个人向AI Coding全栈开发实践

关注

原创最新推荐文章于 2026-09-19 16:01:42 发布 1k 阅读 AI 写同款· GEO 优化 ›

Vibe Coding与AI编程助手：提升开发效率的新范式 Vibe Coding是一种新兴的开发范式，通过自然语言驱动大型语言模型（LLM）生成代码，将AI从辅助工具升级为结对编程伙伴。其核心原理在于结合提示词工程（Prompt Engineering）和快速原型开发，显著提升开发效率。在工程实践中，Vibe Coding特别适用于全栈开发场景，如React组件生成、Django API开发等。通过系统化的提示词设计，开发者可以确保代码质量达到生产级标准，同时结合静态检查、测试覆盖率和架构一致性检查等质量门禁措施。这种开发方式不仅适用于个人开发者，也能通过团队协作阅读详情

道

**把AI当作一个听你指挥和调派的助手，**怎么跟人沟通，就怎么跟AI沟通。
有条理、无歧义地描述问题的能力越强，用起AI来就越得心应手。如果AI听不懂你的描述，那80%的人也听不懂。
拆分子任务、清晰描述流程这些在给人分配任务时行之有效的策略，同样适用于AI。
AI Coding相比Manual Coding已经是自动挡和手动挡的区别了，自动挡能比80%的手动挡司机开得好，就如同JVM的内存管理比80%的C++程序管理的好。
AI不擅长改bug，因为人也不擅长。如果你比AI擅长改bug，是因为你有AI不具备的特定领域的经验和直觉。
**你没有能力指挥AI写超出你认知边界的代码。**懂产品的人比不懂产品的人能用AI做出更好的产品，懂后端的人比不懂后端的人能用AI写出更好的后端代码，懂前端的人比不懂前端的人能用AI写出更好的前端代码。

术

首推Claude3.7，只要提示词得当，在正确的监督下，现在的能力完全可以替代纯编码的中级工程师，且编码效率是人的10到100倍。
现阶段AI能力还无法独立完成复杂度高的系统设计和开发，如果你强行让AI承担复杂度高的「一句话需求」，很容易陷入无止境无结果的循环调试中。
AI现阶段能够独立完成的（可以无编译错误一次通过）项目复杂度大约相当于初级工程师1~2天能完成的简单项目。
如果需要AI协助你从0到1复杂度高的项目，你仍然要自己想清楚系统架构、模块间的关联和接口协议，把单独的功能模块的交由AI实现，并针对特殊业务场景进行手动的微调。
如果AI底层能力越来越强，能够完成的项目复杂度就越来越高，我们需要关注业界的最新动态，及时将新技术转化为生产力。
AI可以补足你描述中遗漏的点并自由发挥，但以现阶段的AI能力，不要让AI自由发挥的部分超过30%，否则会失去掌控。
开发过程仍然建议遵循万丈高楼平地起的模式，先定义库表结构，再描述模块功能，定义接口，调试通过后生成接口文档，搭建前端页面，观察效果并调优，只不过现在这一切都可以让AI在你的指挥和监督下进行。
DDL、JSON、markdown、.java、.ts等信息都可以作为上下文在前后端中传递，跨语言的实体定义翻译不再需要依赖手工搬运或第三方框架。
如果让AI改动你已有代码，**你需要具备对AI的代码进行CR的能力，**在CR过程中也经常会有「啊哈原来还可以这样写」的顿悟时刻。
糟糕的实现也可以考虑使用AI重构，但重构前要一定要想好回归用例。
过长的文件可以使用AI重构，除了能够让文件组织更结构化、更易于维护外，更大的优点是利于精准划定改动范围从而精简上下文。
当精简上下文后，AI的速度和准确率会大幅提升，所以单文件场景修改优先用Chat模式，涉及多文件修改再使用Agent。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

在这里插入图片描述