Vibe Coding 介绍

📅 2026/7/12 5:08:04
Vibe Coding 介绍
一、背景介绍1、什么是大语言模型大语言模型Large Language ModelLLM是当前 AI 领域中最 “出圈” 的话题。大语言模型其实基于了非常复杂的 AI 技术体系。简单来说AI 科学家们使用海量的语言资料包含各行各业的各种书籍、网页、特定领域文本等训练出来的 AI 模型这样的 AI 模型能够理解各个行业各个领域的专业知识相当于⼀位 “全科博士”。这里的 “全科” 当然包括了 “计算机科学”因此LLM写代码也是非常擅长的。用户可以直接使用自然语言和大语言模型对话大语言模型能够理解人类的语言从而驱使大语言模型帮助我们完成各种任务。用户和大语言模型对话时说的 “具体内容”称为提示词。当前的大语言模型产品可谓百花齐放。对于上述模型或多或少都已经使用过了具体详细情况此处不再展开。2、什么是 Vibe CodingVibe Coding 是当下程序员圈子中非常火的一个话题表述的是 “程序员和 AI 相互配合完成编程” 的过程。国内有⼈把 Vibe Coding 翻译成 “氛围式编程” 我感觉并不准确更贴切的翻译是 “享受式编程”。从 2025 年下半年开始在企业中Vibe Coding 的编程方式已经成为主流。很多程序员已经不再手工码代码了大部分的代码已经交给 AI 来编写程序员需要做的更多是指明 AI 的工作方向并对 AI 的产出结果进行审核。这个过程大幅度提升了程序员的生产力。还有一个 Vibe Coding 同样火起来的⼀个词“古法式编程”。描述之前一行一行手敲代码的行为。3、灵魂拷问AI 写代码这么厉害程序员这个行业是否要被取代了我也不再需要学习任何的技术了是时候放图了目前的 AI 开发工具确实已经非常强大即使是一些不懂技术的小白借助 AI 也能实现出一些自己的创意。但是我们不得不承认懂技术的人 AI 开发工具 不懂技术的人 AI 开发工具举几个具体的例子1. AI 擅长 “已知模式”但搞不定真实世界的复杂性。当前 AI 能快速生成 CRUD、 前端布局甚至帮你重构但它在以下方面还很弱系统级设计与架构如何让百万用户不崩溃如何保证安全与合规模糊需求转化成精确实现产品经理说 “要好用”AI 根本猜不透边缘 case、性能优化、遗留系统集成、跨团队协作长期维护与演进AI ⽣成的代码经常 “看起来对但实际埋雷”2. 专业级、可靠、可扩展的软件企业级系统银行、电商、医疗、⾃动驾驶相关涉及安全、性能、合规、长期维护、团队协作这些 AI 目前还做不到 “零人工”。AI 生成的代码往往需要专家反复检查、优化否则就是 “一堆看起来能跑但实际一用就出事”的 “AI 废料”。换而言之AI 的上限取决于使用者的上限。目前的程序员行业正在发⽣一场大的变革。程序员这个岗位正在转变为 “AI 驾驶员”这个变革的意义不亚于当年 “汽车司机代替马车夫”。对于我们来说与其焦虑抱怨不如拥抱 AI多学习使用 AI“打不过就加入”。二、开发环境1、开发工具介绍要进行 Vibe Coding首先需要使用一款 AI 开发工具。目前来看AI 开发工具主要有三个流派。VSCode 发行版终端 CLI 工具“⼀句话搭建应用程序” 系列1VS Code 发行版VS Code 是非常熟悉的开发工具了也是业界最流行的开发工具没有之⼀典型代表CursorTrae字节Kiro亚马逊Antigravitiy谷歌Code Buddy (腾讯)QCoder阿里......这个系列的工具本身使用起来都非常好上手已经熟悉 VSCode 的同学们应该都很容易驾驭。特别推荐Antigravitiy如果会 FQ愿意折腾这个是最好的选择。能使用国际一线模型 充足免费额度有封号风险。Trae如果不会 FQ这个是最好的选择。Trae 是国内 AI 开发工具起步最早的产品功能⾛在前列属于 “国内引领者” 角色并且也有一定的免费额度虽然经常需要排队。2CLI 工具CLI全称为 Command Line Interface即为在终端中的 “命令行界面”通过命令的方式和用户进行交互。典型代表Claude CodeCodexGemini CLIOpenCode......特别推荐Claude Code如果会 FQ并且会折腾账号不差钱这个是最好的选择。最强模型 最强智能体调校有封号风险。OpenCode开源社区维护的 AI CLI 工工具相当于 Claude Code 的开源版内置了免费模型提供了⼀定的免费额度同时也支持接⼊第三方模型几乎市⾯上所有的第三方模型都支持。3一句话搭建应用程序典型代表Devin Devin | The AI Software Engineeratoms Atoms用 AI 构建网站与应用无需编码秒哒 秒哒-无代码应用搭建平台一句话做应用码上飞 码上飞 - 说中文做应用 | AI生成微信小程序/鸿蒙/APP/H5网站...