最大内容量用 Token 衡量。不同模型的窗口大小不同见 英文版文档GPT-4o128K Token约 10 万中文字Claude 3.5 Sonnet200K Token约 15 万中文字Gemini 2.0 Pro2M Token约 150 万中文字完整版文档补充了更新数据GPT-5.5 为 1M Token、Claude Opus 4.8 标准 200K 可扩展到 1M、Gemini 3.1 Pro 与 DeepSeek-V4-Pro 均为 1M Token。窗口越大AI 能处理的代码量越多、记住的对话历史越长但每次请求消耗的 Token 也越多成本更高。比如在 Cursor 中使用 Claude Sonnet 模型时单次请求超过 20 万 Token输入价格就会翻倍。三、提示词相关概念3.1 提示词Prompt提示词是你给 AI 的指令或问题在 AI 编程中就是你用自然语言描述的需求。提示词质量直接决定 AI 输出质量一个好的提示词应该具体明确、无歧义包含必要的背景信息说明期望的输出格式。例如做一个网站是模糊提示词而用 React 做一个记账网站包含添加支出、查看列表、统计总额三个功能界面用蓝色调是更好的提示词见 英文版文档。AI 对话中的消息一般分为 3 种角色系统提示词System设置 AI 的角色和行为规则对用户不可见用户提示词User你发送给 AI 的消息助手提示词AssistantAI 回复给你的消息。理解这 3 种角色有助于更好地使用 AI。调试时还可以在提示词中模拟之前的对话历史帮助 AI 理解上下文。3.2 系统提示词System Prompt系统提示词是在对话开始前给 AI 设置的指令用来定义 AI 的角色、行为和限制例如你是一位资深的 Java 后端开发专家请用简洁清晰的代码风格回答问题。它会在整个对话过程中生效是定制 AI 行为的重要方式。很多套壳 AI 助手网站本质上是调用同一个大模型只是给不同产品设定了不同的系统提示词如你是翻译专家你是法律顾问。3.3 提示词工程Prompt Engineering提示词工程是设计和优化提示词的技术目的是让 AI 更好地理解你的意图、生成更符合预期的结果。这是 Vibe Coding 的核心技能之一——好的提示词工程师能用更少的对话轮次、更低的 Token 成本让 AI 生成更高质量的代码。仓库中的 DeepSeek 提问技巧 系列文章提供了大量可复用的提示词模板与指令技巧可作为实战补充。3.4 零样本提示Zero-shot零样本提示指在给 AI 下达任务时不提供任何示例直接描述需求让 AI 完成例如请把这段英文翻译成中文。AI 会根据自己的训练知识完成任务。对简单任务零样本提示一般够用还能节约 Token 成本。3.5 少样本提示Few-shot少样本提示指在提示词中额外提供几个输入输出示例让 AI 学习你想要的格式或风格。例如请按以下格式翻译 英文Hello → 中文你好 英文Thank you → 中文谢谢 英文Good morning → 中文通过示例AI 能更准确地理解需求输出更一致的结果。3.6 思维链提示Chain-of-Thought思维链提示CoT是引导 AI 展示推理过程、一步一步思考的提示技术特别适合多步骤数学计算、代码逻辑分析、系统架构设计等复杂推理任务。触发方式很简单在提示词中加上请一步一步思考AI 就会展示推理过程答案通常更准确。很多推理模型如 DeepSeek-R1和 AI 编程工具已天然内置思维链能力会自动展示推理过程。在 AI 编程中涉及复杂业务逻辑、多模块交互或需要权衡多种技术方案的项目特别适合让 AI想清楚再动手。3.7 Markdown 语言Markdown 是一种轻量级文本标记语言用#表示标题、**文字**表示加粗、-表示列表。在 AI 编程中 Markdown 非常重要AI 生成的回答大多是 Markdown 格式项目文档如 README采用 Markdown 编写定义 AI 智能体的规则文件也是 Markdown 格式。学会 Markdown 能更好地与 AI 交流、写出更规范的项目文档。更重要的是结构化的内容标题层级、列表、代码块有助于 AI 更准确地理解你的意图同时培养你自己的结构化思维能力——这对写好提示词非常有帮助。四、AI 编程模式4.1 Vibe Coding 氛围编程Vibe Coding 由计算机科学家 Andrej Karpathy 于 2025 年 2 月提出描述了一种全新的编程方式通过自然语言和 AI 对话让 AI 帮你写代码你只需要描述需求、测试结果、指导方向。核心思想是你不需要精通编程语法只需要清楚表达想法AI 负责把想法变成可运行的代码见 英文版文档。所以 Vibe Coding 的重点不是写代码而是明确需求并清晰表达——你描述得越清楚AI 的结果越靠谱。这就像点外卖你告诉平台想吃什么餐厅做好送到手上你不需要会做饭但要清楚自己想吃什么。仓库的 Vibe Coding 简介 将其正式定义为以自然语言提示驱动 LLM由 AI 直接生成并迭代代码的意图驱动型开发模式。4.2 Agentic Coding 智能体编程Agentic Coding 指让 AI 像一个自主的智能体Agent一样工作能够自己规划任务、执行操作、验证结果而不只是被动回答问题。在 Cursor 的 Agent 模式中AI 可以自动读取和分析多个文件规划实现方案执行代码修改运行测试验证自动修复问题。这比传统问答式 AI 更强大能自主完成复杂的多步骤任务。完整版文档还区分了Agentic Engineering智能体工程它是 2026 年 2 月由 Karpathy 提出的Vibe Coding 规范版强调先想清楚目标、写好方案、拆好任务再把活交给 AI 执行并验收——Vibe Coding 像 DJ 凭感觉放歌Agentic Engineering 像包工头按流程管理。做小工具可用 Vibe Coding做企业级项目需要 Agentic Engineering 思维。此外完整版还介绍了Harness Engineering驾驭工程核心理念是人类掌舵 智能体执行围绕 AI 智能体搭建约束机制、反馈循环和工作流管理系统上下文架构、执行能力、任务编排、反馈机制、架构护栏等关注如何让 AI 持续靠谱地干完一整件事。4.3 多智能体协作Multi-Agent多智能体协作指多个 AI 智能体分工合作完成复杂任务一个负责设计架构、一个写前端、一个写后端、一个做代码审查像软件开发团队一样协作。多智能体系统正在成为 AI 编程的重要趋势不仅能处理更复杂项目还能通过并行工作大幅提升效率让原本需要几小时的任务在几分钟内完成。仓库的 OpenClaw 保姆级教程导读 中提到的多 Agent 协作组建龙虾军团子 Agent 和多 Agent 玩法全解析正是这一模式的具体工程实践。4.4 智能体编排Agent Orchestration编排Orchestration是协调和管理多个 AI 智能体或 AI 任务的过程确保它们按正确顺序和方式工作。