1. 从“手写代码”到“说人话写代码”Vibe Coding 到底改变了什么第一次听到“Vibe Coding”这个词我脑子里蹦出来的画面是一个人对着编辑器敲几句大白话代码就自己长出来了。听起来像玄学但真上手用了一段时间之后我发现它其实一点都不玄——它只是把“人写代码”这件事往前推了一大步变成了“人描述意图AI 负责落地”。说白了Vibe Coding 是一种以自然语言为主要输入方式的编程范式。你不再需要逐行敲for循环、不再需要纠结某个 API 的参数顺序你只需要把“我想要什么”讲清楚剩下的交给 AI Agent 去执行。这里的核心关键词有三个AI 编程、AI Agent、Codex。AI 编程是大的赛道AI Agent 是执行主体Codex 这类工具是具体的落地载体。那它到底解决了什么问题我自己的体感是三个字省时间。以前写一个数据清洗脚本从查文档到调试半小时起步现在描述清楚需求几十秒出初稿我只需要 review 和微调。对于重复性高、逻辑清晰的活儿效率提升是肉眼可见的。但它也不是万能药复杂业务逻辑、性能敏感的核心模块还是得人来把关。这篇文章适合谁看如果你是刚入门的开发者想搞清楚 AI 编程到底怎么用、从哪下手如果你是有点经验的老手想看看别人是怎么把 AI Agent 真正用起来的或者你只是好奇“26 年了还不会 Vibe Coding 是不是真的白活了”——那这篇就是写给你的。我会从思路拆解、核心细节、实操流程到踩坑排查一条龙讲清楚尽量让你看完就能上手。2. 内容整体设计与思路拆解2.1 为什么是“描述意图”而不是“写代码”传统编程的本质是“把人的意图翻译成机器能执行的指令”这个翻译过程由程序员完成。Vibe Coding 做的事情是把这层翻译交给 AI。你负责“想清楚要什么”AI 负责“写出来怎么实现”。这个转变背后有个很现实的考量大部分日常开发工作难点不在写代码而在想清楚需求。一个 CRUD 接口逻辑清晰的话写起来就是体力活。AI 最擅长的恰恰就是这种体力活。你把“用户表加一个软删除字段删除时更新 deleted_at查询时过滤掉非空记录”描述清楚它就能给你生成一套能跑的代码。但这里有个前提你得能把需求描述清楚。这也是为什么很多人用了 AI 编程工具之后觉得“不好用”——不是工具不行是描述太模糊。你说“帮我写个登录功能”AI 只能猜你说“用 JWT 做无状态登录token 有效期 2 小时刷新 token 有效期 7 天密码用 bcrypt 加密”它就能给你靠谱的结果。2.2 工具选型的逻辑为什么绕不开 Codex 和 AGENTS.md市面上 AI 编程工具不少但 Codex 这类工具之所以被反复提及是因为它把“AI Agent 执行代码任务”这件事做得比较完整。它不只是补全代码而是能理解项目上下文、能读写文件、能执行命令、能根据反馈迭代。这就从“代码补全”升级到了“任务执行”。而AGENTS.md这个文件是我认为最值得单独拿出来讲的设计。它的作用类似于给 AI Agent 的一份“项目说明书”——告诉它这个项目是干什么的、目录结构怎么组织、有哪些约定俗成的规范、哪些文件不要动。有了这个文件AI 在执行任务时就不会瞎猜能更快进入状态。我自己的习惯是每个项目根目录都放一个 AGENTS.md内容不用长但要把关键信息写清楚。比如# AGENTS.md ## 项目概述 这是一个基于 FastAPI 的订单管理系统使用 PostgreSQL 存储。 ## 目录结构 - app/api/ 路由层 - app/services/ 业务逻辑 - app/models/ 数据模型 ## 编码规范 - 所有接口必须有类型注解 - 数据库操作统一走 service 层 - 禁止在路由层直接写 SQL ## 禁止操作 - 不要修改 alembic 迁移文件 - 不要动 config/ 下的配置文件这份文件看起来简单但实测下来有没有它AI 生成代码的准确率差别很大。