元宇宙研发中心

VibeCoding 实战培训

从 AI 辅助编码到智能开发工作流 (Intent-Driven Development)

主讲人
王欢
时间
2026年8月
面向
部门内部研发岗
COURSE MAP

培训目录

从认知建立到工程化协作,按章节逐步进入实战。

CHAPTER 01

VibeCoding 是什么?

建立认知框架:从“逐行写代码”到“表达意图与审查”

传统编码 vs VibeCoding 对比

传统编码范式

  • 核心载体: 键盘手动输入每一行代码 / 语法
  • 思维瓶颈: 死记 API 参数、框架规范与配置
  • 排错方式: 肉眼调试、查 StackOverflow / 文档
  • 角色定位: 产出代码的“苦力工人”
  • 交付速度: 受限于打字速度与检索记忆成本

VibeCoding 新范式

  • 核心载体: 自然语言 Prompt + 上下文工程驱动
  • 思维瓶颈: 需求拆解能力、架构设计与审查能力
  • 排错方式: 错误日志自动喂给 AI 快速迭代修复
  • 角色定位: 意图表达者 (Director) + 代码审查者 (Reviewer)
  • 交付速度: 意图理解即生成,效率提升 3-10 倍

VibeCoding 核心理念

“用自然语言驱动代码生成,开发者转型为意图表达者审查验收者。”

1. 意图高密度输出

精准使用自然语言定义业务目标、边界条件与约束逻辑,取代繁琐的代码细节手写。

2. 上下文决定质量

AI 模型的表现上限取决于给定的 Context(项目结构、规则文件、特定 API 示例)。

3. 闭环质量审查

AI 负责初稿生成,人类负责单元测试、代码 Diff 逐行 Review 及架构合规校验。

主流 AI Coding 工具全景图

CLI Agent 类

Claude Code / Gemini CLI

运行于终端的强力 Agent,具备文件系统自主读写、Git 操作、命令执行及自动化闭环能力。

AI 架构 IDE 类

Cursor / Trae / CodeBuddy

深度定制的原生 IDE,原生支持 @代码库索引、规则文件解析、Composer 多文件并行编辑。

插件 / 聊天客户端

Copilot / AntiGravity

传统 IDE 的增强插件或独立客户端,提供行内补全、侧边栏 Chat 及单模块重构助手。

CORE DEFINITION

“你描述意图,AI 负责实现,你负责验收

这是软件工程从“手工制造”迈向“自动化工业组装”的里程碑

CHAPTER 02

发展历程与行业大势

理解技术演进脉络:从代码补全到工程化 MCP 与多 Agent 协作

VibeCoding 技术演进时间轴

21
2021年
GitHub Copilot 内测
AI 代码补全元年
22
2022年
ChatGPT 发布
对话式编程兴起
23
2023年
Cursor 登场
IDE 级 AI 深融合
24
2024年
Claude 3 / GPT-4o
Agent 编程元年
25
2025年
Claude Code / Gemini CLI
VibeCoding 概念爆火
26
2026年
MCP 标准化
工程化 & 多 Agent 协作

行业数据:AI 编码工具采用已接近普及

GitHub 2024 企业开发团队调研:在工作中试用过 AI 编码工具的受访者比例

99%
美国
100%
巴西
99%
印度
97%
德国
背景数据:GitHub 2023 年对 500 名美国大型企业开发者的调查中,92% 表示曾在工作或个人时间使用 AI 编码工具。两年样本范围与提问口径不同,故本页不将其作为严格的同比序列。
来源:GitHub 2024 Developer Survey(2,000 名受访者,每国 500 名)|GitHub 2023 Developer Survey(美国 500 名受访者)
CHAPTER 03

环境安装与基础配置

零基础快速上手:打造你的 AI-Native 开发装备

工具类型划分与组合逻辑

工具类型 代表工具举例 典型适用场景 核心优势
CLI 命令行终端 Claude Code, OpenAI Codex CLI 自动化任务、脚本批量生成、Git工作流 轻量、高权限、适合无图形界面环境
客户端 GUI ChatGPT, OpenClaude, AntiGravity 方案讨论、文档编写、独立小工具开发 界面友好、多模态支持好
集成商 / AI IDE Cursor, Trae, Qorder, CodeBuddy 大型项目日常开发、重构、全局调试 上下文检索强、代码Diff实时审查
核心公式:高效 VibeCoding 架构 = 现代化工具客户端 + 顶级 LLM API (如 DeepSeek / Claude 3.7)

实操:全局安装 Claude Code CLI

使用 -g 参数将命令安装至全局,确保任意工程目录下均可召唤 Agent:

