我不是步伐员，编程材干也一般，然则前两天我花了一个下昼用 Claude code 和 Claude agent sdk，在我方的作事器上构建了一个完好的个东说念主 AI agent 小助手，天然还比拟粗鲁，然则我当今不错24/7 通过它分析数据、处理文献、构建界面。
全程我莫得写一转代码，只是在构想和交流。在和 Claude code 交流，而况咫尺还一直在迭代，以后也一定是这样的方式，我想这便是 vibe coding 的乐趣，不是掌执编程言语或框架，而是把 AI 手脚你想维的延长——以对话的速率，把无极的想法变成真实可用的家具。
家具感比代码材干很稀缺
本年，我我方构建了几十个 demo，不是为了高慢，而是我发现：demo 是传达想法最有用的序论。
亦然得益于此，我干与到 AI 初创方丈具司理，自后 mentor 跟我说我的简历齐莫得施展出我和公司的契合度，而是我在 github 内部的一些神态，让他非凡想要我。
demo 有几层价值，最先是把你的想想外化，把无极的想法变成具体的，在你实践的过程中，你会发现你接下来的想考会更粗鲁，因为你的想考是基于一个已有的东西去延长，而不是一直在天马行空的遐想。就像 AI 的想考模式相通，可视化你的想考过程往往会改变你的论断，先前的 token 会拘谨你背面 token 的输出，不至于临了想法很好，实践起来就…
第二个便是我在前文提到的，让别东说念主信赖你看到的，建立信任。在学校的时候，许多东说念主对 AI 的意会还只是停留在简单的对话，我写了很长的如何用 AI 高效分析、调研、访谈的职责流决议，想和同学全部作念一些事来赋能一下现存的职责——没响应。然后我作念了一个 demo，用 coze 和飞书表格，只花了几个小时，将咱们之前的来访者访谈到分析的整个这个词过程经过化。从来访者预约、时刻安排、到访前见告以及过程中灌音转写到分析，然后他们就信了。
为什么？因为 demo 是信息密度最高的阵势：敷陈会让东说念主睡着、Slides 会让东说念主分神、Demo 让东说念主看到我方眼睛的真实信息…
第三层便是 AI 照旧让咱们（至少是我这样没时候布景的东说念主）运用最低的资本，让别东说念主看到你的想法到家具。从想法到可用家具，demo 的资本最低，一个下昼+一个 AI 用具 = 你不错展示给 100 个东说念主的东西，这便是为什么我对 demo 沉溺。
vibe coding 的六大中枢技巧
技巧 1：不要编造创造，学习别东说念主照旧作念过的
这听起来有点反直观是吧，而且许多东说念主深信会说你这未便是抄，但这是最快的前进方式。
当我用 Claude code 构建一个 web dashboard 的时候，我莫得让他编造创建，而是：
在 GitHub 上找一个开源前端神态
告诉 AI：「按照这个神态的筹办格调，给我一个 React Dashboard 组件库」
AI 意会了好意思学，平直生成了匹配的代码
假如我平直创造呢？他会给我一个「给我一个漂亮的 dashboard」，然则需要 10 轮反馈调整心机、间距。我很了了，我方并不是一个筹办师，而况我我方脑子里的想法致使齐不是很了了，与其去作念填空题，不如去作念聘任题。
在哪搜索？GitHub 上的开源神态（包括款式表）、筹办展示网站（Dribbble、Behance）、竞品代码（用浏览器诱骗者用具查验）……
我我方枯燥的时候比拟可爱看 mobbin，去刷一刷网站或者上 x 去望望各人的共享，然后用 mymind 去纪录一些好的创意，不单是是纪录，未必候光看这些就挺昂然的。
其实不单是是一个筹办，包括说一些有用的，可能我当今用不上，然则我以为它相称有用，我就会先把它纪录下来。背面我需要的时候，我就平直从中去找。
有一个纪录的过程，就会让你的牵挂留住一个印象。你后续再去作念一个什么东西的时候，可能就会想起这个东西。想起这个东西，你就无谓再去大海捞针地去找，你不错从照旧汇注到的场所去进行一个寻找。
这不是「勉强怪物」——这是最高效的学习方式。盛名的 Roguelike 游戏诱骗方法论便是这样：站在巨东说念主肩膀上，快速迭代。
技巧 2：握住问 AI，渐渐探索——每个操作前齐要问为什么