没有它AI 经常把业务逻辑写到路由层有了它基本能按你的规范来。2.3 方案取舍什么时候用 AI什么时候自己上不是所有任务都适合交给 AI。我的判断标准是三条逻辑清晰、重复性高交给 AI比如写测试用例、生成 CRUD、数据转换脚本。需要深度业务理解自己上比如核心计费逻辑、复杂状态机。性能敏感自己上AI 生成的代码往往“能跑但不够快”。这个取舍很关键。我见过有人把所有活儿都丢给 AI结果核心模块出了一堆隐蔽 bug排查起来比自己写还费劲。AI 是放大器不是替代品。3. 核心细节解析与实操要点3.1 AI Agent 的工作机制它到底在干什么很多人以为 AI Agent 就是“更聪明的代码补全”其实不是。一个完整的 AI Agent 工作流大致是这样的理解任务读取你的描述结合 AGENTS.md 和项目上下文明确要做什么。规划步骤把大任务拆成小步骤比如“先建模型再写 service最后加路由”。执行操作读写文件、运行命令、调用工具。验证结果跑测试、看报错、根据反馈调整。迭代直到完成如果出错回到第 3 步继续。这个循环里上下文质量决定了输出质量。你给它的信息越准确它跑偏的概率越低。所以我在实操中会尽量把相关文件、报错信息、期望行为都喂给它而不是只丢一句“帮我修个 bug”。3.2 提示词怎么写才有效AI 编程提示词ai编程提示词是很多人关心的点。我总结了一个简单的结构背景 目标 约束 示例。举个例子同样是“写个接口”两种写法效果差很多差的写法帮我写个用户查询接口。好的写法背景这是一个 FastAPI 项目用户数据存在 PostgreSQL 的 users 表。 目标写一个 GET /users/{user_id} 接口返回用户信息。 约束用 SQLAlchemy 查询返回 Pydantic 模型找不到用户返回 404。 示例参考 app/api/order.py 里的写法。第二种写法AI 基本一次就能给对。第一种它得猜你用啥框架、啥 ORM、啥返回格式。提示写提示词的时候把 AI 当成一个刚入职的新人——它能力很强但对你的项目一无所知。你交代得越清楚它干得越好。3.3 AGENTS.md 的写法与常见误区AGENTS.md 不是越长越好。我见过有人写了上千行结果 AI 反而不看了。核心原则是只写 AI 猜不到的信息。该写的项目技术栈和版本目录结构和职责划分编码规范和命名约定禁止修改的文件或目录常用的命令启动、测试、迁移不该写的详细的业务逻辑说明这个应该看代码大段的 API 文档有专门的文档文件和项目无关的通用规范我自己的 AGENTS.md 一般控制在 50 行以内重点突出。另外这个文件要随项目演进更新别写完就不管了。3.4 嵌入式场景下的 Vibe Coding嵌入式 Vibe Coding 是个比较特殊的场景。和 Web 开发不同嵌入式对资源、时序、硬件依赖都很敏感AI 生成的代码不能直接信。我的做法是AI 负责生成框架和逻辑人负责硬件相关的细节。比如让 AI 生成一个状态机的骨架但寄存器配置、中断处理这些还是自己来。另外嵌入式项目一定要在真实硬件上验证仿真通过不代表真机没问题。4. 实操过程与核心环节实现4.1 环境准备从零搭起一套可用的 AI 编程环境先说工具链。核心是 Codex 这类 AI 编程工具配合一个顺手的编辑器。安装流程大致是下载并安装 Codex官网有各平台的安装包Windows 桌面版、macOS、Linux 都有。登录账号完成初始化配置。在项目根目录创建 AGENTS.md。配置好项目的基本信息让 AI 能识别技术栈。安装过程中常见的坑登录不上先检查网络和账号状态多数是配置问题。无法加载组织设置通常是权限或配置项写错了检查配置文件。提示模型不支持确认你用的模型和工具版本匹配。