Vibe Coding Guide
GitHub Repo
MIT
May 7, 2026 at 04:44 AM
0 views

Vibe Coding Guide

@2025EmmaProject Author
View on GitHubStar

Vibe Coding 指南

Vibe Coding 指南：一个通过与 AI 结对编程，将想法变为现实的终极工作站

欢迎来到 Vibe Coding 的世界——一个以规划驱动、上下文固定、让 AI 进行结对编程为核心的工作流。这里不仅是一套方法论，更是一整套工具、模型、模板和实践路径，帮助开发者把创意从脑海变成可维护、可迭代的代码。本文将带你穿过从构思到实现、再到调试、扩展的完整旅程，揭示背后的核心原则、方法论与实操要点。

同样值得留意的是，这份指南承载的是一套经验体系。它强调“规划就是一切”，并提醒谨慎让 AI 自主规划以避免代码库变成难以掌控的混乱。以下内容并非对所有场景的通用模板，请结合具体任务、团队习惯与技术栈进行本地化取舍。

[构建状态]按钮与其他徽标示意了项目的持续集成与版本信息，帮助你快速了解项目当前的开发状态与版本演进。

🗺️ 概览

Vibe Coding 将“人”和“AI 的结对协作”作为核心工作流的驱动引擎。通过将想法分解为可执行的上下文、计划、实现步骤与自我校验，形成一个可审计、可移交、可持续迭代的流水线。这个流程强调模块化、分阶段实现和清晰的边界约束，确保 AI 在协助编码的同时仍由人类保持对目标、节奏与质量的掌控。

核心价值在于：用规划驱动创作，用上下文锁定行为边界，用持续的交付闭环实现自我改进。概括来说，Vibe Coding 的理念是：先结构、再代码；先需求、再实现；三要素并重：目标、上下文、可验证的步骤。

在实践中，你将看到一整套系统化的提示词链、模块化的技能与系统提示词的组合，从需求澄清到实现执行，再到自我检测与回顾。通过把 AI 放在“母体提示词”的框架下进行自我优化，形成一个不断进化的自适应系统。

🔑 元方法论（Meta-Methodology）

Vibe Coding 的元方法论核心在于构建一个能够自我优化的 AI 系统。它的递归本质可以分解为若干步骤，帮助团队把复杂目标分解为可执行的任务，并让系统在每次迭代中变得更强。

  • 定义核心角色

  • α-提示词（生成器）：一个母体提示词，负责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，负责优化其他提示词或技能。

  • 描述递归的生命周期 1) 创生（Bootstrap）：使用 AI 生成 α-提示词与 Ω-提示词的初始版本（v1）。 2) 自省与进化（Self-Correction & Evolution）：用 Ω-提示词（v1）对 α-提示词（v1）进行优化，得到更强的 α-提示词（v2）。 3) 创造（Generation）：以进化后的 α-提示词（v2）生成目标提示词和技能。 4) 循环与飞跃（Recursive Loop）：将新产物反馈到系统，继续优化 α-提示词，开启持续进化。

  • 终极目标 通过持续的递归优化循环，使系统在每次迭代中实现自我超越，逐步逼近设定的预期状态。

🧭 道：核心原则

一些根本性原则在整个 Vibe Coding 的实践中起到“导航灯”的作用。它们帮助团队维持对目标的聚焦、避免无效工作、以及最大化 AI 与人类协作的协同效应。

  • 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，三个维度并行
  • 数据与函数即是编程的一切
  • 输入、处理、输出共同刻画整个过程
  • 多问 AI 是什么、为什么、怎么做
  • 先结构，后代码，规划好框架再动手
  • 奥卡姆剃刀：如无必要，勿增代码
  • 帕累托法则：聚焦最具影响力的20%
  • 逆向思考：先明确需求，再从需求逆向构建代码
  • 重复尝试，必要时重新开启新窗口
  • 专注：一次只做一件事（极致专注，神人除外）

🧩 法：工程化的设计法则

在 Vibe Coding 中，“法”强调的是工程式的分解、职责界定与可验证性。它确保在 AI 助力之下，代码结构、职责划分、以及协作节奏都具有清晰边界，便于维护与扩展。

