目录

前言

关于Vibe coding的反对声

Vibe coding出现后的改变

人不会让程序更好？

科技行业是一笔生意

关于《氛围编程：AI编程像聊天一样简单》

编辑推荐

内容简介

作者简介

图书目录

媒体评论

《氛围编程：AI编程像聊天一样简单》全书速览

结束语

---

前言

Vibe coding的“伟大”不在于它带来了多么巨大的效率提升，而是让人们发现原来程序员是可以被替代的——当一个群体开始变得可有可无，你还指望他们的声音又会被多大程度上会被重视呢？Vibe coding掀起的真正风暴，不是把开发效率翻了几倍，而是第一次让“程序员”三个字在聚光灯下显得如此可替：当需求只需一句自然语言就能化作千万行可运行代码，曾被视为炼金术的编程技艺瞬间贬值，会议室里CTO的提问从“多久做完”变成“要不要做”，招聘JD把“十年经验”悄悄改成“会调提示词”。当群体沦为可插拔的螺丝，声音便自动滑向静音，我们不得不重新回答那个被技术光环掩盖的老问题：如果代码不再是我们唯一的护城河，什么才是？那么本文就来简单唠唠这个话题。

关于Vibe coding的反对声

也许维基百科告诉你的是Vibe coding（氛围编程）早在十几年前就已经出现了，但我认为它实际正式进入公众视野应该是从Andrew Karpathy（前特斯拉人工智能总监，OpenAI 的创始成员之一）的这条推特开始的：

该推文中关于Vibe coding最为重要的特征描述便是：forget the code even exists。在他所描述的场景中，我们只需将需求喂给AI IDE，IDE便会自动为我们生成符合提示词的最佳代码。自始自终无需人工编写任何一行代码，甚至可以彻底忘记它的存在——在第一次知道什么是Vibe coding时我是排斥的，但我不确定这种排斥是来源于看上去离失业又进了一步的不安，还是对科技行业不遗余力制造概念的不屑。所以Vibe coding究竟带来了什么？效率的提升？是的；新的编程范式？的确；但聊这些不过是在隔靴搔痒。表面上我们看见的是工具在迭代升级，实际上它在暗示程序员壁垒的消失。

Vibe coding出现后的改变

某种意义上这是成立的，早些年大家口口相传人人都可以是产品经理，而现在Vibe coding的出现让这句话进化到了下一个level：人人都可成为不再依赖程序员的产品经理。你可以在对编码一无所知的情况下制作一款属于自己的应用或者是游戏。这不是什么臆想而是正在发生的事，如果你去推特、reddit或者hacknews这种地方稍加搜索，就会发现不少人已经宣称他们通过Vibe coding已经赚取了属于自己的第一桶金。比如这位Leo:

又比如像bravethoughts在这个帖子里说的那样，Vibe coding的出现帮助他节省了超过五万美元本应该支付给程序员的开支：

不过以上两位的胜利看上去仅仅是短暂的或者略显狼狈，比如Leo，最终他决定关闭他的产品，因为AI为他生成的代码质量实在过于糟糕，导致出现了API Key被滥用，人们可以免费订阅他的产品等诸多问题，而又因为他是非技术出生的缘故，他在处理这些问题上显得捉襟见肘。

而至于后一个Reddit帖子中的bravethoughts，他发帖的目的只不过想分享一下他发现原来只要打开前端项目和后端项目所在的父文件夹，就可以实现Cursor中的将多个文件夹添加至同一个workspace的效果。于是网友们戏称他重新发明了monorepo。

如果你继续在互联网上搜寻来自专业程序员对Vibe coding的态度，会看到清一色的反对声。以上的两个例子便是他们的最好论据。这里我直接借用Simon Willison的观点来说明在他们眼中Vide coding的危害。说到底程序员的职责不仅仅是写出可工作的代码工作就结束了。他写出的代码必须要可读，必须具有可维护性，必须能够支撑未来的需求的变更和架构的演变。除此之外安全、性能、可访问性、成本等等都是需要考虑的内容，这也是软件工程的精髓。Vibe coding和程序员平时使用的AI辅助编程完全不同，在后者场景中程序员依然拥有掌控权，他的知识储备可以帮助产品规避一些风险的发生；但是对于前者而言，产品的创作者无法识别到API key暴露在前端代码中，也无法认识到这件事的危害性。

所以Vibe coding的效率不是免费的，我想这也是为什么在一开始Andrew Karpathy的推文里，他提到 It’s not too bad for throwaway weekend projects，它适用于低风险或者一次性的个人项目。一旦它要来自面对公众的访问，以及被期待持续健康的运转下去，那么有些债就要不得不还了。

人不会让程序更好？

反对Vibe coding的声音基于的是这样一种观点：缺少人为把控的代码，会让程序陷入风险当中。我同意这样的顾虑是合理的，但我不同意的是他们把人作为解决这个问题灵丹妙药，这个解决方案的前提是，人的介入会让程序更好。

你觉得我们能够写出比AI更好的代码吗？我没有这个信心。在过去一年和AI结对编程的过程中，我见识到它写出的代码或者文档比我在互联网公司见到的代码好太多。抛开编程能力，甚至沟通能力AI也会比大部分程序员强上许多，你能比AI更好的讲清楚一个bug的来龙去脉，或者“explain it like I’m five”吗？

设计架构也好，提升程序的健壮性、可观测性也罢，这些技能不是如声明产量编写循环般可以轻易学习到的。哪怕你可以把整本《演进式架构》全文背诵，但只要没有亲自上手解决过类似的问题，就永远不算是学习到这一项技能。