多智能体协作关注有哪些角色参与编排关注谁先干、谁后干、结果怎么汇总是多智能体系统的指挥中枢——就像乐队指挥决定哪个乐手何时演奏、如何传递信息、如何汇总结果。4.5 Agent Loop 智能体循环Agent Loop 是 AI 智能体的核心工作机制即 AI 通过不断重复感知-思考-行动-观察的循环来完成任务见 英文版文档感知获取当前环境信息读取文件、查看错误等思考分析情况决定下一步行动行动执行具体操作写代码、运行命令等观察检查行动结果循环根据结果决定是否继续直到任务完成或达到终止条件。⚠️ 注意Agent Loop 循环次数不要太多很多工具都有最大循环次数限制。循环太多不仅效果不好还会疯狂烧 Token——有用户一觉醒来发现额度用光就是因为 AI 陷入无限循环。完整版文档提到Claude Code 的核心对话循环本质上就是一个 while(true) 无限循环每轮先做上下文压缩再调用大模型拿响应若模型说我要用某个工具就去执行把结果追加到对话历史后进入下一轮。此外 2026 年流行的Ralph Wiggum Loop模式名字源于《辛普森一家》的执着角色把 AI 放在循环中反复执行直到需求文档中的所有检查项完成——每轮以干净上下文开始、通过 Git 提交持久化进度可以无人值守运行但务必设置循环次数限制和 Token 预算。4.6 ReAct 推理与行动ReActReasoning and Acting是一种让 AI 交替进行推理和行动的技术范式先推理制定计划再执行具体操作观察结果后继续调整策略。传统 AI 要么只思考不行动要么只行动不思考而 ReAct 的思考-行动-观察循环让 AI 能更可靠地完成复杂任务是现代 AI 编程工具的核心技术之一。4.7 工具调用Tool Use / Function Calling工具调用是让 AI 使用外部工具和功能的技术。AI 本身只能生成文字但通过工具调用可以读写文件、执行命令行命令、搜索网页、调用 API、操作数据库见 英文版文档。其工作流程分为 4 步识别需求AI 判断当前任务需要使用工具选择工具从可用工具中选择合适的执行调用用正确的参数调用工具整合结果将工具返回结果融入回答继续完成任务。需要注意AI 模型本身并不直接执行工具而是生成我想调用这个工具参数是这些的指令由外部程序执行后把结果返回给 AI。有了工具调用AI 就从只会说变成能动手——Cursor 的 Agent 模式正是通过工具调用实现自主编程的。4.8 Agent Skills 智能体技能Agent Skills 是 Anthropic 于 2025 年 10 月推出的开放标准目的是让 AI 学习使用各种专业技能。简单来说一个 Skill 就是包含SKILL.md文件的文件夹里面可以放置指令说明、脚本代码、参考资料等当 AI 遇到相关任务时自动加载对应 Skill 增强能力见 英文版文档。可以把 Skill 理解为 AI 的新员工入职指南PDF 处理技能教 AI 填表单项目部署技能包含团队特有的部署流程与脚本代码审查技能定义项目代码标准和检查清单。Skills 的核心设计是渐进式披露AI 只在需要时加载相关内容避免把所有信息一次性塞进上下文既节省 Token 又保持灵活性。仓库中的 Agent Skills通用 AI 技能库 提供了从安装到实战的完整教程并解释了它如何解决AI 界面千篇一律、提示词重复输入、特定任务不专业三大痛点。4.9 A2AAgent-to-AgentA2A 指 AI 智能体之间相互通信和协作的协议或方式是多智能体系统的基础技术。就像人类需要语言沟通AI 智能体也需要标准化的方式来交换信息、分配任务、汇报结果从而组成团队完成复杂任务。该协议由 Google 于 2025 年推出已有超过 150 家企业支持。不要把 A2A 和 MCP 搞混MCP 解决 AI 连接工具的问题A2A 解决 AI 之间沟通协作的问题二者是互补关系。完整版文档还补充了ACP 协议的两个含义一是 IBM 研究院推出的 Agent Communication Protocol智能体通信协议基于 HTTP REST让不同框架的智能体无缝协作二是 JetBrains 与 Zed 联合推出的 Agent Client Protocol智能体客户端协议让任何 AI 编程智能体都能在任何 IDE 中运行类似 AI 编程工具的万能适配器。4.10 BMAD 敏捷 AI 开发方法BMAD-METHODBreakthrough Method of Agile AI-Driven Development突破性敏捷 AI 驱动开发方法是一套系统化的 AI 智能体开发框架目标是把混乱的 AI 编程过程变得结构化、可复用。它使用角色化智能体组织开发流程见 英文版文档Analyst Agent 分析师创建项目简报包含市场分析和用户画像PM Agent 产品经理将简报转化为详细的产品需求文档PRDArchitect Agent 架构师设计技术实现方案和系统架构。BMAD 的智能体分两种类型Simple Agents单文件、自包含适合代码审查、文档生成等聚焦任务和Expert Agents具备跨会话持久记忆配有专属资源文件夹适合复杂多步骤工作流。每个智能体都有标准化组成人设角色、身份、沟通风格、原则、能力列表、交互菜单和可选的关键行动。4.11 Browser Use 浏览器使用Browser Use 是让 AI 智能体自主操控网页浏览器的技术能力AI 可以像人类一样浏览网页、点击按钮、填写表单、提取数据见 英文版文档。典型应用场景自动化研究在多个网站搜索、整理信息数据采集从网页提取结构化数据表单填写自动完成繁琐的在线表单跨平台操作在不同网站间完成多步骤任务。知名的开源项目是 Browser-Use支持通过 Python 调用多种大模型控制浏览器Cursor、Claude Code 等主流 AI 编程工具也内置了该能力可自动打开浏览器预览效果、执行测试。其关键优势是AI 可以利用你现有的浏览器会话和登录状态无需为每个网站开发 API 集成从而访问那些没有公开 API 的网站大大扩展自动化范围。4.12 Computer Use 计算机使用Computer Use 是 Anthropic 于 2024 年推出的 AI 能力让 Claude 能像人类一样操作整个计算机桌面。与 Browser Use 只能操作浏览器不同Computer Use 可以操作任何桌面应用查看屏幕截图理解界面元素、移动鼠标点击按钮、键盘输入文字、执行命令行操作。其工作原理是持续反馈循环见 英文版文档截图分析捕获并分析当前屏幕决策规划根据任务目标确定下一步操作执行操作发送鼠标/键盘输入观察结果检查操作效果调整策略。 为安全起见Computer Use 一般需在虚拟机或容器中运行避免直接控制真实电脑。它代表了 AI 从只能生成文字到能够操作软件的重大跨越。