YC 编写的 Vibe Coding 指南

规划过程

• 创建全面计划：首先与AI合作编写详细的实施计划，保存在Markdown文件中。

• 审查和完善：删除不必要的项目，标记过于复杂的功能，以便后续处理。

• 保持范围控制：为后续的想法保留单独的部分，以便保持当前项目的专注度。

• 增量实施：分部分逐步实施计划，不是一次性构建所有内容。

• 跟踪进度：让AI在成功实施后标记部分为完成。

• 定期提交：确保每个工作部分都提交到Git，以便在移动到下一个部分之前能进行版本控制。

版本控制策略

• 严格使用Git：不要完全依赖AI工具的回滚功能，始终从干净的Git状态开始每个新功能。

• 从干净开始：每个新功能都从干净的Git状态开始，以便在AI偏离轨道时可以回滚。

• 遇到问题时重置：如果AI在某个任务上陷入困境，使用git reset --hard HEAD来重置。

• 避免累积问题：多次失败的尝试会积累坏代码，因此需要避免。

• 清洁实施：当你最终找到解决方案时，重置且纯净代码中实施它。

测试框架

• 优先考虑高级测试：关注端到端集成测试，不是单元测试。

• 模拟用户行为：通过模拟用户点击来测试功能，确保它们按预期工作。

• 捕捉回归：LLM可能会对不相关的逻辑进行不必要的更改，需要测试捕捉这些回归。

• 测试前进行：在移动到下一个功能之前确保测试通过。

• 使用测试作为护栏：从测试用例开始提供清晰的边界，确保功能的正确性。

有效修复bug

• 利用错误消息：直接将错误消息复制粘贴到LLM，通常足以识别和修复问题。

• 分析前编码：让AI考虑多种可能的原因，再编写代码。

• 失败后重置：每次失败尝试后从干净状态开始，避免积累坏代码。

• 实施日志记录：添加策略性日志能更好地理解发生的事情。

• 切换模型：尝试不同的AI模型，看看哪个更适合当前任务。

• 清洁实施：在干净的基础上修复精确的错误，避免积累不必要的代码。

AI工具优化

• 创建指令文件：为AI编写详细的指令，使它更好地理解你的意图。

• 本地文档：下载API文档到项目文件夹，LLM能更准确地访问和使用。

• 使用多个工具：同时运行多个AI工具，如Cursor和Windsurf，以提高效率。

• 工具专业化：根据工具的强项选择使用，例如Cursor适合前端工作，Windsurf适合更长时间的思考。

• 比较输出：生成多个解决方案并选择最佳，以确保代码质量。

复杂功能开发

• 创建独立原型：在干净的代码库中构建复杂功能，以便更好地控制和测试。

• 使用参考实现：指向AI的工作示例，以便它有明确的实现方向。

• 清晰的边界：保持外部API一致，允许内部更改，保持代码的灵活性。

• 模块化架构：服务基础架构具有清晰的边界，更适合大型项目。

技术栈考虑

• 成熟的框架：如Ruby on Rails因其一致的约定而表现良好，适合AI开发。

• 训练数据重要：新语言可能训练数据较少，要选择有大量训练数据的语言可能更有利。

• 模块化是关键：小文件和模块化文件易于工作，有助于保持代码的清晰和可维护性。

• 避免大文件：避免数千行代码的文件，提高代码的可读性和可维护性。

超越编码

• DevOps自动化：使用AI配置服务器、DNS和托管，提高部署效率。

• 设计协助：生成设计元素，如favicons和其他设计组件。

• 内容创建：起草文档和营销材料，以支持项目的推广。

• 教育工具：逐行解释实现，帮助团队成员更好地理解代码。

• 使用截图：分享UI错误或设计灵感，以便更好地沟通和协作。

• 语音输入：使用工具如Aqua进行语音输入，提高输入效率。

持续改进

• 定期重构：测试到位后，频繁重构代码，保持代码的清晰和可维护性。

• 识别机会：让AI找到重构候选，提高代码质量。

• 保持最新：尝试每个新模型发布，以利用最新的技术。

• 识别优势：不同模型在不同任务上表现出色，需要识别、利用这些优势。

视频地址

• 官方视频地址：https://www.youtube.com/watch?v=BJjsfNO5JTo
• https://www.ycombinator.com/library/MN-how-to-get-the-most-out-of-vibe-coding

API Design & Develop New Paradigmhttps://apihug.com/

API Design & Develop New Paradigmhttps://apihug.github.io/