这部分产品不需要搭建任何开发环境直接在网页上和 AI 沟通完成开发过程。目前这种形态的产品还处于发展阶段还没有被大部分研发团队认可和使用。2、模型选择AI 开发工具的能力本质上来自于大语言模型LLM。所谓的 “AI 开发工具”只不过是给用户提供了一组界面使用户可以更方便的和 LLM 进行交互, 并驱使大语言模型编写出用户需要的代码。选择⼀个好的 LLM 可以使开发事半功倍。1能力国外模型普遍更强但是翻墙 制裁是硬伤。国内模型Kimi K2.5GLM-5Qwen 3.5 PlusDeepSeek V3.2MiniMax M2.5都属于第一梯队实际使用体验评论区中不同的人感受不同。俗话说 “文无第一武无第二”。LLM 的能力不同的人会有不同的感受。但是普遍来看国外模型确实更胜⼀筹。2价格针对国内来说想完全白嫖还是有一定门槛的。除了 Antigravitiy 之外OpenRouter 也是有办法白嫖的但是操作过程复杂 不稳定。按 token 计费的方案性价比相对比较低核心在于 token 的计费规则不可控后台说你超了你就超了。使用 Coding Plan 是一个性价比更高的方案。目前支持 Coding Plan 的厂商阿里云百炼 Coding Plan常规 ¥40 / 月首月 ¥7.9新用户限量不太好抢支持多种国内模型最近已经涨价到 ¥200 / 月了MiniMax Coding Plan: ¥29 / 月⽬前国内最便宜⽉付⽅案, 只⽀持 MiniMax 模型智谱 GLM Coding Plan¥49 / 月只支持 GLM 模型火山引擎方舟 Coding Plan¥40 / 月支持多种国内模型腾讯云 Coding Plan¥40 / 月首月 ¥7.9每日 10:00 限量支持多种国内模型百度千帆 Coding Plan¥40 / 月首购常有 ¥7.9~20 续费优惠支持多种国内模型Kimi Coding Plan¥49 / 月, 但是只⽀持 Kimi 自家的 Kimi Code整体来看MiniMax 是性价比最高的方案而且最近新推出了 MiniMax 2.7实力又得到进一步升级。3最终选择将使用 OpenCode Minimax Coding Plan 的方案进行后续学习。这是一个 AI 功能体验不错同时成本较低的方案。当然这只是⼀个 “适合学习” 的方案。实际进入公司后使用哪种开发工具都是有可能的目前并没有哪个开发工具能 “一统天下”。因此强烈建议自主尝试上面的 “所有” 方案在尝试中构建自己的理解和经验。三、OpenCode 快速上手1、安装虽然 OpenCode 官网提供了 Linux 的⼀键安装脚本但是实测在国内网络环境下并不顺利。因此使用 npm 的方式安装。1安装 Node.jsA. Ubuntu 24.04 为例首先需要安装 Node.js。Node.js 是什么肯定都听说过 JavaScript也知道 JavaScript 是运行在浏览器上的语言。浏览器中用来解释运行 JavaScript 的模块被称为 “JavaScript 引擎”其中最知名的就是 Chrome 中的引擎 V8 Worker。后来有人把 V8 Worker 单独拎出来封装了⼀下赋予其更多的能力比如可以调用系统 API此时就得到了 Node.js。Node.js 使 JavaScript 的应用场景更广泛了不仅仅可以进行 Web 前端开发还能进行后端开发和桌面应用开发。目前使用的 AI CLI 系列的开发工具大部分都是使用 Node.js 开发的。在 Node.js 官网 Node.js — 下载 Node.js® 提供了下载安装的方案。但是对于国内的网络环境来说上述操作有一定概率失败。此处使用 apt 的方式安装。a. 引入 Node.js 的 apt 源在 root 用户下curl -sL https://deb.nodesource.com/setup_24.x | bash -对于 Ubuntu 24.04 来说apt 默认源中的 Node.js 版本较低通常不满足 AI 开发工具的需求。因此需要额外安装源使 apt 可以安装高版本的 Node.js此处是 v24 版本。b. 安装 Node.jsapt install nodejs然后会获得 node 和 npm 两个命令。