基于此技术Anthropic 在 2026 年推出了 Claude Cowork 桌面端 AI 助手可直接访问电脑文件帮你整理下载目录、从截图中提取数据到表格等日常办公任务。五、进阶延伸上下文管理与更多概念仓库中文完整版 Vibe Coding 概念大全 还在英文版基础上补充了以下重要板块一并摘录如下方便读者建立更完整的知识体系5.1 上下文Context与上下文工程上下文是 AI 回答问题时能参考的所有信息包括当前对话历史、打开的代码文件、项目结构和配置、提供的参考资料。上下文越丰富、越与任务相关AI 生成的代码越符合需求。在 Cursor 中可通过 Token 用量指示器了解上下文大小在 Claude Code 中可用/context命令查看占用情况。上下文工程Context Engineering的核心目标是让 AI 拥有恰到好处的信息选择最相关的文件、提供必要背景、用规则文件定义项目规范、适时清理无关对话历史。2026 年的趋势正从上下文管理演进到更复杂的记忆架构——短期记忆当前对话、长期记忆跨会话知识、外部记忆向量数据库、知识图谱。Claude Code 的三层记忆架构是典型实践MEMORY.md热数据每次加载、限制 200 行/25KB、话题文件温数据只挑选最相关的 5 个文件加载、历史对话冷数据需要时用 Grep 搜索且记忆只记人的偏好和判断、不记代码事实从根源上避免缓存与数据不一致。上下文压缩Context Compaction解决长任务中上下文溢出问题AI 在上下文快满时自动把前面对话总结成精简形式保留关键信息并释放空间。Claude Code 源码实现了五级压缩策略Snip 剪裁工具调用结果只保留结构→ Microcompact 微压缩大结果卸载到缓存→ Context Collapse 折叠中间对话摘要→ Autocompact 自动压缩占用超阈值时全量摘要→ Reactive Compact 应急压缩API 返回 413提示词太长时兜底触发从轻到重依次触发。5.2 规则文件与 AGENTS.md规则文件Rules File放在项目中告诉 AI 项目规范、技术栈、代码风格等信息让 AI 每次生成代码都参考这些规则。不同工具的格式Cursor 早期用.cursorrules现在推荐.cursor/rules/*.mdc多文件格式Claude Code 用CLAUDE.mdGitHub Copilot 用.github/copilot-instructions.md。Cursor 的.mdc文件支持 YAML frontmatter 元数据指定适用范围--- description: React 组件开发规范 globs: src/components/**/*.tsx alwaysApply: false --- # React 规范 - 使用函数式组件 - 优先使用 hooks规则文件可通过 alwaysApply 始终生效、globs 模式匹配自动激活、规则名手动调用、或 AI 自主判断加载。AGENTS.md是一种跨工具通用的开放规则文件标准被数万个开源项目采用。传统 README 是写给人看的AGENTS.md 是写给 AI 看的包含构建启动命令、测试方式、代码风格规范、项目结构说明。使用支持该标准的工具Claude Code、Codex、Cursor、GitHub Copilot 等时AI 会自动识别项目根目录的 AGENTS.md 并读取其中指令。5.3 RAG 与向量化技术RAGRetrieval-Augmented Generation检索增强生成让 AI 先检索外部知识库、再基于检索结果生成回答解决普通 AI 只能依赖可能过时的训练知识的问题。对企业的 Vibe Coding 尤其有用——AI 可以参考项目已有代码生成风格一致的新代码。RAG 已演化出众多进阶方案Multi-Query RAG多种问法分别检索再合并、HyDE先生成假答案再向量检索、Hybrid Search向量关键词混合搜索、Reranking精排过滤噪声、GraphRAG文档转知识图谱支持多跳推理、Agentic RAG给 Agent 配检索工具自动调度支持多轮检索、动态查询改写、多数据源协作、自我纠错典型模式包括 CRAG、Self-RAG、Adaptive RAG代价是更高延迟和数倍 Token 成本适合法律、医疗、合规等复杂高准确率场景。向量数据库专门存储和查询向量数字数组如[0.1, 0.5, 0.3, 0.8]语义相似内容的向量很接近所以搜用户登录能找到语义相关的handleAuth函数。嵌入Embedding就是把文本、代码转换成数字向量的过程是 RAG 和代码语义搜索的基础技术。5.4 AI 输出相关幻觉、温度与流式输出AI 幻觉Hallucination指 AI 输出不符合事实的内容编造不存在的 API、给错函数用法、推荐不存在的库这是大模型的固有问题。缓解方法要求 AI 提供文档链接验证、自己查官方文档、换模型试试、开新对话重述问题、利用 Context7 等 MCP 扩展获取最新文档。温度Temperature是控制输出随机性的参数一般 0~2温度低如 0.1输出更确定保守适合写代码温度高如 1.0更有创意适合头脑风暴。流式输出Streaming让 AI 边生成边显示像看直播而非录播方向不对可及时中断省 Token技术上一般基于 SSEServer-Sent Events实现。5.5 开发工具与项目管理概念完整版还覆盖了IDE 集成开发环境VS Code 及基于它的 Cursor、Windsurf、代码编辑器、CLI 命令行界面AI 读命令执行操作比操作图形界面更自然未来产品可能有给人类用的 GUI 给 AI 用的 CLI两套前端、零代码/低代码平台Bolt.new、Lovable、v0.dev 等、代码补全Code CompletionCopilot 开创先河、代码审查、Linter、Debug 调试以及 OpenClaw 开源 AI 助手可操控电脑的 AI 数字员工支持微信、QQ、飞书等多渠道接入详细安装使用见仓库的 OpenClaw 保姆级教程。项目管理方面包括MVP 最小可行产品、迭代开发计划→开发→测试→发布→反馈→改进、重构小步进行、每次重构后测试、技术债定期重构偿还、版本控制Git 是本地工具GitHub 是在线托管平台、Git WorkTree 工作树一个仓库同时拥有多个独立工作目录、各对应不同分支让多个 AI 并行开发互不干扰Cursor 的 Parallel Agents 模式已内置该能力注意让不同 AI 改不同文件以避免合并冲突、部署Vercel、Netlify、Railway、Render 等平台还可通过 MCP 实现对话式自动部署、GEO 生成式引擎优化AI 时代的 SEO核心策略先给结论、结构化写作、打造权威内容、在权威平台多发内容、确保 robots.txt 允许 AI 爬虫。