  • 一句话目标 + 非目标：清晰界定要实现的目标与避免的偏离。
  • 正交性：避免功能重复，尽量在不同场景中复用已有模块。
  • 能抄就不重复造轮子：优先寻找现成仓库与方案，必要时再定制。
  • 看官方文档优先：先爬取官方文档并喂给 AI，确保理解其设计意图。
  • 按职责拆模块：模块化设计，遵循单一职责原则。
  • 接口先行、实现后补：先定义好接口与契约，再逐步实现。
  • 一次只改一个模块：降低变更成本与回滚难度。
  • 文档即上下文：文档本身就是你与 AI 的对话上下文，不要事后再补充。

🛠️ 器：工具与资源体系

Vibe Coding 将工具分为若干类别，形成一个完整的生态，帮助你从环境搭建到模型选择、从开发辅助到知识管理的一站式体验。

集成开发环境 (IDE) & 终端

  • Visual Studio Code：强大且灵活的代码编辑环境，关于版本管理的 Local History 插件尤为有用。
  • 虚拟环境 (.venv)：为 Python 项目提供隔离、复现性强的环境。
  • Cursor、Warp、Neovim（nvim）、LazyVim：覆盖编辑、终端与工作流的不同风格与偏好。

AI 模型 & 服务

  • Claude Opus 4.5、GPT-5.1 系列、Gemini 系列等：提供多样化的模型能力，能够在 CLI、IDE 插件等多种入口中工作。
  • Droid、Kiro、Qwen、GLM、Gemini Enterprise、GitHub Copilot、Kimi K2 等：覆盖从本地到企业级、从代码补全到任务编排的不同需求。
  • 其他工具：Augment、Windsurf、Ollama、Mermaid Chart、NotebookLM、Zread、tmux、DBeaver 等，覆盖上下文引擎、快速开发、可视化、数据库与多终端协作。

开发与辅助工具

  • Augment、Windsurf、Ollama：上下文引擎、免费额度工具与本地大模型管理。
  • Mermaid Chart、NotebookLM、Zread：将思路以图形化或文档化的形式整理，提升认知一致性。
  • tmux、DBeaver：高效的会话管理与跨数据库工作流。

资源与模板

  • 在线提示词库、元提示词、系统提示词集合：提供高质量的提示词与模板，快速落地在具体任务中。
  • 通用项目架构模板、元技能与技能模板、tmux 与 LazyVim 快捷键大全等：帮助团队建立高效的工作结构。
  • 代码组织指南、开发经验总结、系统提示词构建原则等：为项目积累可重复使用的知识资产。

🧭 资源与模板的整合

在 Vibe Coding 的生态中，资源与模板是一体化的知识库。它们不仅仅是静态文档，而是驱动 AI 的“记忆银行”和“行动指南”，确保每一个工作单元都能快速定位、理解并落地。常见的资源类别包括：

  • 提示词库（在线表格、系统提示词仓库、元提示词等）
  • 技能库与元技能（Skill、Meta-Skill 的组合）
  • 模板与模板集合（通用项目架构模板、代码组织模板、提示词生成模板等）
  • 开发经验与最佳实践（变量命名、文件结构、编码规范、架构原则等）

🗃️ 项目目录结构概览

Vibe Coding 的核心结构围绕知识管理、AI 提示词的组织与自动化展开。虽然具体实现可能随团队和场景变化，但以下要点有助于理解整体架构的思路。

  • 核心目录包含：CODEOFCONDUCT.md、CONTRIBUTING.md、LICENSE、README.md 等基础治理与入口文档。
  • CLAUDE.md、GEMINI.md 等与 AI 助手相关的上下文文档，覆盖项目概述、技术栈和文件结构说明。
  • i18n/zh/doc… 与 i18n/zh/prompts/ 等本地化知识库，包含 Methodology、Templates、Tutorials、Skills 等内容。
  • prompts-library 中的脚本与数据，支持 Excel 与 Markdown 的互转，以及 prompts 的集中管理。
  • memory-bank（记忆库）用于存放游戏设计文档、技术栈、实施计划、进度记录、架构说明等，确保执行过程可追溯。
  • backups、docs、charts 等支撑性模块，帮助实现快照、图表化展示与持续集成。