我领先对 VPS 一无所知。什么是 SSH？端口转发何如用？Docker 是什么？
但我莫得去买课程，而是在每个操作前齐问 AI：
「我若何在手机上良友限度 Claude Code？」
「这个 SSH 密钥是用来干什么的？」
「Docker 对我的神态有什么公正？」
AI 会阐明想法、给具体方法、遭遇问题时匡助调试，是以我当今就能平直从手机 push 代码到 GitHub，用 Claude Code 在良友作事器上职责。我从未上过一堂 Linux 课，但我学会了「作念事」。
这亦然我认为的 vibe coding 的精髓之一：不是「先学时候，再使用它」，而是「让问题驱动学习」，这样每个发问齐是一个涵养时刻，也算是干中学吧。
技巧 3：渐进式诱骗——理清端正和依赖关系
构建 AI Bot 时，我领先的考虑是：先作念音信处理器、再作念用户管理、再作念会话管理、再作念Agent 集成、临了安全方面…
然则到了第三步的时候，我发现安全需要提前筹办，比如说一些权限阻隔。然后像音信处理器，它就依赖后话管理的接口界说，那用户管理又需要去预留配额的空间，是以我就跟 AI 全部去重新排序。
我最先便是去界说这个数据模子，比如说 user、session、task 结构。然后第二步就去竣事这个中枢的逻辑，像 agent 和 mcp server。然后第三步便是添加管制层，便是每个用户它有些许的存储空间。
因为我这个神态不仅给我我方用，它会给我家里东说念主全部用，帮他们把一些生计上的一些需要用到 AI 的东西全部打包放在这个 bot 内部。是以我会给每个东说念主齐会配一定的配额，毕竟 VPS 它的存储是有限的。
然后权限和安全方面，因为我给他们平直用的是 Claude agent，若是不有一些权限的死心的话，那有可能他们的领导不小心触发了 Claude agent 的一些操作，就会把我整个这个词神态给损毁。是以我就添加了一些安全的一些权限。
临了便是集成请托层，就比如和聊天软件去集成。
这个端正的公正便是我背面的模块，就无谓背面模块的添加就无谓去改变前边模块的一个接口。是以我加新功能的时候，AI 的高下文就会愈加清晰。而且我一朝出现了 bug，我就知说念我具体是哪一个层面出现的问题，我就平直去针对性地修改这一个层面就好了。
这其实便是一个基础的系统筹办，我个东说念主认为天然我不懂代码何如去竣事，然则许多架构方面的东西你要想了了。
就像咱们去作念事情相通，整个这个词一个先后端正，你去驱使 AI 去作念事情亦然有一个先后端正，是以 AI 能够帮你去竣事它，然则你我方必须要想考了了。
技巧 4：一个文献，一个职责——写模块化代码
若是一个文献有 2000 行，AI 出错的概率成倍加多。若是一个文献 100 行，只作念一件事：
AI 的高下文更好
你能更快定位问题
改变的影响限制受限
代码块复制
bot/
├── handlers.py # 仅处理来自聊天软件的高歌
├── agent/
│ ├── client.py # 仅贯串 Claude Agent
│ ├── tools.py # 仅界说自界说用具
│ ├── task_manager.py # 仅管理后台任务
├── user/
│ ├── manager.py # 仅管理用户数据
│ ├── storage.py # 仅处理配额
├── session/
│ └── manager.py # 仅管搭理话
LLM 在小的、聚焦的任务上施展深信是更好，当你要求它「写完好系统」时，就像 10 个诱骗者同期编码但不交流、相称败落。
是以我一般便是一个文献竣事一个指标，然后不同的功能就放不同的文献夹内部。
当我想要去改某个功能的时候，我就告诉他在哪个文献内部去添加一个什么样的函数，或者说他我方就能够证据文献结构我方去相称笃定地知说念在那儿，而不是说一类功能你把它拆到了不同的文献内部去放。那这步地就会相称败落，他就很容易搞错。
技巧 5：架构想考（5 分钟头脑风暴）
在每次最先写代码，我会先把我的想法给 AI，先去说我会先跟他说，咱们先商榷一下，你不错先不急着去往后竣事出来，然后看有什么样的一个方式，能弗成竣事。