前后端概念包括前端HTML/CSS/JavaScript、React/Vue/Next.jsAI 最擅长生成的部分、后端Node.js/Python/Java、Express/FastAPI/Spring、MySQL/PostgreSQL/MongoDBAI 生成的后端代码需更仔细审查、全栈、API程序间通信接口、数据库、BaaS 后端即服务Supabase、Firebase、PlanetScale 等现成后端云服务免去自己搭环境特别适合 Vibe Coding。结语本文系统梳理了 Vibe Coding 从 AI 基础、Token 计费、提示词到智能体编程模式的完整概念体系。你不需要一次记住所有概念——遇到不懂的词回来查一查即可。随着不断实践 Vibe Coding这些概念会自然而然地变得熟悉。值得注意的是AI 与编程领域的新概念仍在不断涌现这份词典也会持续更新。完整内容含全部配图与中文详解可在仓库 Vibe Coding 零基础教程/70 Vibe Coding 概念大全.md 中查阅配合 Vibe Coding 简介、Agent Skills通用 AI 技能库 等教程文件即可完成从概念认知到上手实践的完整闭环。赞分享文档教程知识库人工智能【免费下载链接】ai-guide程序员鱼皮的 AI 资源大全 Vibe Coding 零基础教程分享 OpenClaw 保姆级教程、大模型玩法DeepSeek / GPT / Gemini / Claude / GLM、最新 AI 资讯、Prompt 提示词大全、AI 知识百科Agent Skills / RAG / MCP / A2A、AI 编程教程Harness Engineering、AI 工具用法Cursor / Claude Code / TRAE / Codex / Copilot、AI 开发框架教程Spring AI / LangChain、AI 产品变现指南帮你快速掌握 AI 技术走在时代前沿。本项目为开源文档 aiguide已升级为鱼皮 AI 导航网站项目地址https://gitcode.com/GitHub_Trending/aig/ai-guide点击查看免费下载相关推荐OpenCore 术语全解Hackintosh 安装指南核心概念速查手册OpenCore 术语全解Hackintosh 安装指南核心概念速查手册 本文是 OpenCore Install Guide https://link.gi文档教程Rook 术语速查手册Rook CRD、Ceph 与 Kubernetes 核心概念完全指南Rook 术语速查手册Rook CRD、Ceph 与 Kubernetes 核心概念完全指南 本手册是 Rook 存储编排平台Storage Orchest云原生存储容器编排运维Earthly 核心术语全解析Earthfile、target、buildkitd 与 artifact/image 概念速查Earthly 核心术语全解析Earthfile、target、buildkitd 与 artifact/image 概念速查 导读 本文以 EarthlyCI/CDDevOps构建工具上一篇终极指南如何使用Python快速调用OctoPrint API控制3D打印机下一篇PopcornTimeTV完全指南如何在Apple TV与iOS设备上免费流媒体观影创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 Vibe Coding 概念百科全书：AI 编程核心术语速查指南
文档教程知识库人工智能【免费下载链接】ai-guide程序员鱼皮的 AI 资源大全 Vibe Coding 零基础教程分享 OpenClaw 保姆级教程、大模型玩法DeepSeek / GPT / Gemini / Claude / GLM、最新 AI 资讯、Prompt 提示词大全、AI 知识百科Agent Skills / RAG / MCP / A2A、AI 编程教程Harness Engineering、AI 工具用法Cursor / Claude Code / TRAE / Codex / Copilot、AI 开发框架教程Spring AI / LangChain、AI 产品变现指南帮你快速掌握 AI 技术走在时代前沿。本项目为开源文档 aiguide已升级为鱼皮 AI 导航网站项目地址https://gitcode.com/GitHub_Trending/aig/ai-guide点击查看免费下载导读本文整理自开源知识库 ai-guide 中的 Vibe Coding 概念大全英文版作为 Vibe Coding 零基础教程体系中的一份AI 编程术语词典用最通俗的语言讲清 Token、上下文窗口、RAG、Agent 等 Vibe Coding 中最常见、最重要的概念。无论你是刚接触 AI 编程的新手还是在 Cursor、Claude Code 等工具中遇到陌生术语的老手读完本文都能建立一套完整的 AI 编程概念体系看懂主流 AI 编程工具背后的工作机制并在实践中合理管理 Token 成本、优化提示词、驾驭智能体工作流。一、AI 基础概念1.1 人工智能AI人工智能Artificial Intelligence是让计算机模拟人类智能的技术简单来说就是让机器能像人一样思考、学习和解决问题。在 Vibe Coding 中AI 就是你的编程助手——你只需告诉它要做什么它就能帮你做方案、写代码、修 Bug相当于一个 24 小时在线的程序员伙伴。关于 Vibe Coding 的整体定位可参考 Vibe Coding 简介 中用自然语言和 AI 聊天让 AI 帮你生成代码的完整阐述。1.2 大语言模型LLM大语言模型Large Language Model是一种能够理解和生成人类语言的 AI 系统。ChatGPT、Claude、Gemini、DeepSeek 都是大语言模型。之所以叫大模型是因为这些模型的参数量非常庞大动辄几十亿甚至上万亿个参数参数越多模型通常越聪明但也越消耗计算资源。可以把大语言模型理解为一个读过海量书籍和代码的超级学霸——它见过无数编程案例所以能帮你写代码、解释代码、修复 Bug见 英文版文档。除了文本模型AI 领域还有处理图片的视觉模型如 Stable Diffusion、处理音频的音频模型如 Whisper以及能同时处理文字、图片、音频的多模态模型如 GPT-4o、Gemini。在 AI 编程中我们主要与文本大语言模型打交道。1.3 模型参数参数是模型在训练过程中学到的知识点以数字形式存储在模型中。比如模型读到大量天空是蓝色的内容后就会在参数中记住天空与蓝色的关联。参数量直接影响模型能力与使用成本参数越多模型越聪明但运行时消耗的 GPU 算力也越多价格越贵。