# 1. 使用 npm 全局安装 Claude Code
npm install -g @anthropic-ai/claude-code

# 2. 验证安装结果与版本信息
claude --version
# 输出示例: @anthropic-ai/claude-code/0.1.25 darwin-x64 node-v20.11.0

# 3. 启动并完成首次 API 授权认证
claude
提示: 若在 macOS/Linux 环境中遇到权限报错,请检查 npm 全局路径或使用 sudo npm install -g @anthropic-ai/claude-code

推荐组合:Claude Code + DeepSeek / GLM API

通过环境变量配置自定义 API Endpoint,兼顾性能与成本:

# ~/.bashrc 或 ~/.zshrc 中配置 DeepSeek API 转发代理
export ANTHROPIC_BASE_URL="https://api.deepseek.com/v1"
export ANTHROPIC_API_KEY="sk-xxxxxxxxxxxxxxxxxxxxxxxx"

# 或者在配置文件 ~/.claude/settings.json 中指定
{
  "env": {
    "ANTHROPIC_BASE_URL": "https://api.deepseek.com/v1",
    "ANTHROPIC_API_KEY": "sk-your-custom-api-key"
  },
  "model": "deepseek-coder"
}
DeepSeek V3 / R1 优势:

推理能力极强,代码生成性价比极高,适合大规模重构与逻辑复杂业务。

Claude 3.7 Sonnet 优势:

遵循指令极度精准,长上下文连贯性卓越,前端 UI 审美与复杂架构设计首选。

扩展插件与标准工程文件结构

推荐扩展插件清单

  • ComputerUse: 允许 AI 操作浏览器进行 UI 自动化回归
  • Chrome DevTools MCP: 网页 Console / Network 监控
  • Superpower / CodeGraph: 快速构建项目全局 AST 函数调用图

标准 VibeCoding 工程结构

my-vibecoding-project/
├── .claude/                # Agent 配置根目录
│   ├── settings.json       # 权限与环境配置
│   ├── CLAUDE.md           # 项目长期全局记忆
│   └── rules/              # 分模块详细规则
│       ├── 00-security.md
│       └── 01-style.md
├── .cursorrules            # Cursor IDE 对应规则
└── src/                    # 项目源码
CHAPTER 04

概念演进与核心实用技巧

从 Prompt 工程到 Loop 工程:掌握顶级开发者心法

AI 开发范式演进四部曲

STAGE 1

Prompt Engineering

提示词工程: 精雕细琢单条提问的句式、语气与少样本示例。

STAGE 2

Context Engineering

上下文工程: 精准投喂项目文件、AST 依赖节点与接口约定。

STAGE 3

Harness Engineering

驾驭工程: 建立 Rules、权限防线、类型约束与自动测试栅栏。

STAGE 4

Loop Engineering

循环工程: AI 自主“编写-编译-测试-修复”闭环迭代。

Prompt 黄金公式与对比

Prompt 黄金公式: 角色 (Role) + 背景 (Context) + 任务 (Task) + 约束 (Constraint) + 输出格式 (Format)

模糊的 Bad Prompt

帮我写一个用户登录的 API 接口,用 Node.js 写。

后果:AI 随机选择框架、丢失密码加密、缺失校验与统一错误响应。

高效的 Good Prompt

【角色】高级 Node.js 安全架构师
【背景】正在为现有 Express + TypeScript 项目添加 Auth 模块
【任务】编写 /api/v1/auth/login 登录接口
【约束】使用 argon2 哈希校验,错误时返回统一 JSON 结构
【输出格式】仅输出 src/controllers/auth.ts 的完整增量代码

上下文管理技巧 & Rules 目录设计

精准上下文引用

  • @src/models/user.ts :精确加载单个类型文件
  • @codebase :调用向量索引全文检索(勿滥用)
  • .claudeignore :将 node_modules、dist、build 排除出上下文,大幅节省 Token!

Rules 规则目录推荐架构

.claude/rules/
├── 00-security.md       # 强制安全校验规则(全局)
├── 01-coding-style.md   # 命名规范与代码风格(全局)
├── 10-api.md            # RESTful API 标准响应定义
├── 11-frontend.md       # Tailwind / React 组件规范
└── 20-testing.md        # Jest / Playwright 单元测试要求

常用命令与 settings.json 权限控制

核心 Slash 内置命令

命令功能描述
/init自动扫描项目结构并生成初始化配置
/plan复杂任务模式:先生成设计方案再编码
/compact压缩高容量上下文,显著节省 Token
/clear清除历史记忆,重置干净会话

权限分级配置规范

{
  "permissions": {
    "allow": [
      "read:*",
      "exec:npm test"
    ],
    "ask": [
      "write:*",
      "exec:git push*"
    ],
    "deny": [
      "exec:rm -rf *",
      "read:.env*"
    ]
  }
}