以上目录与模块的目标是把“需求》上下文》计划》实现》自测》记录”组成一个闭环，确保每一步的可追溯性和可移交性。

🖼️ 概览与演示

一句话概括：Vibe Coding 等于“规划驱动 + 上下文固定 + AI 结对执行”，让从想法到可维护代码的过程成为一条可审计的流水线，而不是一堆难以迭代的文档或巨石级代码。

你可以得到的价值包括：

  • 成体系的提示词工具链：系统提示词用于约束 AI 行为，编码提示词覆盖需求澄清、计划、执行等全链路。
  • 闭环交付路径：从需求到上下文文档、实施计划、分步实现再到自测与进度记录，整条线可回溯、可移交。

⚙️ 架构与工作流程

核心资产的映射关系清晰而直观，确保你在实际操作中能够快速把需求转化为执行动作。

  • i18n/zh/prompts/coding_prompts：需求澄清、计划、执行链的核心提示词
  • system_prompts：约束 AI 行为边界的系统级提示词
  • assistant_prompts：辅助/配合型提示词
  • user_prompts：可复用的用户侧提示词
  • 记忆与文档：Templates、Documents、Backups 与 Architecture 等作为上下文与知识支撑

下面是一段简化的架构可视化（Mermaid 版）用来帮助理解数据流与职责分工。你可以在支持 Mermaid 的编辑器里查看完整图像。

graph TB
%% GitHub 兼容简化版（仅使用基础语法）
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[i18n/zh/prompts/coding_prompts]
  artifacts_md --> catalog_system[i18n/zh/prompts/system_prompts]
  artifacts_md --> catalog_assist[i18n/zh/prompts/assistant_prompts]
  artifacts_md --> catalog_user[i18n/zh/prompts/user_prompts]
  artifacts_md --> docs_repo[i18n/zh/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]
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
  orchestrator --> config_prompts[prompts-library/scripts/config.yaml]
  orchestrator --> monitor[预留：日志与监控]
end

该图强调了从外部数据源到内部处理、再到输出给不同消费端的完整流水线，以及与版本控制、备份和配置的耦合关系。通过把提示词、系统约束、辅助提示与用户提示进行分层管理，你可以在任何任务中快速定位责任和落地路径。

📈 路线图

为了帮助团队对未来进展有清晰的时间维度，下面给出一个简化的路线图（Mermaid Gantt），展示近期、中期与远期的重点里程碑：

gantttitledate
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

这条路线图旨在让团队成员理解每个阶段的目标与时长，确保对工作重心和产出有一致的认知。

🚀 入门指南

要开启 Vibe Coding，你只需要以下两种工具之一（原作者推荐）：

  • Claude Opus 4.5：在 Claude Code 中使用
  • GPT-5.1 Codex（xhigh 版本）：在 Codex CLI 中使用

本指南同样适用于 CLI 终端版本和 VSCode 扩展版本（Codex 和 Claude Code 都有扩展并提供丰富的界面交互）。

为了帮助你快速落地，以下是完整设置流程的核心要点（简化版本）：

1) 制作文档（Game Design Document，GDD）

  • 让 AI 生成一份简洁的游戏设计文档，Markdown 格式，命名为 game-design-document.md。
  • 人工审阅并完善，确保愿景与实现意图一致。初期不必追求完整，但要提供足够结构。

2) 技术栈与 CLAUDE.md / AGENTS.md

  • 让 AI 给出最简单但最健壮的技术栈建议，例如多人3D游戏可选 ThreeJS + WebSocket。
  • 将结果保存为 tech-stack.md。
  • 在终端中打开 Claude Code 或 Codex CLI，执行 /init 命令。它会读取你已有的 .md 文件，生成一套用于正确引导大模型的规则。
  • 重要：审查生成的规则，确保强调模块化、避免单体巨文件，必要时手动修改。

3) 实施计划（Implementation Plan）

  • 将 GDD 与技栈提供给 AI，生成详细的实施计划（Markdown）。
  • 要点强调：每一步要小而具体，每一步都要包含验证正确性的测试；禁止直接给出代码，重点是清晰的指令与分步执行。