仓库完整版文档给出的公开参数量示例见 中文完整版DeepSeek-V4-Pro1.6 万亿参数采用 MoE 混合专家架构实际激活 490 亿DeepSeek-V4-Flash2840 亿参数激活 130 亿Llama 4 Scout1090 亿参数Meta 开源模型激活 170 亿Qwen3.7-Max通义千问系列旗舰模型专为智能体设计即使是同一系列的大模型厂商也会提供不同参数量的版本供选择。1.4 训练与推理训练Training是让 AI 模型从大量数据中学习知识的过程需要海量计算资源和时间通常由 AI 公司完成普通用户不需要自己训练模型。推理Inference是模型训练完成后用学到的知识回答问题、生成内容的过程——我们日常和 ChatGPT 对话、让 Cursor 写代码本质上都是模型在推理。打个比方训练像学生上学读书推理像学生参加考试答题。1.5 模型微调Fine-tuning微调是在已有模型的基础上用特定领域的数据继续训练让模型在某个领域表现更好。例如用大量医学资料微调出一个医学专家模型或用公司代码库微调让模型更熟悉项目风格。对普通用户而言微调成本较高、一般不需要自己做直接使用现成的模型即可。不过阿里云百炼、火山引擎等大模型应用开发平台已提供微调能力降低了门槛。完整版文档还补充了**模型蒸馏Knowledge Distillation**概念把大模型教师模型的知识压缩到小模型学生模型中通过软标签如狗 92%、猫 5%、狼 3%的概率分布传递类别间的微妙关系可降低成本 5~30 倍、提升推理速度约 4 倍、保留 95% 以上性能典型案例是 DeepSeek-R1 的蒸馏版本。二、Token 与计费2.1 Token词元Token 是 AI 模型处理文本的基本单位可以理解为词块是大模型把文字拆分后的最小单元。Token 是必须掌握的核心概念因为AI 服务通常按照 Token 收费你输入的文字和 AI 输出的文字都会消耗 Token用得越多花钱越多。在英文中一个 Token 大约是一个单词或单词的一部分在中文中一个汉字通常是 1~2 个 Token不同模型使用不同的分词器Tokenizer同一段文字在不同模型中的 Token 数可能不同国产大模型如通义千问、DeepSeek针对中文做了优化1 个 Token 大约可表示 1.5~1.8 个汉字。例子Hello World 大约是 2 个 Token你好世界 大约是 4~6 个 Token。目前 Cursor、Claude Code 等 AI 编程工具都自带 Token 消耗量实时统计方便随时掌握用量和成本见 英文版文档。2.2 输入 Token 与输出 TokenAI 服务计费时一般分别计算输入和输出 Token输入 Token你发给 AI 的内容如提示词、代码、文件等输出 TokenAI 返回的内容如回答、生成的代码、工具调用指令等。一般来说输出 Token 比输入 Token 更贵——因为生成内容比理解内容更消耗算力。完整版文档以 Claude Sonnet 4 为例输入价格 3 美元/百万 Token输出价格 15 美元/百万 Token贵了 5 倍。省 Token 核心技巧用心编写简洁清晰的提示词让 AI 一次就理解你的需求减少反复对话。完整版文档还补充了Token 缓存机制模型处理提示词时会把中间计算结果缓存连续对话中相同的系统提示词、引用代码等前缀内容可直接复用其中缓存读取 Token 价格可低至普通输入的 1/10。因此在对话中尽量保持上下文稳定引用文件、规则文件不频繁改动有时连续对话比开新对话更省钱。2.3 上下文窗口上下文窗口Context Window指 AI 模型一次能记住的最大内容量用 Token 衡量。不同模型的窗口大小不同见 英文版文档GPT-4o128K Token约 10 万中文字Claude 3.5 Sonnet200K Token约 15 万中文字Gemini 2.0 Pro2M Token约 150 万中文字完整版文档补充了更新数据GPT-5.5 为 1M Token、Claude Opus 4.8 标准 200K 可扩展到 1M、Gemini 3.1 Pro 与 DeepSeek-V4-Pro 均为 1M Token。窗口越大AI 能处理的代码量越多、记住的对话历史越长但每次请求消耗的 Token 也越多成本更高。比如在 Cursor 中使用 Claude Sonnet 模型时单次请求超过 20 万 Token输入价格就会翻倍。三、提示词相关概念3.1 提示词Prompt提示词是你给 AI 的指令或问题在 AI 编程中就是你用自然语言描述的需求。提示词质量直接决定 AI 输出质量一个好的提示词应该具体明确、无歧义包含必要的背景信息说明期望的输出格式。例如做一个网站是模糊提示词而用 React 做一个记账网站包含添加支出、查看列表、统计总额三个功能界面用蓝色调是更好的提示词见 英文版文档。AI 对话中的消息一般分为 3 种角色系统提示词System设置 AI 的角色和行为规则对用户不可见用户提示词User你发送给 AI 的消息助手提示词AssistantAI 回复给你的消息。理解这 3 种角色有助于更好地使用 AI。调试时还可以在提示词中模拟之前的对话历史帮助 AI 理解上下文。3.2 系统提示词System Prompt系统提示词是在对话开始前给 AI 设置的指令用来定义 AI 的角色、行为和限制例如你是一位资深的 Java 后端开发专家请用简洁清晰的代码风格回答问题。它会在整个对话过程中生效是定制 AI 行为的重要方式。很多套壳 AI 助手网站本质上是调用同一个大模型只是给不同产品设定了不同的系统提示词如你是翻译专家你是法律顾问。3.3 提示词工程Prompt Engineering提示词工程是设计和优化提示词的技术目的是让 AI 更好地理解你的意图、生成更符合预期的结果。这是 Vibe Coding 的核心技能之一——好的提示词工程师能用更少的对话轮次、更低的 Token 成本让 AI 生成更高质量的代码。仓库中的 DeepSeek 提问技巧 系列文章提供了大量可复用的提示词模板与指令技巧可作为实战补充。3.4 零样本提示Zero-shot零样本提示指在给 AI 下达任务时不提供任何示例直接描述需求让 AI 完成例如请把这段英文翻译成中文。AI 会根据自己的训练知识完成任务。对简单任务零样本提示一般够用还能节约 Token 成本。3.5 少样本提示Few-shot少样本提示指在提示词中额外提供几个输入输出示例让 AI 学习你想要的格式或风格。例如请按以下格式翻译 英文Hello → 中文你好 英文Thank you → 中文谢谢 英文Good morning → 中文通过示例AI 能更准确地理解需求输出更一致的结果。3.6 思维链提示Chain-of-Thought思维链提示CoT是引导 AI 展示推理过程、一步一步思考的提示技术特别适合多步骤数学计算、代码逻辑分析、系统架构设计等复杂推理任务。触发方式很简单在提示词中加上请一步一步思考AI 就会展示推理过程答案通常更准确。