这些报错看起来吓人但基本都是配置层面的问题按提示逐项排查就行。4.2 第一个任务让 AI 帮你写一个完整功能我建议新手从一个小而完整的功能开始比如“给现有项目加一个健康检查接口”。步骤在 AGENTS.md 里写清楚项目结构和规范。给 AI 描述任务在 app/api/ 下新增 health.py提供一个 GET /health 接口返回服务状态和当前时间。让 AI 生成代码。Review 生成的代码看是否符合规范。运行测试确认能跑通。这个过程走一遍你就能体会到 AI 编程的节奏描述 → 生成 → 审查 → 验证。熟练之后这个循环会越来越快。4.3 参数与配置的选择逻辑AI 编程工具通常有一些可调参数比如温度temperature、上下文长度、模型选择等。我的经验是参数建议值理由温度0.2-0.4代码任务要稳定不需要太多创造性上下文长度尽量大项目越大需要的上下文越多模型能力优先代码任务对模型能力要求高别省温度这个参数特别值得说。写代码不是写诗你需要的是确定性不是惊喜。温度调高AI 可能会给你一些“有创意但跑不通”的代码。所以代码任务温度往低了调。4.4 让 AI Agent 处理并发任务AI Agent 怎么扛并发是个进阶话题。简单说单个 Agent 处理任务是串行的要提升吞吐得靠多 Agent 协作或者任务队列。我的做法是把大任务拆成互不依赖的小任务分发给多个 Agent 并行处理最后人工合并。比如重构一个模块可以拆成“改模型”“改 service”“改路由”三个子任务分别交给不同 Agent最后统一 review。但要注意并行任务之间如果有依赖就不能简单并行得按顺序来。这个判断得人来做AI 目前还不太擅长处理复杂的任务依赖。5. 常见问题与排查技巧实录5.1 高频问题速查表问题现象可能原因解决思路AI 生成的代码跑不通上下文不足或描述模糊补充 AGENTS.md细化提示词登录/配置报错配置文件或权限问题逐项检查配置确认账号状态模型不支持版本不匹配确认工具和模型版本对应生成代码不符合规范AGENTS.md 缺失或不清完善规范说明给出示例任务执行到一半卡住任务太大或依赖复杂拆解任务分步执行5.2 独家避坑技巧技巧一先让 AI 复述任务。在正式生成代码前让它用自己的话把任务说一遍。如果它理解错了你能提前发现省得后面返工。技巧二小步快跑别憋大招。一次只让 AI 做一件事做完验证再做下一件。一次性丢一个大需求出错概率高排查也难。技巧三保留人工审查环节。AI 生成的代码尤其是涉及数据、权限、金额的一定要人工过一遍。我踩过的坑里最疼的就是“看着没问题上线出问题”。技巧四善用版本控制。每次让 AI 改代码前先 commit 一下。改坏了能回滚心里不慌。5.3 关于“Codex 国内能用吗”这类问题这类问题本质上是环境和配置问题。我的建议是先确认工具本身的安装和配置是否正确再看网络环境是否满足要求。大部分“用不了”的情况都是配置没弄对而不是工具本身的问题。按官方文档一步步来基本都能解决。6. 我个人的一些实操体会用 AI 编程这段时间最大的感受是它改变的不是“写代码”这件事而是“思考代码”的方式。以前我拿到需求第一反应是“这该怎么实现”现在第一反应是“这该怎么描述”。描述清楚了实现是水到渠成的事。另一个体会是AI 越用越顺手但前提是你得持续调教它。AGENTS.md 要更新提示词要打磨项目规范要沉淀。这些前期投入后面都会以效率的形式还回来。最后分享一个小技巧如果你不确定某个任务适不适合交给 AI就先让它试一下看它生成的代码质量如何。质量好继续质量差自己上。这个判断成本很低但能帮你快速找到 AI 的能力边界。至于“26 年了还不会 Vibe Coding 是不是白活了”——我的看法是工具在变但核心能力没变想清楚问题描述清楚需求验证清楚结果。这三件事做好了用不用 AI你都是个好开发者。AI 只是让这个过程快了一点仅此而已。