4) 记忆库（Memory Bank）

  • 新建项目文件夹 memory-bank，放入 game-design-document.md、tech-stack.md、implementation-plan.md、progress.md（空文件用于记录进度）以及 architecture.md（空文件用于记录文件作用）。
  • 通过这个记忆库，AI 与开发者可以持续对照、回顾、更新。

5) 第一个实施提示词和工作流

  • 打开 Codex 或 Claude Code，将 memory-bank 的文档作为上下文输入。
  • 使用实施计划的第1步执行测试。测试通过前，不要跳到第2步。测试通过后，将进展记录在 progress.md，并将新的架构洞察写入 architecture.md。
  • 采用“Ask”模式或 Plan Mode，先确认再执行。必要时可以使用语音输入（如 Superwhisper）提升工作流的实时性。

6) 添加细节功能与迭代

  • 每增加一个主要功能，就新建一个 feature-implementation.md，写短步骤与测试，保持迭代的可控性。
  • 继续增量实现与验证，确保系统在每次迭代后保持可回溯。

7) 调试与修复

  • 常规修复：回退版本、回滚记忆、更新实现计划。
  • 错误处理与诊断：记录错误信息、截图、浏览器控制台日志等，喂给 AI 进行诊断。
  • 疑难解决：若卡住，回退到上一个 git 提交，换新提示词再试，必要时将代码库压缩成单文件求助大模型。

8) 进阶技巧

  • 终端版 Claude Code / Codex CLI 的优势在于边看 diff、边输入上下文，避免频繁切换工作区。
  • 自定义命令与工作流钩子，提升迭代速度，降低人工干预成本。

📚 相关文档与资源

Vibe Coding 的生态系统中，信息来源丰富且彼此互补。核心包括：

  • 交流社区：Telegram 群组、Telegram 频道
  • 个人学习与书籍推荐：学习经验、编程书籍推荐
  • 核心资源：元提示词库、元技能、技能库、提示词库在线表格
  • 第三方系统提示词仓库与系统提示词集合
  • 项目内部文档与工具说明：prompts-library、系统提示词构建原则、开发经验总结、通用项目架构模板等
  • 项目内部工具：prompts-library 的转换工具、编码提示词集合、系统提示词与用户提示词的管理

🤝 参与与贡献

我们热烈欢迎各种形式的贡献。如果你对本项目有想法、问题或改进，请提交 Issue 或 Pull Request。开始前，请先阅读贡献指南（CONTRIBUTING.md）与行为准则（CODEOFCONDUCT.md）。

📜 许可证

本项目采用 MIT 许可证。若本文能为你带来启发，欢迎给仓库点一个星标，以示支持。

联系方式与支持

  • GitHub：tukuaiai
  • Twitter / X：123olp
  • Telegram：@desci0、glue_coding 群组
  • Telegram 频道：tradecataichannel
  • 邮箱：[email protected]

⚡ 特别鸣谢与致谢

我们感谢所有为本项目做出贡献的开发者与社区成员。特别鸣谢的团队成员和贡献者名单在此致敬，感谢他们的持续努力与支持。

结语

Vibe Coding 不仅是一种工作流，更是一种把创意转化为现实的系统性方法。通过规划驱动、上下文固定与 AI 结对执行的组合，我们能够在保持高效、可控的前提下推进复杂项目的实现。愿这份指南成为你在 AI 助力下高效开发的导航灯，引导你从想法到可维护、可迭代的成果的每一步。

如果你愿意，欢迎在下方留言分享你在 Vibe Coding 实践中的经验、遇到的挑战以及你所取得的成果。让我们一起把这套方法论落地成可持续的开发节奏。

Enjoying this project?

Discover more amazing open-source projects on TechLogHub. We curate the best developer tools and projects.

Browse More Projects

Repository:https://github.com/2025Emma/vibe-coding-cn

Vibe Coding Guide

GitHub - 2025Emma/vibe-coding-cn: Vibe Coding Guide

A comprehensive guide to Vibe Coding: an AI-driven workflow for turning ideas into maintainable code....

github - 2025emma/vibe-coding-cn

Project
vibe-coding-guide
Created
May 7
Last Updated
May 7, 2026 at 04:44 AM
Back to Projects

Find more projects like this

One email a week: new and trending developer tools, fresh comparisons, and what shipped. Unsubscribe in one click.