很多推理模型如 DeepSeek-R1和 AI 编程工具已天然内置思维链能力会自动展示推理过程。在 AI 编程中涉及复杂业务逻辑、多模块交互或需要权衡多种技术方案的项目特别适合让 AI想清楚再动手。3.7 Markdown 语言Markdown 是一种轻量级文本标记语言用#表示标题、**文字**表示加粗、-表示列表。在 AI 编程中 Markdown 非常重要AI 生成的回答大多是 Markdown 格式项目文档如 README采用 Markdown 编写定义 AI 智能体的规则文件也是 Markdown 格式。学会 Markdown 能更好地与 AI 交流、写出更规范的项目文档。更重要的是结构化的内容标题层级、列表、代码块有助于 AI 更准确地理解你的意图同时培养你自己的结构化思维能力——这对写好提示词非常有帮助。四、AI 编程模式4.1 Vibe Coding 氛围编程Vibe Coding 由计算机科学家 Andrej Karpathy 于 2025 年 2 月提出描述了一种全新的编程方式通过自然语言和 AI 对话让 AI 帮你写代码你只需要描述需求、测试结果、指导方向。核心思想是你不需要精通编程语法只需要清楚表达想法AI 负责把想法变成可运行的代码见 英文版文档。所以 Vibe Coding 的重点不是写代码而是明确需求并清晰表达——你描述得越清楚AI 的结果越靠谱。这就像点外卖你告诉平台想吃什么餐厅做好送到手上你不需要会做饭但要清楚自己想吃什么。仓库的 Vibe Coding 简介 将其正式定义为以自然语言提示驱动 LLM由 AI 直接生成并迭代代码的意图驱动型开发模式。4.2 Agentic Coding 智能体编程Agentic Coding 指让 AI 像一个自主的智能体Agent一样工作能够自己规划任务、执行操作、验证结果而不只是被动回答问题。在 Cursor 的 Agent 模式中AI 可以自动读取和分析多个文件规划实现方案执行代码修改运行测试验证自动修复问题。这比传统问答式 AI 更强大能自主完成复杂的多步骤任务。完整版文档还区分了Agentic Engineering智能体工程它是 2026 年 2 月由 Karpathy 提出的Vibe Coding 规范版强调先想清楚目标、写好方案、拆好任务再把活交给 AI 执行并验收——Vibe Coding 像 DJ 凭感觉放歌Agentic Engineering 像包工头按流程管理。做小工具可用 Vibe Coding做企业级项目需要 Agentic Engineering 思维。此外完整版还介绍了Harness Engineering驾驭工程核心理念是人类掌舵 智能体执行围绕 AI 智能体搭建约束机制、反馈循环和工作流管理系统上下文架构、执行能力、任务编排、反馈机制、架构护栏等关注如何让 AI 持续靠谱地干完一整件事。4.3 多智能体协作Multi-Agent多智能体协作指多个 AI 智能体分工合作完成复杂任务一个负责设计架构、一个写前端、一个写后端、一个做代码审查像软件开发团队一样协作。多智能体系统正在成为 AI 编程的重要趋势不仅能处理更复杂项目还能通过并行工作大幅提升效率让原本需要几小时的任务在几分钟内完成。仓库的 OpenClaw 保姆级教程导读 中提到的多 Agent 协作组建龙虾军团子 Agent 和多 Agent 玩法全解析正是这一模式的具体工程实践。4.4 智能体编排Agent Orchestration编排Orchestration是协调和管理多个 AI 智能体或 AI 任务的过程确保它们按正确顺序和方式工作。多智能体协作关注有哪些角色参与编排关注谁先干、谁后干、结果怎么汇总是多智能体系统的指挥中枢——就像乐队指挥决定哪个乐手何时演奏、如何传递信息、如何汇总结果。4.5 Agent Loop 智能体循环Agent Loop 是 AI 智能体的核心工作机制即 AI 通过不断重复感知-思考-行动-观察的循环来完成任务见 英文版文档感知获取当前环境信息读取文件、查看错误等思考分析情况决定下一步行动行动执行具体操作写代码、运行命令等观察检查行动结果循环根据结果决定是否继续直到任务完成或达到终止条件。⚠️ 注意Agent Loop 循环次数不要太多很多工具都有最大循环次数限制。循环太多不仅效果不好还会疯狂烧 Token——有用户一觉醒来发现额度用光就是因为 AI 陷入无限循环。完整版文档提到Claude Code 的核心对话循环本质上就是一个 while(true) 无限循环每轮先做上下文压缩再调用大模型拿响应若模型说我要用某个工具就去执行把结果追加到对话历史后进入下一轮。此外 2026 年流行的Ralph Wiggum Loop模式名字源于《辛普森一家》的执着角色把 AI 放在循环中反复执行直到需求文档中的所有检查项完成——每轮以干净上下文开始、通过 Git 提交持久化进度可以无人值守运行但务必设置循环次数限制和 Token 预算。4.6 ReAct 推理与行动ReActReasoning and Acting是一种让 AI 交替进行推理和行动的技术范式先推理制定计划再执行具体操作观察结果后继续调整策略。传统 AI 要么只思考不行动要么只行动不思考而 ReAct 的思考-行动-观察循环让 AI 能更可靠地完成复杂任务是现代 AI 编程工具的核心技术之一。4.7 工具调用Tool Use / Function Calling工具调用是让 AI 使用外部工具和功能的技术。AI 本身只能生成文字但通过工具调用可以读写文件、执行命令行命令、搜索网页、调用 API、操作数据库见 英文版文档。其工作流程分为 4 步识别需求AI 判断当前任务需要使用工具选择工具从可用工具中选择合适的执行调用用正确的参数调用工具整合结果将工具返回结果融入回答继续完成任务。需要注意AI 模型本身并不直接执行工具而是生成我想调用这个工具参数是这些的指令由外部程序执行后把结果返回给 AI。有了工具调用AI 就从只会说变成能动手——Cursor 的 Agent 模式正是通过工具调用实现自主编程的。4.8 Agent Skills 智能体技能Agent Skills 是 Anthropic 于 2025 年 10 月推出的开放标准目的是让 AI 学习使用各种专业技能。简单来说一个 Skill 就是包含SKILL.md文件的文件夹里面可以放置指令说明、脚本代码、参考资料等当 AI 遇到相关任务时自动加载对应 Skill 增强能力见 英文版文档。可以把 Skill 理解为 AI 的新员工入职指南PDF 处理技能教 AI 填表单项目部署技能包含团队特有的部署流程与脚本代码审查技能定义项目代码标准和检查清单。Skills 的核心设计是渐进式披露AI 只在需要时加载相关内容避免把所有信息一次性塞进上下文既节省 Token 又保持灵活性。仓库中的 Agent Skills通用 AI 技能库 提供了从安装到实战的完整教程并解释了它如何解决AI 界面千篇一律、提示词重复输入、特定任务不专业三大痛点。