最先我先要问他能弗成竣事，要竣事的决议有什么步地的，然后他会给我一些架构的建议，以及一些潜在的问题，还有一些那种决议的聘任，就让我能更有掌控感。
这样我也能够笃定我的想法不会特鉴识谱，或者说他需要、他无法竣事什么东西，然后他又需要什么，比如说一些 API key 啊，或者说一些外部作事的时候，他能够去领导我，去帮他去取得。
我嗅觉好的架构它能够防护你 80% 的后续问题，而况「先改架构」是比你「最先架构好了背面去改代码」这样是更容易一些。
而况关于我这样莫得什么诱骗告诫也莫得系统学习过的东说念主，我以为 AI 的建议往往是会突出我的知识。是以你在干什么事情之前齐去问了了，跟他商榷了了。若是你我方不宽解，每个东说念主再去作念一些事实核查，用其他的 AI 作念核查亦然相通的。
技巧 6：运用 Claude Code 和 Agent SDK
这确凿是 vibe Coding 的最高杠杆用具。我真嗅觉这个好东西便是被 code 这个字眼给游荡了，Claude code 何须只可写代码…
2025年9月，当 Anthropic 文告将 Claude Code SDK 发达改名为 Claude Agent SDK 时，这不仅是一次定名变化，愈加抒发了他不单是是写 code 也能够胜任通用任务。
官方工程博客明确示意：「The key design principle behind the Claude Agent SDK is to give your agents a computer, allowing them to work like humans do.」
Claude Agent SDK 的中枢上风：
MCP Server： 让 AI 使用自界说用具
高下文管理： 自动管理高下文会通话
用具调用： AI 不错主动调用你的函数
比如你就去跟 Claude Code 说，使用 Claude Agent SDK 构建一个破耗分析器，用户上传收条图片，Agent 提供统计、分类、开销。那他就能够平直去用这个 SDK 去写一个举座的框架，行止理你的文献上传，管理对话气象，调用你的自界说膺惩。
而况 Claude Code 在他的 plugin Marketplace 内部就有 能帮你去写基于 Claude agent sdk 步伐的插件，也便是说他我方就能够去检验这个 SDK 去帮你写，不需要你我方去查一些使用文档，去告诉他该何如写。
是以他对用他来写 Claude Agent SDK 关系的一些软件或者功能强横常友好的，相称顺滑的。如
果你用传统的方式，你去把一些文档、使用文档去复制粘贴给他，或者说告诉他何如去作念，他就很容易会遭遇一些乌多情况。因为他我方自己就不了解，然后他在去调用一些作事的时候，他就很容易把接口写错，就会出问题。
从想法到家具的完好职责流
方法 1：问题界说，不是解决决议
我认为乌有的方式是你教他用 Python 写一个神态，用 Flask API 集成 Claude API 等等。我以为正确的方式：我想在我方的作事器上有一个东西，然后能够随时通过指示，出了问题让他处理文献。
这两个有什么区别呢？
最先，为什么我会使用第二个方式？亦然因为我关于时候的了解不是那么多，是以我也不会去问他像第一个问题那步地那么具体，让他去用什么时候的一个问题。
然后第二个便是，我以为第一种方式死心了 AI 的想考，因为你何如能够笃定你用 Python 主张就一定是用 Python 这个言语去写，一定便是对你这个步伐是最友好的呢？然后说 Flask API 难说念就一定是最优的吗？
是以我第二种便是平直让 AI 我方去判断、去聘任最好的框架。那咱们只用去界说 what 和 why，那 AI 他我方去推选 how。
方法 2：架构想考——5 分钟头脑风暴比 5 小时返工更值
在最先写代码之前，我会先和 AI 进行一次架构对话。这个方法许多东说念主会跳过，因为他们以为「归正 AI 会帮我写」，但这恰正是最容易踩坑的场所。
我会这样和 AI 对话：「我想作念一个聊天软件 Bot，用户不错通过它和 Claude Agent 交互。这个 Bot 需要接济多用户，每个用户有寂寞的职责目次和存储配额。你以为应该何如筹办模块？有什么潜在的问题？」