符号系统与 Token 消耗应对指南

快捷符号系统表

符号名称用途示例
/Slash 命令/plan 开启方案规划
@At 引用@src/app.tsx 引用目标文件
!Bang 模式!npm test 强制执行终端指令
&后台运行&npm run dev 后台启动服务

Token 跑太快?4步防爆指南

  1. 输入 /context 实时查看 Token 占用率(>70% 即需清理)
  2. 避免无脑使用 @codebase,只精准输入具体文件名
  3. 自建专用 Skill 脚手架,避免重复喂入说明文档
  4. 配合 codegraph 插件按函数节点精简引入上下文
CHAPTER 05

心得体会与避坑指南

前辈踩坑经验总结:让 AI 成为真正的效率飞轮

10 大 VibeCoding 实战黄金法则

1. 小步快跑,频繁 Commit: 生成可用片段即提交,方便快捷 Rollback。
2. 永远 Review 代码: 绝不盲目 Accept,警惕潜在逻辑 Bug。
3. 上下文越精准结果越好: 拒绝长篇大论,仅提供关心的代码行。
4. 主动管理 Memory 窗口: 定期使用 /compact 压缩无用对话。
5. 让 AI 写单测 ROI 最高: 用自动化测试帮 AI 验证生成的代码。
6. 复杂逻辑先画图: 先生成 Mermaid 图或伪代码,再转真实实现。
7. 保持批判怀疑: AI 会极其自信地犯错,必须验证断言。
8. 善用 Git Diff 视图: 逐行审查红绿变动,避免引入“附赠修改”。
9. 沉淀团队 Prompt 库: 优秀 Prompt 是团队重要的数字资产。
10. AI 是加速器而非替代品: 核心业务架构与安全仍由人类掌控。

常见踩坑案例分析 (Real Stories)

案例 1: 幻觉包注入

“引用了不存在的 npm 包”

事故: AI 自信地 import { cryptoTool } from 'express-secure-utils',该包系幻觉生成,黑客投毒后导致供应链安全隐患。

解法: 开启 Lint 检验并强制运行 npm install 检查源合法性。

案例 2: 上下文污染

“越改 Bug 越多陷入死循环”

事故: 带着 50 轮对话错误日志继续提问,AI 不断拆东墙补西墙。

解法: 及时 /clear 重置会话,重新梳理最精简的上下文再次发问。

案例 3: 一步到位越界

“一口气重构整个项目”

事故: 要求“把整个项目从 JS 改为 TS”,导致修改了 80 个文件,无法通过 Review。

解法: 使用 /plan 拆解为 10 个独立子 Task 分批推进。

CHAPTER 06

项目实战演示

从零构建内部 API 管理平台:端到端工作流解析

实战拆解:构建 API 管理平台 5 步法

STEP 1
需求拆解

输出 PRD 文本与核心数据结构 Schema

STEP 2
架构设计

调用 /plan 生成目录结构与技术选型

STEP 3
模块开发

逐个模块 Prompt 驱动生成增量代码

STEP 4
联调 Debug

把报错堆栈自动化投喂给 Agent 修复

STEP 5
文档输出

自动生成 Swagger / OpenAPI 及 README

关键 Prompt 示例:架构设计与模块生成

# Step 2: 架构设计 Prompt 示例
/plan 请为拟建的 API 管理平台设计后端架构:
1. 技术选型:Node.js + Express + Prisma ORM + PostgreSQL
2. 包含模块:用户鉴权、API 路由代理、调用日志审计、Mock 数据生成器
3. 请按分层架构输出文件目录树,并在 .claude/rules/10-api.md 中记录全局错误码定义。

# Step 3: 模块开发 Prompt 示例
@src/models/schema.prisma @.claude/rules/10-api.md
请实现 API Mock 生成器逻辑 (src/services/mockService.ts):
根据输入的 JSON Schema,使用 @faker-js/faker 动态产生伪造数据,要求支持中文姓名与手机号。

实战结果:开发耗时显著对比

阶段环节 传统开发耗时 VibeCoding 耗时 提效幅度
框架搭建与环境配置 4 小时 15 分钟 16x 提效
CRUD 基础接口实现 12 小时 1.5 小时 8x 提效
前端响应式面板与 CSS 渲染 8 小时 1 小时 8x 提效
单元测试撰写与 API 文档导出 6 小时 0.5 小时 12x 提效
CHAPTER 07

风格统一与规范化 (USP)

团队协作标准化:如何遏制 AI 代码风格脱缰

为什么需要统一风格提示词体系 (USP)?