4.9 A2AAgent-to-AgentA2A 指 AI 智能体之间相互通信和协作的协议或方式是多智能体系统的基础技术。就像人类需要语言沟通AI 智能体也需要标准化的方式来交换信息、分配任务、汇报结果从而组成团队完成复杂任务。该协议由 Google 于 2025 年推出已有超过 150 家企业支持。不要把 A2A 和 MCP 搞混MCP 解决 AI 连接工具的问题A2A 解决 AI 之间沟通协作的问题二者是互补关系。完整版文档还补充了ACP 协议的两个含义一是 IBM 研究院推出的 Agent Communication Protocol智能体通信协议基于 HTTP REST让不同框架的智能体无缝协作二是 JetBrains 与 Zed 联合推出的 Agent Client Protocol智能体客户端协议让任何 AI 编程智能体都能在任何 IDE 中运行类似 AI 编程工具的万能适配器。4.10 BMAD 敏捷 AI 开发方法BMAD-METHODBreakthrough Method of Agile AI-Driven Development突破性敏捷 AI 驱动开发方法是一套系统化的 AI 智能体开发框架目标是把混乱的 AI 编程过程变得结构化、可复用。它使用角色化智能体组织开发流程见 英文版文档Analyst Agent 分析师创建项目简报包含市场分析和用户画像PM Agent 产品经理将简报转化为详细的产品需求文档PRDArchitect Agent 架构师设计技术实现方案和系统架构。BMAD 的智能体分两种类型Simple Agents单文件、自包含适合代码审查、文档生成等聚焦任务和Expert Agents具备跨会话持久记忆配有专属资源文件夹适合复杂多步骤工作流。每个智能体都有标准化组成人设角色、身份、沟通风格、原则、能力列表、交互菜单和可选的关键行动。4.11 Browser Use 浏览器使用Browser Use 是让 AI 智能体自主操控网页浏览器的技术能力AI 可以像人类一样浏览网页、点击按钮、填写表单、提取数据见 英文版文档。典型应用场景自动化研究在多个网站搜索、整理信息数据采集从网页提取结构化数据表单填写自动完成繁琐的在线表单跨平台操作在不同网站间完成多步骤任务。知名的开源项目是 Browser-Use支持通过 Python 调用多种大模型控制浏览器Cursor、Claude Code 等主流 AI 编程工具也内置了该能力可自动打开浏览器预览效果、执行测试。其关键优势是AI 可以利用你现有的浏览器会话和登录状态无需为每个网站开发 API 集成从而访问那些没有公开 API 的网站大大扩展自动化范围。4.12 Computer Use 计算机使用Computer Use 是 Anthropic 于 2024 年推出的 AI 能力让 Claude 能像人类一样操作整个计算机桌面。与 Browser Use 只能操作浏览器不同Computer Use 可以操作任何桌面应用查看屏幕截图理解界面元素、移动鼠标点击按钮、键盘输入文字、执行命令行操作。其工作原理是持续反馈循环见 英文版文档截图分析捕获并分析当前屏幕决策规划根据任务目标确定下一步操作执行操作发送鼠标/键盘输入观察结果检查操作效果调整策略。 为安全起见Computer Use 一般需在虚拟机或容器中运行避免直接控制真实电脑。它代表了 AI 从只能生成文字到能够操作软件的重大跨越。基于此技术Anthropic 在 2026 年推出了 Claude Cowork 桌面端 AI 助手可直接访问电脑文件帮你整理下载目录、从截图中提取数据到表格等日常办公任务。五、进阶延伸上下文管理与更多概念仓库中文完整版 Vibe Coding 概念大全 还在英文版基础上补充了以下重要板块一并摘录如下方便读者建立更完整的知识体系5.1 上下文Context与上下文工程上下文是 AI 回答问题时能参考的所有信息包括当前对话历史、打开的代码文件、项目结构和配置、提供的参考资料。上下文越丰富、越与任务相关AI 生成的代码越符合需求。在 Cursor 中可通过 Token 用量指示器了解上下文大小在 Claude Code 中可用/context命令查看占用情况。上下文工程Context Engineering的核心目标是让 AI 拥有恰到好处的信息选择最相关的文件、提供必要背景、用规则文件定义项目规范、适时清理无关对话历史。2026 年的趋势正从上下文管理演进到更复杂的记忆架构——短期记忆当前对话、长期记忆跨会话知识、外部记忆向量数据库、知识图谱。Claude Code 的三层记忆架构是典型实践MEMORY.md热数据每次加载、限制 200 行/25KB、话题文件温数据只挑选最相关的 5 个文件加载、历史对话冷数据需要时用 Grep 搜索且记忆只记人的偏好和判断、不记代码事实从根源上避免缓存与数据不一致。上下文压缩Context Compaction解决长任务中上下文溢出问题AI 在上下文快满时自动把前面对话总结成精简形式保留关键信息并释放空间。Claude Code 源码实现了五级压缩策略Snip 剪裁工具调用结果只保留结构→ Microcompact 微压缩大结果卸载到缓存→ Context Collapse 折叠中间对话摘要→ Autocompact 自动压缩占用超阈值时全量摘要→ Reactive Compact 应急压缩API 返回 413提示词太长时兜底触发从轻到重依次触发。5.2 规则文件与 AGENTS.md规则文件Rules File放在项目中告诉 AI 项目规范、技术栈、代码风格等信息让 AI 每次生成代码都参考这些规则。不同工具的格式Cursor 早期用.cursorrules现在推荐.cursor/rules/*.mdc多文件格式Claude Code 用CLAUDE.mdGitHub Copilot 用.github/copilot-instructions.md。Cursor 的.mdc文件支持 YAML frontmatter 元数据指定适用范围--- description: React 组件开发规范 globs: src/components/**/*.tsx alwaysApply: false --- # React 规范 - 使用函数式组件 - 优先使用 hooks规则文件可通过 alwaysApply 始终生效、globs 模式匹配自动激活、规则名手动调用、或 AI 自主判断加载。AGENTS.md是一种跨工具通用的开放规则文件标准被数万个开源项目采用。传统 README 是写给人看的AGENTS.md 是写给 AI 看的包含构建启动命令、测试方式、代码风格规范、项目结构说明。使用支持该标准的工具Claude Code、Codex、Cursor、GitHub Copilot 等时AI 会自动识别项目根目录的 AGENTS.md 并读取其中指令。