Vibe Coding 开发实战指南

目前几乎每个开发者都在使用 AI 编写代码，但很少有人能真正用好它。

一项随机对照试验发现，经验丰富的开发者在使用 AI 编码工具时，速度反而慢了 19%。然而，这些开发者却认为自己的速度提高了 20%。这种自我感觉与实际生产力之间存在近 40 个百分点的巨大差距。

问题不在于工具，而在于使用工具的实践方法。缩小这一差距并不需要激进的变革，只需掌握一些简单的实践方法并转变思维方式。

本文将介绍这些核心原则，并将其付诸实践。这些基础知识适用于任何 AI 编码工具。在动手操作部分，我们将使用 Mistral Vibe，这是一个开源的 CLI 编码 Agent，具备专业工程师进行 Vibe Coding 所需的一切功能。

纯 Vibe Coding 与 AI 辅助开发的区别

在开始实践之前，有必要了解使用 AI 编写代码时的真实状态。行业内已经形成了一个光谱，你所处的位置决定了你的产出结果。

纯 Vibe Coding 意味着不加审核地接受 AI 的输出。这是 2025 年初的一种说法：“忘掉代码的存在”。这对于临时原型和周末实验很有效，但不适用于生产环境。

数据清晰地表明了这一点：

• 45% 的 AI 生成代码引入了安全漏洞。
• 在对 470 个 PR 的分析中，AI 共同编写的代码的安全漏洞率高出 2.74 倍。

“能运行”与“生产就绪”之间的差距是巨大的。

AI 辅助开发 则位于光谱的另一端。你利用 AI 加速实现，但保持对代码的完全理解和所有权。你编写规范、审查 diffs、运行测试，并能向他人解释每一行代码。

AI 是打字员，而你才是工程师。

这里有一个关键的思维模型转变：在传统开发中，大约 70% 的认知精力用于将想法转化为语法；而在 AI 辅助开发中，情况发生了反转——70% 的精力用于清晰地思考要构建什么，以及验证 AI 产出的内容。

你的角色并没有缩小，而是发生了改变。你不再是打字员，而是架构师。

核心实践方法

在那些从 AI 辅助开发中获得真实、持续价值的开发者中，有五种实践方法始终如一。这些方法与“编写更好的 Prompt”无关。

1. 编写规范先于 Prompt (Spec before you prompt)

最大的错误是过早地进行 Prompt。

“帮我写一个任务管理器”只会产生垃圾代码。而一个定义了技术栈、模式、视图和身份验证的 15 行规范，可以在一次会话中生成一个可运行的原型。

一份好的规范包含三个支柱：

• 意图：你要构建什么以及为什么要构建。
• 约束：技术栈、架构模式、不该做的事情。
• 验收标准：定义“完成”的可测试条件。

你不需要 20 页的 PRD，一个涵盖这三点的 Markdown 文件就足够了。

对于较大的功能，可以尝试让 AI 在编写代码前先“面试”你。让它探测你的需求，询问边缘情况，并权衡利弊。面试结束后，让它编写一份规范文档，然后开启一个全新的会话来执行该规范。

2. 上下文工程优于 Prompt 工程

这是 AI 辅助开发中最被低估的技能。上下文工程是设计 AI 在任何给定时刻可获取的信息。这比你如何巧妙地措辞请求重要得多。

上下文窗口是共享资源，随着窗口填满，性能会下降。以下是三个实用规则：

• 开启新会话：为新任务启动新会话。不要让之前功能的陈旧上下文污染新的实现。
• 即时上下文检索：与其预加载整个代码库，不如维护轻量级引用（文件路径、模块名），并使用 grep 等工具根据需要动态加载数据。
• 聚焦不可推断的信息：让上下文文件专注于 AI 无法推断的内容，如项目约定、命名模式、架构约束和安全要求。AI 可以阅读代码，但读不到团队的潜规则。

3. “计划 → 执行 → 验证”循环

Vibe Coding 是一场对话，而非一蹴而就。移动速度最快的开发者会将工作分解为细小的、可验证的步骤。

• 计划 (Plan)：定义此特定步骤的目标和约束。让 AI 在编写代码前先思考计划，这会迫使模型进行推理并发现边缘情况。
• 执行 (Execute)：让 AI 生成代码、测试或文档。
• 验证 (Verify)：审查 diffs，运行测试，提供具体的、可操作的反馈。

