vibe coding 指南

结合YC的指导思路，我整理了一套AI辅助编码的实操方法，从规划到持续优化都梳理了一遍，分享给大家：

一、规划阶段

1. 先搭详细执行框架：和AI协作，把具体的实现步骤写在markdown文件里，把每个环节的目标和动作定清楚。

2. 及时复盘精简内容：删掉没必要的开发项，太复杂的功能先标为“暂缓开发”，别让冗余需求拖慢节奏。

3. 做好范围管控：单独开辟一块区域记录后续的想法，避免开发过程中被无关思路带偏。

4. 分模块渐进开发：按功能模块分段推进，不追求一次性完成所有开发，稳扎稳打更高效。

5. 实时跟踪进度：让AI在每个模块开发成功后标注“已完成”，随时掌握项目推进情况。

6. 养成频繁提交的习惯：每个功能模块能正常运行后，先提交到Git再开展下一个模块的工作，避免代码丢失。

二、版本控制技巧

1. 把Git用透：别依赖AI工具的撤销功能，Git的版本管理才是最可靠的保障。

2. 新功能开发先清场：开始新功能开发前，让Git回到干净的初始状态，避免旧代码干扰。

3. AI出问题就重置：如果AI生成的代码混乱无章，直接用git reset --hard HEAD重置代码库。

4. 杜绝烂代码堆积：多次尝试失败会产生大量无效代码，要及时清理，不让糟代码越积越多。

5. 干净落地解决方案：找到可行的解决办法后，先重置代码库，再重新规整地实现功能。

三、测试框架搭建

1. 优先做高层级测试：把重点放在端到端的集成测试上，不用在单元测试上过度纠结。

2. 模拟真实用户操作：模仿用户点击网站或APP的行为来测试功能，让测试结果更贴合实际使用场景。

3. 警惕代码回退问题：大模型容易擅自修改不相关的逻辑，要及时发现并修正这类问题。

4. 测试通过再推进：必须等当前功能测试通过后，再开始下一个功能的开发，避免问题叠加。

5. 用测试划定开发边界：我参考一些创始人的做法，先写测试用例，以此明确开发的范围和标准。

四、高效修复Bug

1. 善用报错信息：直接把报错内容复制给AI，一般情况下AI就能据此分析出问题原因。

2. 先分析再动手改代码：让AI先梳理可能的故障原因，再着手编码修复，不盲目操作。

3. 修复失败就重置：每次修Bug失败后，都回到干净的代码状态重新尝试，不被错误代码影响。

4. 增加日志辅助排查：在关键位置添加日志，能更清晰地掌握代码运行过程中的问题所在。

5. 卡壳时换AI模型：如果一个AI模型解决不了问题，换个模型试试往往能有新突破。

6. 干净修复Bug：找到修复方案后，先重置代码库，再规范地实现修复，保证代码整洁。

五、AI工具使用优化

1. 编写专属指令文件：在cursor.rules、windsurf.rules这类指定文件里，给AI写清楚详细的执行指令。

2. 本地存放API文档：把API文档下载到项目文件夹中，让AI参考的信息更准确，减少出错概率。

3. 多工具协同使用：我发现有些创始人会同时用Cursor和Windsurf做同一个项目，能互补工具的优势。

4. 选对工具做对应事：Cursor做前端开发速度更快，Windsurf思考问题更深入，根据场景选工具。

5. 对比AI输出结果：让AI生成多个解决方案，再从中挑选最优的，提升开发质量。

六、复杂功能开发要点

1. 先做独立原型：在干净的代码库里先把复杂功能做成原型，验证可行性后再整合。

2. 找参考案例做指引：给AI提供可运行的参考示例，让它照着案例的思路开发，降低试错成本。

3. 明确代码边界：保持外部API的一致性，内部逻辑可以灵活调整，不影响整体调用。

4. 采用模块化架构：基于服务的架构（边界清晰）比单体仓库更适合AI辅助开发，维护起来也更方便。

七、技术栈选择思路

1. 优先选成熟框架：比如Ruby on Rails，有20年的规范积累，AI对其支持也更完善，开发效率高。

2. 关注语言的训练数据：Rust、Elixir这类新语言的训练数据较少，AI的支持力度可能不足，选的时候要谨慎。

3. 模块化是核心：小而模块化的文件，不管是人类开发还是AI处理，都更容易上手和维护。

4. 避免超大文件：别写几千行的大文件，不仅难维护，AI处理起来也容易出问题。

八、编码之外的拓展应用

1. DevOps自动化：让AI帮忙配置服务器、DNS和托管服务，减少运维的手动操作。

2. 辅助设计工作：让AI生成网站图标、设计元素等，提升设计环节的效率。

3. 助力内容创作：用AI草拟文档、营销材料等内容，节省文案撰写的时间。

4. 当作学习工具：让AI逐行解释代码实现逻辑，能快速搞懂陌生的技术点。

5. 用截图高效沟通：遇到UI Bug或有设计灵感时，发截图给AI，沟通更直观。

6. 尝试语音输入：像Aqua这类工具的语音输入能达到每分钟140词，能大幅提升输入效率。

九、持续改进的方法

1. 定期重构代码：测试体系搭建好后，定期对代码进行重构，让代码结构更优。

2. 借助AI找优化点：让AI帮忙分析代码，找出需要重构的部分，精准定位优化方向。

3. 尝试新的AI模型：每次有新的AI模型发布，都去尝试一下，利用新模型的优势提升开发效率。

4. 了解不同模型的强项：不同AI模型各有擅长的领域，根据具体任务选对模型，才能发挥最大作用。