然后 AI 会给我一个初步的架构建议。但这里的要道不是 AI 给了什么谜底，而是我何如评估这个谜底。
我会问我方三个问题：
我能意会这个架构吗？
若是 AI 给我的架构我我方齐看不懂，那背面出了问题我根柢没法调试。比如第一次 AI 给我的决议里，它建议用一个复杂的事件驱动架构，有 Message Queue、Event Bus 什么的。听起来很专科，但我根柢不睬解这些东西是干什么的。
是以我平直告诉 AI：「这个太复杂了，你能给我讲一下不，简单明了少量」。总之不会就要问，AI 又不会骂你，他会贯注的教你。
哪个模块风险最大？
AI 的驱动决议很简单，它把整个这个词系统分红四层：聊天交互层、Agent 客户端层、用户管理层、数据存储层。听起来很清晰，但我意志到一个问题：安全。
我的 Bot 不错读写稿事器上的文献，若是用户A不错打听用户B的文献何如办？若是 AI 出错，把我的整个这个词作事器文献齐删了何如办？这些 AI 在第一版架构里齐没洽商到。
需要加安全层吗？
是以我又问 AI：「若是一个用户坏心操作，或者 AI 出现 bug，何如保证系统的安全？」
AI 给了我几个建议：旅途阻隔、Docker 容器、权限白名单。这时候我才意志到，架构筹办的时候就要把安全洽商进去，而不是比及代码写完毕再补。
这 5 分钟的对话，省了我背面至少 5 个小时的返工时刻。
因为若是我平直让 AI 最先写代码，它会按照最平直的方式去竣事功能——莫得安全查验、莫得旅途阻隔、莫得乌有处理。等我发现问题的时候，代码照旧写了几百行了，改起来又要重新理了了逻辑。
架构想考的本色，不是让 AI 告诉你该何如作念，而是逼我方想了了：这个系统的领域在那儿？最容易出问题的场所是那儿？若是我只可优化一个模块，我会选哪个？
方法 3：逐模块竣事——一次只作念一件事
笃定好架构之后，许多东说念主会平直让 AI「把整个这个词神态写出来」。我一最先亦然这样干的，赶走便是 AI 写了一堆代码，我透澈看不懂，出了问题也不知说念从那儿最先查。
就像东说念主相通，每个东说念主的元气心灵，职责齐是少量少量作念的。AI 亦然相通的，你让他把整个的元气心灵齐用来作念一个东西，他就能作念得好。但若是你让他分布元气心灵去想那么多事情，他可能就莫得那么多元气心灵，就会容易出错。是以我背面亦然一次就让 AI 作念一件事。
比如说我要去作念一个用户管理模块，我不会说让他平直去帮我写一个用户管理系统，因为太无极了，他我方可能会脑补许多你根柢不知说念的功能。
得具体少量，竣事一个 user manager，有什么功能，比如创建用户、取得用户的配置、查验存储配额，然后更新存储的配额使用量，然后每个用户它的数据又是在一个单独的文献夹上。
这步地 AI 就知说念领域在那儿，就不会写着写着就跑偏了。
若是你我方齐想不了了的东西，你也不错把你的想法你就跟他说，我要写一个用户管理模块，然后你就问他用户管理模块粗略有什么样的部分。把一个大需求你随着他全部把它给拆分下来，然后一个一个的来作念，相对来说写起来也不会那么容易出错。
方法 4：处理乌有和细节——让 AI 我方测试，给 AI 实足的高下文
代码写完不代表就能用了。我嗅觉花在调试上的时刻比写新功能的时刻还多。冉冉的也就养成了两个技巧，让调试着力提高了许多。
最先便是让 AI 我方先测试代码。
畴昔我会让 AI 写完代码就平直集成到神态里，然后运行整个这个词神态看有莫得问题。赶走往往是：神态跑不起来，但我不知说念是哪个模块出了问题。
是以当今我会在 AI 写完一个模块之后，平直告诉它：「写几个测试用例，考证一下这些函数是不是正确的。」
AI 我方写测试、我方跑测试，大部分初级乌有——比如参数类型错了、旅途拼接错了、领域条目没处理——它我方就能发现并建设。等它告诉我「测试通过」的时候，我拿到的代码质地比「写完平直请托」高许多。
第二便是报错的时候，给 AI 实足的高下文。
这是我踩过最多坑的场所。一最先遭遇问题，我会平直告诉 AI：「这个功能不职责。」然后 AI 就最先猜——可能是这个问题、可能是阿谁问题——猜了十轮还没猜对。
AI 不是神，它需要你告诉它发生了什么。