关键在于将复杂任务分解为原子单元。AI 在处理项目的前 80% 时表现出色，但在边缘情况和集成上容易停滞。

4. 测试是基石

自动化测试是保证生产级 AI 辅助开发质量的最重要实践。

如果没有测试：

• Agent 可能会在未实际测试的情况下声称某项功能正常。
• 任何新更改都可能悄悄破坏不相关的功能。
• AI 生成的代码倾向于“看起来正确”但可能包含微妙的逻辑错误。

测试驱动开发 (TDD) 与 Agent 配合得非常好。先写测试，确认测试失败，然后让 Agent 实现代码使测试通过。

5. 安全与审查不可妥协

安全是 AI 辅助开发风险最集中的地方。研究显示，40% 的代码补全建议在安全敏感场景下是不安全的。

三种降低风险的策略：

• 安全优先的上下文：在项目上下文文件中包含安全指令（如“始终使用参数化查询”）。
• 自我反思循环：在生成代码后，提示 Agent 在人工审查前先自查安全漏洞。
• 供应链警惕：AI 可能会建议不存在的包或引入未经审查的依赖项，务必验证依赖。

黄金法则：不要提交你无法向他人解释的代码。

需警惕的反模式

• 无休止的错误循环：AI 引入 Bug，你描述 Bug，AI 通过引入另一个 Bug 来“修复”它。此时应停止循环，亲自阅读代码，找到根因。
• 理解鸿沟：交付你不理解的代码。这会导致以后无法调试。
• 会话漂移：长会话积累了陈旧上下文。当 AI 开始失去连贯性时，请开启新会话。

使用 Mistral Vibe 付诸实践

Mistral Vibe 是一个开源的 CLI 编码 Agent，具有以下特点：

• 开源：基于 Apache 2.0 协议。
• 可自托管：可以在本地硬件上运行，代码不出本地。
• 模型无关：可以灵活切换不同的 AI 模型提供商。
• 内置成本控制：通过标志位硬性限制会话成本。

Agent 模式：匹配任务信任度

Mistral Vibe 提供了不同的模式：

• 默认模式：每次执行工具（写文件、运行命令）都需要人工批准。
• 计划模式 (Plan mode)：只读模式。用于探索代码库、创建计划，而不写入任何内容。
• 自动编辑模式 (Accept-edits mode)：自动批准文件编辑，但仍询问 shell 命令。
• 全自动模式 (Auto-approve mode)：跳过所有确认，适用于格式化或文档等低风险任务。

实战演示：从理解到交付 PR

以下是在单个代码库上的连续工作流：理解项目、计划新功能、实现、验证并交付 PR。

1. 理解代码库

Mistral Vibe 会探索项目结构，阅读文件并理解它们之间的关系。这是开发者最常跳过的步骤，但也是最值得投入的步骤。通过 @ 文件引用系统，你可以精确地引导 AI 了解特定模块。

2. 计划与实现功能

在编写代码前，先切换到计划模式。例如，要求 Mistral Vibe 为“删除账户”功能创建计划。Mistral Vibe 会生成结构化计划：需要更改哪些文件、端点长什么样、如何处理数据库迁移等。

一旦计划看起来正确，就执行实现。Mistral Vibe 会使用目标搜索替换来修补文件，并在写入磁盘前显示完整的 diff 预览。

3. 使用 Subagent 进行验证

功能实现后，我们可以委派一个 Subagent 在隔离的上下文窗口中运行验证任务。

Subagent 的好处在于：

• 上下文整洁：主 Agent 的上下文不会被 Subagent 探索过程中的琐碎信息污染。
• Token 效率：Subagent 的工作会被压缩成摘要返回给主 Agent。

4. 使用自定义技能 (Skills) 交付

代码提交后，可以使用 Skills 扩展 Mistral Vibe 的功能。Skills 是定义在 Markdown 文件中的可重用组件。

例如，我们可以创建一个 ship-pr 技能，它会自动分析当前分支、生成 PR 描述、推送到远程仓库并使用 GitHub CLI 创建 PR。

总结与核心洞察

AI 赋予的速度是一种超能力，但过度自信是一个陷阱。

获益最多的开发者是将工程纪律带入过程的人：编写规范、制定计划、严格审查、反复验证。工具放大的是你的判断力，而不是取代它。

从规范开始，将工作分解为步骤，验证一切。像对待初级开发者的拉取请求一样审视 AI 的输出。这就是 2026 年 Vibe Coding 的正确方式。

• 原文链接： x.com/akshay_pachaar/sta...
• 登链社区 AI 助手，为大家转译优秀英文文章，如有翻译不通的地方，还请包涵～