无约束的 AI 生成会导致代码极其混乱:有的写 async/await,有的写 .then();缩进 2 字符与 4 字符混杂。

USP (Unified Style Prompt) 核心理念: 将团队的编码规范、设计模式与架构禁忌“硬编码”为 AI 可识别的提示词规则资产。
官方参考资源站点:http://usp.wanghuanlab.com/

规则文件落地

统一在团队模版中配置 .cursorrulesCLAUDE.md

CI/CD 自动拦截

结合 ESLint 与 Prettier 进行末端打底保护。

共享 Prompt 库

建立 Git 子模块管理团队通用的业务 Prompt 规范。

团队标准配置文件示例 (CLAUDE.md)

# 项目规范与记忆指南 (USP 体系)

## 1. 基础原则
- 语言:TypeScript (Strict 模式)
- 风格:函数式编程优先,禁止使用 class 继承
- 缩进:2 个空格,强制结尾加分号

## 2. API 与错误处理
- 统一错误返回结构:{ code: number, message: string, data: any }
- 异步处理:一律采用 async/await,必须包裹 try-catch

## 3. 前端样式规范
- 样式工具:Vanilla CSS 配合 CSS 变量
- 颜色变量引用:var(--bg-dark), var(--accent-blue)
- 禁用任何内联 style="..." 样式写入组件
CHAPTER 08

AI 引入导致的流程坍缩

理性看待:传统研发流程边界的模糊与重新融合

什么是“研发流程坍缩”?

传统研发流程 (串行/瀑布/敏捷)

需求分析 (PRD) UI/UX 设计 前端/后端开发 QA 联调测试 运维上线

AI 时代:坍缩后的极简闭环

自然语言 Prompt 意图 Agent 直接生成 UI + 代码 + 自动单测 人类最终 Review & 秒级发布
UI2Code 坍缩

截图/Figma 直接转生产代码,压缩设计到开发边界。

PRD2Code 坍缩

需求文档输入 Agent 自动构建模块原型。

Bug2Fix 坍缩

监控日志直连 AI 自动提交 PR 修复补丁。

流程坍缩带来的机遇与挑战

评估维度 巨大的机遇 (Opportunities) 严峻的挑战 (Challenges)
研发效率 交付速度获得 3-10 倍量级提升 质量把控门槛与 Code Review 压力剧增
工程师角色 全栈门槛大幅降低,一人即为一个团队 传统单一语言精通者的专业深度价值重估
架构控制 快速验证 MVP 产品原型与市场契合度 AI 容易生成隐性技术债务 (Technical Debt)
团队组织 小团队能做大产品,沟通摩擦大幅减少 团队代码规范与安全审计体系亟待新建
CHAPTER 09

AI 安全性与隐私保护

合规使用:筑牢企业级代码资产与数据安全防线

企业级使用:安全红线与推荐做法

严禁上传 (Strictly Forbidden)

  • ❌ 生产环境数据库连接字符串与密码 Key
  • ❌ 未脱敏的客户真实个人信息 (PII 数据)
  • ❌ 公司的核心高壁垒专利算法与商业机密
  • ❌ 私钥文件 (.pem, .p12, .env.production)

推荐最佳实践 (Best Practices)

  • ✅ 优先开启企业版 Zero Data Retention 协议
  • ✅ 敏感接口数据使用 Dummy 虚假 Mock 数据取代
  • ✅ 本地代码仓库配置 .claudeignore 过滤
  • ✅ 私有化部署开源大模型(如 Ollama + DeepSeek)

主流工具安全与隐私保护对比表

工具名称 代码数据存储 模型训练使用 企业级隔离支持 安全建议等级
Cursor Business 不保留 (No-Log) 可一键关闭 (Opt-out) 支持 SOC2 高 (商业推荐)
GitHub Copilot Ent 加密传输不存盘 禁止用于公共训练 企业独立实例 高 (合规推荐)
本地模型 (Ollama) 纯本地 100% 不离设备 完全无外部传输 物理级断网隔离 绝密级首选
CHAPTER 10

总结与展望

激发行动:拥抱 AI-Native 时代,立即开启高效工作流

今天就能做的 3 件事 (Action List)

1. 安装配置环境

全局安装 @anthropic-ai/claude-code 或配置 Cursor,完成第一个小模块生成。

2. 阅读 USP 规范

访问 usp.wanghuanlab.com,为你的项目建立第一份 CLAUDE.md 规则。

3. 建立 Prompt 笔记本

记录日常高频使用的 Debug/重构模板,在团队内部共享交流沉淀。

Q & A

提问与交流环节

感谢观看!

拥抱 VibeCoding,开启智能开发新时代

主讲人:王欢 | 元宇宙研发中心
2026 年 8 月