当今我报错的方式是这样的：「我上传了一个 2MB 的 PDF，渴望得到 Markdown 输出，但系统复返了 'Permission denied'。我以为可能是目次权限问题，因为这个目次是第一次被写入。」
这种描述包含了三个要道信息：我作念了什么操作、我渴望什么赶走、我实践得到了什么。有了这些，AI 基本上一轮就能定位到问题。
这些齐是起首于我真实的坑：
坑 1：URL 拼接乌有
我用的不是官方的 Anthropic API，而是我方的 API 网关。配置的时候，OD体育app官网我把 base URL 写成了 https://my-gateway.com/v1。赶走一直报错，找不到接口。
查了半天才发现，Claude SDK 会自动在 URL 背面加 /v1，是以实践苦求的地址变成了 https://my-gateway.com/v1/v1。
这种问题 AI 帮不了你，因为它不知说念你的配置是什么。我的解决方法是：在集成到神态之前，先用最简单的方式测试。比如平直用 curl 发一个苦求，看能弗成通。若是 curl 齐欠亨，那问题深信在配置上，不是代码的问题。
比如说我这里，我平直问他「你能作念什么」，赶走呢，他复返了一个 AI API 的报错。这个是在我刚集成了 API 之后，然后就平直去测试，然后他就给我报了乌有。
是以我就一直让他去查验到底是那儿错的。他就必须是用写完毕的举座代码去测。
若是是我在让他集成之前，就先去把这个什么网关配置、模子的称呼什么的齐我方去测、去填写好，再把它集成进去，就不会那么艰难。
因为他当今是随着整个这个词代码全部去测试，然后整个这个词代码又是跟整个这个词大神态连结在全部的，是以说你让他去测试，就可能会动到其他的部分。这步地就会有一些不必要的艰难。
是以你把这个单独的 AI API 让他单独地去测试，便是在最小进程上去减少影响到其他的方面。这步地最先他专门调这个场所也会调得比拟专注，第二个也不会牵连到其他的部分，便是不会把你的测试的部分跟你的坐褥代码放在全部去混浊。
坑 2：Markdown 阵势问题
AI 默许会用 Markdown 阵势输出，加粗、斜体、代码块什么的。但我发现我在用的聊天软件
一最先我想让 AI 在发送前自动调整阵势，但这样太艰难了，而且容易出 bug。自后我平直在系统 prompt 里告诉 AI：「在这个聊天软件加粗或斜体。不错用编号列表或者换行来组织内容。」
天然，其实你这样跟他说，他未必候照旧不会去校服这个prompt 法律阐明。是以我就平直写了一个剧本，用正则公式平直把这些什么「加粗」「斜体」这种原始的阵势平直给去掉，问题平直从源流解决了。
坑 3：目次不存在
有一次我家里东说念主上传文献，系统报错「目次不存在」。原因是代码里假定目次照旧存在，但关于新用户来说，他的专夺目次还莫得被创建过。
这种问题在土产货测试的时候窒碍易发现，因为你我方测试的时候目次齐是现成的。解决方法很简单：让 AI 在写入文献之前，先查验目次是否存在，不存在就自动创建。
但更热切的是，这让我意志到：许多 bug 不是代码逻辑的问题，而是环境假定的问题。AI 写代码的时候，它假定的环境可能和真实运行的环境不相通。是以我当今会非凡扎眼问 AI：「这段代码有什么前置条目？需要什么目次、什么权限、什么依赖？」
总结一下处理乌有的心法：
先让 AI 我方测，减少初级乌有
报错时给完好高下文：作念了什么、渴望什么、得到什么
集成前先用最小方式考证（curl、简单剧本）
问了了代码的前置条目和环境假定
归根结底，调试不是玄学，是信息战。你给 AI 的信息越完好，它帮你定位问题就越快。
家具想维——代码能学会，这个学不会
到这里，有东说念主可能会以为：用 AI 写代码也没什么难的嘛，随着方法来就行了。
但我想说的是，代码只是最容易的部分。真确决定你作念出来的东西能弗成用、好不好用的，是你的家具想维。而这个东西，AI 帮不了你。
我举几个我在作念 AI Agent Bot 时的真实例子。
筹办 1：为什么要作念存储配额系统？
一最先我没想过这个问题。用户上传文献，我就存到作事器上，很简单。
但自后我算了一笔账：我的 VPS 统共 150GB 硬盘空间。若是我绽放给 10 个一又友用，每个东说念主传 20GB 的文献，硬盘就满了。更糟的是，若是有一个东说念主传了 100GB，其他东说念主就没法用了。