形如# node Welcome to Node.js v24.13.0. Type .help for more information. # npm npm command Usage: npm install install all the dependencies in your project npm install foo add the foo dependency to your project npm test run this projects tests npm run foo run the script named foo npm command -h quick help on command npm -l display usage info for all commands npm help term search for help on term npm help npm more involved overview什么是 npmAnpm 是 Node.js 内置的 “包管理工具”类似于 Ubuntu 的 apt。只不过 npm 下载的软件包是给 Node.js 使用的而 apt 下载的软件包则是个 Ubuntu 系统使用的。B.Windows 11Windows 上 Node.js 的安装就简单多了直接在官网然后双击安装包一路 Next 即可。2安装 OpenCode在 OpenCode 官网中选择 npm 安装方式。OpenCode | 开源 AI 编程代理使用下列命令即可完成安装在 root 用户下执行npm i -g opencode-ai由于 OpenCode 是⼀个 Node.js 上的应用程序而 Node.js 本身是跨平台的。因此无论是 Windows 还是 LinuxOpenCode 的安装都是上面相同的命令。2、基础命令1启动 OpenCodeopencode注意在哪个目录中运行 opencode哪个目录就是 “工作目录”opencode 默认只能针对工作目录内部的内容包括子目录进行操作。因此使用 opencode 编写代码最好先提前创建好指定的项目录并进入到该目录中再启动 opencode。2退出 OpenCodeCtrl C3配置主题/them然后通过上下方向键选择不同主题按 enter 确认。4配置模型/models排列在前⾯的几个标注为 Free 字样的为免费模型。OpenCode 提供了⼀定的免费模型的试用额度。初步尝试时使用时我们使用免费模型即可后续如果使用量增加免费模型不够用了可以通过购买模型厂商的 Coding Plan 来进一步增加额度提高使用体验。5命令面板Ctrl POpenCode 的各种设置项均包含在命令面板中这里的内容暂时不展开可以自行浏览尝试。3、什么是 AgentAgent中文名叫做 “智能体”是当前 AI 应用开发领域中比较核心的概念。AI 开发工具的核心驱动力是 LLM人和 LLM 之间的交互核心就是通过 “提示词”。所谓的 Agent其实就是一些事先准备好的提示词系统提示词这些提示词中描述了该 LLM的 “人设”、“核心功能”、“约束” 等内容。用户后续通过 Agent 来和 LLM 交互的时候这些系统提示词都会自动⽣效使 LLM 按照预定的规则进行工作。举个例子类比对于⼀个普通人见到 “着火了”第一时间想到的是自身的安全要先撤离到安全地方。对于消防员来说见到 “着火了”第一时间考虑的则是如何保护人民群众的人身财产安全。因为在消防员的 “系统提示词” 中保护人民群众是高于自身的人身安全的。在 OpenCode中内置了 4 种 AgentsPlan只回答问题不修改代码。通常用来提问 / 进行方案设计 / 做规划Build能回答问题也能修改代码。开发代码的主力 Agentgeneral独立的子 Agent有单独的上下文窗口。通常用来处理一些单独的子问题explore用来解释当前已有的项目代码。通常用来帮助我们理解一个已经存在的项目OpenCode也支持自定义 Agent。暂时还用不到先不考虑。其中Plan和Build是最常使用的 Agent通过Tab 键切换。另外的 general 和 explore则可以在对话中通过 的方式来使用。4、牛刀小试接下来先尝试一个简单的案例写⼀个终端版贪吃蛇。1创建目录~/project/snake , 打开 opencode。2输入提示词请使⽤ C 语⾔编写⼀个在终端中运⾏的贪吃蛇程序3耐心等待opencode 会自动进行代码编写安装依赖可能需要 root 权限编译等工作。使用免费模型速度上可能会比较慢需要比较多的等待时间请耐心等待。如果使用付费模型速度上通常就会快很多了。4opencode 开发完成此时不⼀定能 “一发入魂”可能还存在一些小 bug。根据 Bug 描述给 opencode让 opencode 自行修改即可。⼀般来说经过几轮简单的对话opencode 就可以把 Bug 修复完成。最终效果对于这种比较简单的程序即使提提示词非常简单LLM 大概率也能理解LLM 早已经在其他资料中理解了 “贪吃蛇” 的游戏规则。如果需求更复杂通常就需要更完整更精细的提⽰词才能达到比较理想的效果。在 Vibe Coding 的时代程序员的工作重心从 “编写代码” 转变为 “编写提示词”。