5.3 RAG 与向量化技术RAGRetrieval-Augmented Generation检索增强生成让 AI 先检索外部知识库、再基于检索结果生成回答解决普通 AI 只能依赖可能过时的训练知识的问题。对企业的 Vibe Coding 尤其有用——AI 可以参考项目已有代码生成风格一致的新代码。RAG 已演化出众多进阶方案Multi-Query RAG多种问法分别检索再合并、HyDE先生成假答案再向量检索、Hybrid Search向量关键词混合搜索、Reranking精排过滤噪声、GraphRAG文档转知识图谱支持多跳推理、Agentic RAG给 Agent 配检索工具自动调度支持多轮检索、动态查询改写、多数据源协作、自我纠错典型模式包括 CRAG、Self-RAG、Adaptive RAG代价是更高延迟和数倍 Token 成本适合法律、医疗、合规等复杂高准确率场景。向量数据库专门存储和查询向量数字数组如[0.1, 0.5, 0.3, 0.8]语义相似内容的向量很接近所以搜用户登录能找到语义相关的handleAuth函数。嵌入Embedding就是把文本、代码转换成数字向量的过程是 RAG 和代码语义搜索的基础技术。5.4 AI 输出相关幻觉、温度与流式输出AI 幻觉Hallucination指 AI 输出不符合事实的内容编造不存在的 API、给错函数用法、推荐不存在的库这是大模型的固有问题。缓解方法要求 AI 提供文档链接验证、自己查官方文档、换模型试试、开新对话重述问题、利用 Context7 等 MCP 扩展获取最新文档。温度Temperature是控制输出随机性的参数一般 0~2温度低如 0.1输出更确定保守适合写代码温度高如 1.0更有创意适合头脑风暴。流式输出Streaming让 AI 边生成边显示像看直播而非录播方向不对可及时中断省 Token技术上一般基于 SSEServer-Sent Events实现。5.5 开发工具与项目管理概念完整版还覆盖了IDE 集成开发环境VS Code 及基于它的 Cursor、Windsurf、代码编辑器、CLI 命令行界面AI 读命令执行操作比操作图形界面更自然未来产品可能有给人类用的 GUI 给 AI 用的 CLI两套前端、零代码/低代码平台Bolt.new、Lovable、v0.dev 等、代码补全Code CompletionCopilot 开创先河、代码审查、Linter、Debug 调试以及 OpenClaw 开源 AI 助手可操控电脑的 AI 数字员工支持微信、QQ、飞书等多渠道接入详细安装使用见仓库的 OpenClaw 保姆级教程。项目管理方面包括MVP 最小可行产品、迭代开发计划→开发→测试→发布→反馈→改进、重构小步进行、每次重构后测试、技术债定期重构偿还、版本控制Git 是本地工具GitHub 是在线托管平台、Git WorkTree 工作树一个仓库同时拥有多个独立工作目录、各对应不同分支让多个 AI 并行开发互不干扰Cursor 的 Parallel Agents 模式已内置该能力注意让不同 AI 改不同文件以避免合并冲突、部署Vercel、Netlify、Railway、Render 等平台还可通过 MCP 实现对话式自动部署、GEO 生成式引擎优化AI 时代的 SEO核心策略先给结论、结构化写作、打造权威内容、在权威平台多发内容、确保 robots.txt 允许 AI 爬虫。前后端概念包括前端HTML/CSS/JavaScript、React/Vue/Next.jsAI 最擅长生成的部分、后端Node.js/Python/Java、Express/FastAPI/Spring、MySQL/PostgreSQL/MongoDBAI 生成的后端代码需更仔细审查、全栈、API程序间通信接口、数据库、BaaS 后端即服务Supabase、Firebase、PlanetScale 等现成后端云服务免去自己搭环境特别适合 Vibe Coding。结语本文系统梳理了 Vibe Coding 从 AI 基础、Token 计费、提示词到智能体编程模式的完整概念体系。你不需要一次记住所有概念——遇到不懂的词回来查一查即可。随着不断实践 Vibe Coding这些概念会自然而然地变得熟悉。值得注意的是AI 与编程领域的新概念仍在不断涌现这份词典也会持续更新。完整内容含全部配图与中文详解可在仓库 Vibe Coding 零基础教程/70 Vibe Coding 概念大全.md 中查阅配合 Vibe Coding 简介、Agent Skills通用 AI 技能库 等教程文件即可完成从概念认知到上手实践的完整闭环。赞分享文档教程知识库人工智能【免费下载链接】ai-guide程序员鱼皮的 AI 资源大全 Vibe Coding 零基础教程分享 OpenClaw 保姆级教程、大模型玩法DeepSeek / GPT / Gemini / Claude / GLM、最新 AI 资讯、Prompt 提示词大全、AI 知识百科Agent Skills / RAG / MCP / A2A、AI 编程教程Harness Engineering、AI 工具用法Cursor / Claude Code / TRAE / Codex / Copilot、AI 开发框架教程Spring AI / LangChain、AI 产品变现指南帮你快速掌握 AI 技术走在时代前沿。本项目为开源文档 aiguide已升级为鱼皮 AI 导航网站项目地址https://gitcode.com/GitHub_Trending/aig/ai-guide点击查看免费下载相关推荐OpenCore 术语全解Hackintosh 安装指南核心概念速查手册OpenCore 术语全解Hackintosh 安装指南核心概念速查手册 本文是 OpenCore Install Guide https://link.gi文档教程Rook 术语速查手册Rook CRD、Ceph 与 Kubernetes 核心概念完全指南Rook 术语速查手册Rook CRD、Ceph 与 Kubernetes 核心概念完全指南 本手册是 Rook 存储编排平台Storage Orchest云原生存储容器编排运维Earthly 核心术语全解析Earthfile、target、buildkitd 与 artifact/image 概念速查Earthly 核心术语全解析Earthfile、target、buildkitd 与 artifact/image 概念速查 导读 本文以 EarthlyCI/CDDevOps构建工具上一篇终极指南如何使用Python快速调用OctoPrint API控制3D打印机下一篇PopcornTimeTV完全指南如何在Apple TV与iOS设备上免费流媒体观影创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考