这时候我意志到，我需要一个配额系统。
但配额设成些许合适？我想了想我方的使用场景：日常处理的文献，PDF、图片、文档，加起来可能也就几百 MB。给每个用户 5GB，实足用了，而且 150GB 不错接济 30 个用户，还留过剩量。
这个决策 AI 能帮我作念吗？
这亦然不错的，你不错让他我方去查整个这个词系统的一个配置，然后你再跟他说你粗略有几个东说念主会来使用，调研粗略些许是合适的。
然后包括说，你不错让他去筹办那种：他的每一次用户上传的文献或者产生新文献，他就要我方去整理这种文献系统，他要挑升志地去领导用户，提醒文献「你这个文献需要整理了，你要何如何如样」。
AI 很快就把代码写出来了。但「5GB」这个数字，是咱们商榷想出来的。
AI 是实施者，你是决策者。 你要想了了「作念什么」和「为什么」，AI 负责「何如作念」。若是你我方齐没想了了，AI 写出来的东西就算能跑，也不一定是你真确需要的。
筹办 2：音信太长何如办？
这个问题是我在实践使用中发现的。
有一次我让 AI 分析一个长文档，它复返了一大段分析赶走，粗略 2000 多字。赶走这个聊天软件泄露出来一团乱麻——因为它对长音信的 Markdown 渲染很差，阵势全乱了，而且滚动起来也很疾苦。
我第一响应是让 AI 把音信拆成几段发。但试了之后发现体验也不好，几条音信刷屏，而且高下文被打断了。
自后我意象一个办法：若是回话突出 1000 字，就自动打包成 .txt 文献发送。
这样用户收到的是一个文献，点开就能看完好内容，排版也不会乱。而且文献不错保存、不错转发，比一堆音信实用多了。
这个改变从时候上看很简单，便是加一个字数判断和文献生成的逻辑。但这是一个家具决策，不是时候决策。AI 不会主动告诉你「音信太长体验不好」，因为它不知说念这个聊天软件
这种细节，唯有你我方用过、踩过坑，才会意象要优化。用户体验的擢升，往往就藏在这些「小」决策里。
筹办 3：安全问题何如想？
这是我花时刻最多的一个筹办。
我的 Bot 有一个中枢材干：它不错读写稿事器上的文献。这是它的价值所在，但亦然最大的风险。
我问我方几个问题：
若是 AI 出 bug，会不会把我作事器上的热切文献删了？
若是用户 A 能打听用户 B 的文献何如办？
若是有东说念主通过 Bot 实施坏心高歌何如办？
这些问题 AI 不会主动帮你想，因为它只负责竣事你建议的功能。安全是你我方的包袱。
想了了风险之后，我作念了几个决策：
禁用 bash 实施： Claude Agent SDK 默许不错实施任何系统高歌，这太危机了。我只需要 AI 能读写文献，不需要它能实施 rm -rf /。是以我在配置里把 bash 权限关掉了。
旅途阻隔： 每个用户只可打听我方的目次 users/{user_id}/data/。任何试图打听这个目次除外的旅途，齐会被鉴识。这样就算 AI 出错，影响限制也只限于这个用户我方的文献。
Docker 容器阻隔： 整个这个词 Bot 跑在一个 Docker 容器里。就算最坏的情况发生——容器里的东西全被搞坏了——我只需要重建容器就行，不会影响到作事器上的其他东西。
管理员面板： 我给我方作念了一个管理功能，不错检验整个用户的配额使用情况，不错禁用某个用户。这样若是有东说念主滥用，我能实时处理。
这些措施听起来好像很「专科」，但其实齐是学问。不是什么高档工程，便是基础的安全意志。 要道是你要主动去想「会出什么问题」，而不是等问题发生了再救济。
咱们之前也看到了许多东说念主去用一些领导词注入去搞什么破解。然后他们通过何如去辅导 AI，然后用到 agent，咱们去把他们的一些环境给破碎掉的这种，这种新闻我以为之前照旧说得蛮多了。
是以你只须看得多了之后，你粗略也会有这样一个原理，是以我以为安全是一个必要的方面。就算你天然不知说念具体你要何如去作念，然则你一定要洽商到这个方面。你不错去问它，然则你弗成忘了去问。
是以从举座上来说，我在作念这个家具，最最先是为了给身边东说念主、给家东说念主用，但其实我的整个这个词筹办便是按照一个「想要把它给别东说念主、给各人去用」的想法来作念的。天然我还不知说念何如去作念这种买卖化，然则我以为这才是一个时常的家具。