5、理解 LLM 的记忆通过上述的简单任务感受到了使用 AI 工具进行开发通常需要 “多轮对话” 才能够完成任务。这时候发现当进行后续对话的时候LLM 是能记得前面的对话内容的。上述过程中当我表述 “发现问题程序一启动立即提示 Game Over此时 LLM 记得这是在开发⼀个 “贪吃蛇” 游戏。当我表述 “刚才的问题仍然存在” 时LLM 能够知道 “刚才的问题” 是指 “立即提示 Game Over” 的问题。LLM 是如何记住这些内容的呢、其实LLM 自身是没有记忆的。LLM 能够记住前⾯信息的关键是 opencode 等开发工具维护了一份 “上下文”。理解 “上下文”简单来说就是把前面已经产生的对话重新发送给 LLM。显而易见随着对话轮次的增加给 LLM 单次发送的内容就会越来越多每次都会携带当前会话中的所有历史消息。其中请求中的开头部分是 “系统提提示词”会在每次发送的请求的最上面作为 LLM 的基本规则。标记了 “用户说” 的部分称为 “用户提示词”也就是每轮对话用户输⼊的内容。标记了 “LLM 说” 的部分称为 “AI 提示词”也就是每轮对话 LLM 返回的内容。这个内容不能无限增长这个上限称为 LLM 的 “上下文窗口大小”。目前主流的 LLM上下文窗⼝能够达到 1 MB100万 个ASCII字符几十万个汉字。在 OpenCode 右侧面板提示了当前上下文窗口的使用量。注意当上下文过长时即使没有达到窗口上限LLM 也容易出现 “注意力不集中” 的现象导致出现更大概率的 “答非所问”。因此开发时需要控制上下文的大小使 LLM 能够聚焦于当前任务。使用AGENTS.md保存项⽬中的关键信息OpenCode 会把这部分作为系统提示词相当于持久记忆。使用/compact或/summarize压缩上下文。使用/new创建新的会话针对不同的功能点使用不同的 session 来进行开发。6、参考文档更多命令和用法可以查看官方文档详细介绍TUI | OpenCode四、购买 minimax coding plan目前市面上的 coding plan 厂商众多可以根据自己的需要灵活选择。这里以 minimax 为例进行演示其他厂商的操作步骤也差不多。1、购买 coding plan1使用 Bing 或者 Google 搜索 minimax进入 minimax 官网作为一个程序员应该尽可能使用国外的搜索引擎查找技术类资料。2在主页中选择 Token Plan近期 Minimax 把原来的 Coding Plan 更名为 Token Plan。Token Plan 中不光包含了用来编程的模型也提供了处理图片、音乐、视频的模型可谓 “加量不加价”。其他厂商仍然称为 Coding Plan。3选择 “连续包月”选择左下方的 Starter 套餐购买过程中会提示⼿机号登录自行操作即可。Tips虽然包年看起来比包月便宜但是从⻓期来看模型厂商之间会越来越卷模型之间的 “胜负” 也在不断交错。如果选择了包年那么几个月后如果有效果更好价格也更便宜的模型出现就僵住了。4进⼊后台, 获取 API Key点击右上角的 “账户管理”再点击左侧下方的 Token Plan。在主页面中即可看到当前的 API Key。什么是 API Key顾名思义API Key 就是调用 API 的 “钥匙”。LLM 厂商其实是提供了⼀组 HTTP APIOpen Code 则作为客户端调用上述 API 完成后续任务。这些 LLM 的 API 不是随便就能调用的得 “花钱”。那么如何识别出当前的请求是否花钱了呢LLM 厂商就会在用户付费之后给用户分配这么⼀把钥匙需要把 API Key 配置到 OpenCode 中此时 OpenCode 发送的 HTTP 请求就会带上这个 API Key从而使模型厂商完成 “身份校验”。因此这个 API Key 千万不能泄露出去如果别人拿到了 API Key就可以使用你账户里的额度了。2、配置 OpenCode1在 OpenCode 中, 使用 /models 进入到配置模型界面按Ctrl A查看所有的模型供应商provider供应商2搜索框中输入 mini 进行搜索选择 MiniMax Coding PlanMiniMaxminimax.io 是国际服minimax.com 是国服3复制刚才在 Minimax 后台获取到的 API Key粘贴到输⼊框中按 Enter 确认。4切换模型再次使用/models选择模型选择 MiniMax Coding Plan 中的 MiniMax-M2.7 即可。如果版本升级了选新版就行了。要想使用 highspeed 版本需要购买更贵的套餐按需使用。3、小结什么是 LLM什么是 Vibe CodingVibe Coding 的开发工具和常用模型有哪些如何安装和使用 OpenCodeLLM 工作的基本过程如何购买 Coding Plan并在 OpenCode 中配置