咱们从一最先就要养成这样的民俗，不是说 demo，你就什么齐不错无谓去管，或者说你给身边的东说念主使用，你也无谓去管许多东西，但我以为这是一个民俗。
可能你当今只可作念一个 demo，然则随着你的材干冉冉成长起来，你就不错作念一些大的家具。你从小就把这个民俗养好了之后，背面就不错减少许多不必要的艰难。
回来这三个筹办，我发现它们有一个共同点：齐是在回答「为什么」的问题。
为什么要有配额？因为资源有限。
为什么长音信要变成文献？因为用户体验更好。
为什么要作念这样多安全措施？因为风险真实存在。
这些「为什么」，AI 回答不了。它只知说念「何如作念」——你告诉它要配额系统，它就写配额系统；你告诉它要生成文献，它就生成文献。但它不会问「咱们确凿需要这个吗？」或者「有莫得更好的决议？」
这便是为什么我说家具想维是互异化成分。
会用 AI 写代码的东说念主会越来越多，这个门槛照旧很低了。但能想了了「作念什么」和「为什么这样作念」的东说念主，永恒是少数。
不会写代码，反而是一种上风。因为你不会堕入时候细节里，你会更多地想考：这个东西到底解决了什么问题？用户真确需要的是什么？有莫得更简单的决议？
代码是技巧，家具是目的。 AI 帮你措置了技巧，但目的唯有你我方能界说。
快去干吧
我在这个过程当中其实一直使用的用具是 Claude Code，是以我以为各人不错迅速去使用起来，不单是是用它写代码，也不错让它帮你作念一些个东说念主坐褥力上的一些方法、一些实践吧。
比如有的东说念主就用它去跟 Obsidian 归拢起来，去和知识管理放在全部。然后有的东说念主又用它去作念一些自动化的操作，我方写一些 skill，把我方的sop梳理下来。 我也看到有东说念主会给我方设定一些文献夹，把文献夹对应成生计、职责方面的一些不同部分，然后 agent 格外于是他的一个个东说念主文牍，帮他去管理、帮他去管理这些文献夹。
便是许多这样的实践，其实用具它的材干是很强的，可能当今死心我去用它的一些方面，便是我我方的一个遐想力、审好意思吧。
然后当今也照旧有许多教程教各人何如去用这类家具，包括说像 OpenCode 也有东说念主推选，若是说 Claude Code 太贵的话，也不错去用国内的智谱的 GLM，这个教程亦然有许多的。
包括这个生手指南写的挺好的，然后不错看第一、二、三章，看完差未几就最先用了。背面的那些教程，其实你不错在作念神态的过程当中我方少量少量去摸索，然后逐渐学习。
为什么泛泛东说念主要多 Vibe Coding
写到这里，我想聊聊一个更大的问题：为什么我以为不会编程的东说念主，反而应该多用 AI 去构建东西？
这个问题我想了很久，因为许多东说念主会以为「我又不是步伐员，学这个干嘛」。但我的体会是，Vibe Coding 带给我的收货，远不啻「作念出了一个 Bot」这样简单。
第一，边干边学是最高效的学习方式。
传统的学习旅途是这样的：先学编程言语，再学框架，再学架构筹办，然后才最先作念神态。这条路走下来，少说也要一两年。而且许多东说念主学到一半就废弃了，因为学的时候不知说念这些东西有什么用，地说念是在「为了学而学」。
Vibe Coding 的旅途透澈反过来：你先有一个想作念的东西，然后边作念边学。遭遇不懂的，问 AI；卡住了，让 AI 帮你解决。整个这个词过程可能只需要几天致使几个小时，你就能作念出一个不错用的东西。
区别在那儿？能源。
当你是为了解决我方的问题而学习时，每一个新知识齐有明确的用途。我学 Docker 不是因为「Docker 是热点时候」，而是因为「我需要把我的 Bot 阻隔起来，否则出问题会影响整个这个词作事器」。这种学习是有指标的，是以铭刻住、用得上。
而且，这种方式的反馈轮回非凡短。传统学习可能学了三个月还看不到恶果，Vibe Coding 可能聊了三个小时就有一个能跑的 demo 了。每一次小的胜利齐会给你能源接续往下作念，变成正向轮回。
第二，Demo 是最有劝服力的交流方式。
这少量我在前边聊过，但我想再强调一下，因为这对不会编程的东说念主来说太热切了。
畴昔，若是你有一个想法，你只可写文档、画原型图、作念 PPT。但这些东西齐是「描述」，不是「展示」。你说「我想作念一个能自动分析数据的用具」，别东说念主听了可能以为「哦，又是一个想法」，然后就莫得然后了。但若是你平直作念一个 demo 出来，哪怕很粗鲁，别东说念主能亲手用一下、看到真实的效果，劝服力透澈不相通。
{jz:field.toptypename/}Demo 是穿透领略壁垒的最短旅途。 而 Vibe Coding 让不会编程的东说念主也能作念 demo 了。这是一个雄伟的材干解锁。
第三，这是系统化想维最好的考验场。
许多东说念主以为「系统化想维」是一个很虚的想法，不知说念何如培养。但我发现，用 AI 作念一个完好神态，是培养系统化想维最实践的方式。
因为你必须想了了许多问题：
这个系统有哪些模块？它们之间何如交互？
先作念什么，后作念什么？为什么是这个端正？
若是这个模块出问题，会影响哪些其他模块？
资源有限的情况下，哪些功能是中枢，哪些不错砍掉？
这些问题在传统职责中很少有契机想考，因为大广泛东说念主只负责我方那一小块。但当你我方从零最先构建一个东西时，你必须站在全局的角度去想考。
而且 AI 会逼着你把想法抒发了了。你弗成说「帮我作念一个好用的系统」，你得说了了「好用」是什么原理、「系统」包含哪些功能。这个过程自己便是在考验你把无极的想法结构化。
作念完几个神态之后，我发现我方在职责中想考问题的方式也变了。畴昔看到一个需求，我会想「这个功能何如竣事」；当今我会先想「这个需求的本色是什么、有哪些关系的模块、改变会带来什么影响」。这种想维方式的滚动，比学会某个具体时候更有价值。
第四，这是矫健我方的一面镜子。
这少量可能有点轮廓，但我以为很热切。
当你用 AI 作念神态时，你会握住遭遇「我想要什么」这个问题。AI 会问你：「你想要 A 决议照旧 B 决议？」「这个功能的优先级是什么？」「出错的时候应该何如处理？」
一最先你会发现，许多问题你我方齐没想了了。你以为我方知说念想要什么，但真确被问到细节的时候，你才发现我方的想法是无极的。
这个过程会逼着你握住清楚我方的想法。你要问我方：我真确介怀的是什么？什么是必须有的，什么是无关宏旨的？我自负为了简单死心些许功能？
作念着作念着，你会越来越了了我方是一个什么样的东说念主。 你是可爱复杂但强劲的系统，照旧简单但够用的用具？你是介怀功能完好性，照旧介怀用户体验？你是自负花时刻打磨细节，照旧先上线再说？
这些问题莫得对错，但你需要知说念我方的谜底。Vibe Coding 给了你一个低资本试错的契机，让你通过实践的聘任来矫健我方。
第五，这是管理材干的预演。
这少量是我自后才意志到的。
当你用 AI 作念神态时，你其着实饰演一个「管理者」的脚色。你负责定主张、作念决策、分派任务、查验赶走。AI 是你的「实施者」，负责把你的想法变成代码。
这和管理一个团队其实很像。你要学会：
何如把一个大指标拆解成可实施的小任务
何如清晰地传达你的渴望
何如查验请托物是否允洽要求
出了问题何如定位原因、何如给反馈
若是你改日想带团队，这些材干是必须的。而 Vibe Coding 给了你一个零资本熟练的契机——AI 不会衔恨你的需求不了了，它只会按照你说的去作念。若是赶走分歧，那一定是你没说了了。这会倒逼你擢升抒发材干和任务拆解材干。
是以，Vibe Coding 到底是什么？
它不是一种编程时候，而是一种作念事的方式。
它的中枢是：
勇于尝试——因为试错资本很低，最多骤然几个小时
快速反馈——作念出来的 demo 比任何文档齐有劝服力
在行动中学习——不是先学会再作念，而是边作念边学
用 AI 放大我方——你有想法但不会竣事？AI 帮你竣事。你有家具感但不会编程？AI 帮你编程
在 AI 时期，瓶颈照旧不是「我能弗成写代码」，而是「我知不知说念我方想要什么」。
时候门槛被 AI 抹平了，但想了了「作念什么」和「为什么作念」的材干，AI 替代不了。这才是真确稀缺的东西。
是以，若是你有一个想法，一直以为「我不会编程，是以作念不了」——当今莫得这个借口了。
下载一个 Claude Code 或者 Cursor，把你的想法告诉 AI。你会发现，原本我方能作念到的事情，比遐想中多得多。