回到上面Leo和bravethoughts的窘境，我更倾向于认为这是一个”我不知道我不知道”的问题，即我不知道要去检查API Key是否被hard code在代码中，我不知道API key不应该保存在前端中，我不知道我还不知道这类知识的存在。这不是初级程序员和资深程序员的差距，而是每个人都会陷入的误区。

科技行业是一笔生意

科技行业有两个亘古不变事实：

• 它与其他行业无异，同样是由逐利的资本所主导
• 在这里没有什么比快更重要，Facebook的（前）slogan就是就是该意志的最好体现：Move fast and break things

在这两个前提之前去谴责Vibe coding就显得更加幼稚了。反对Vibe coding的软件工程师永远不可能与Leo或者bravethoutght达成一致，前者的优先考量的是如何写出一个好的程序，而后者考量的永远是如何用最小的杠杆撬动最大的利益。而在一个逐利的自由市场里，“好”无法转化为实际的效益，代码也无法兑换为金钱，就好比没有人会因为拼多多的app代码写的足够健壮而选择使用它——但选择少雇佣几个程序员却是实实在在的显性收益。站在各自的立场上他们都是对的，但现实是谁掌握着真金白银才掌握着话语权。

软件早就不再是专属于程序员的创意输出，而是实实在在工业产品，它仰仗数据分析、AB测试来进行每一次的迭代，在这个前提之下快比好更重要。

关于《氛围编程：AI编程像聊天一样简单》

接下来给大家推荐一本关于氛围编程的书籍，这是一本关于如何让AI编程像聊天一样简单的干货图书，一经上市就登上了当当“计算机与互联网”图书排行榜前列。本书从氛围编程原理解析讲起到实战技巧，助开发者在日常AI编程实战工作中轻松提效！另外，关注本文博主，点赞+收藏本文，且在本文评论区评论“入手氛围编程”，将选取三名幸运读者送出纸质版《氛围编程：AI编程像聊天一样简单》一本，截止时间：2025.09.10。入手《氛围编程：AI编程像聊天一样简单》传送门： 京东验证 或者 《氛围编程：AI编程像聊天一样简单》(伍斌)【简介_书评_在线阅读】 - 当当图书 ，个人觉得这本书非常的不错，是一本不可多得的好书，值得拥有去学习。

编辑推荐

本书教你“氛围编程”，让你可以像聊天一样轻松写代码。你只需用自然语言描述需求，通过对话就能让AI工具写出能运行的代码。

本书中没有枯燥的语法，只有“我说AI写”的畅快感：跟着实战项目边做边学，遵循书中的氛围编程指导原则，统统能通过与氛围编程工具聊天实现。

与氛围编程工具的对话都有截图和提示词指引，作者还把自己踩过的坑作为“避坑指南”展示在书中，帮你应对AI幻觉，防止代码翻车。

氛围编程让编程不再是技术人的专利，而是人人都能拥有的超能力；有了氛围编程，AI编程就像聊天一样简单。

内容简介

本书是展示如何用自然语言通过氛围编程工具搭配大模型生成代码解决真实问题的实用指南。书中提供9个实战项目作为入门讲解和检验实验，帮助读者选择合适的氛围编程工具与大模型组合。全书分5部分：第一部分介绍氛围编程基础理论和指导原则；第二部分通过智能体实现、数据可视化和Excel数据分析这3个应用场景，展示扣子、DeepSeek、Claude、Trae、Cursor、Windsurf和通义这7款主流氛围编程工具与大模型搭配组合的代码生成能力；第三部分演示用Trae实现微信小程序和用bolt等工具快速实现Web应用产品原型；第四部分展示用GitHub Copilot实现完整的前后端分离的Web应用和用Cursor生成自动化测试；第五部分提供不同背景读者的氛围编程攻略、工具和大模型对比，以及实战检验框架。

本书适合以下3类读者阅读：需处理数据或构建产品原型的非IT背景的人，希望了解高质量代码生成的有IT经验的人，以及想通过氛围编程入门的IT新人。

作者简介

伍斌（网名和曾用笔名“吾真本”）作为独立AI应用咨询师，正在创作一系列全民化AI编程的图书。他拥有30多年的IT行业经验，在软件开发、测试、项目管理及工程实践方面打下了扎实的专业功底。在Thoughtworks公司工作的8年间，他协助多家国内大中型企业优化IT部门开发流程，提升了软件质量与开发效率。近两年，他专注于AI技术的应用探索与推广，致力于为企业和个人提供实用的AI解决方案，帮助用户有效应对实际业务挑战。

图书目录

目录

第 一部分 基础

第 1章 颠覆传统的氛围编程 3

1.1 用氛围编程快捷解决实际问题 3

1.1.1 用豆包批量改文件名 3

1.1.2 用Cursor将Markdown文档转换为Word文档 5

1.2 什么是氛围编程 9

1.2.1 颠覆传统的氛围编程极简史 9

1.2.2 氛围编程的定义 12

1.2.3 在手机上用Kimi生成第 一段代码 13

1.2.4 氛围编程中各个角色及其关系 15

1.2.5 氛围编程工具 21

1.2.6 大模型生成文本类内容的技术简介 22

1.2.7 推理大模型的兴起 25

1.2.8 大模型发展趋势与未来展望 26

1.2.9 氛围编程的潜在风险 27

1.2.10 氛围编程的风险应对 29

1.3 非IT背景的人的氛围编程应用场景 30

1.3.1 办公自动化 31

1.3.2 数据分析与可视化 31

1.3.3 应用原型快速实现 31

1.3.4 个人事务提效 32

1.4 有IT经验的人的氛围编程应用场景 32

1.4.1 快速原型开发 32

1.4.2 开发效率提升 33

1.4.3 跨技术栈探索 33

1.5 IT新人的氛围编程应用场景 34

1.5.1 基础技能学习 34

1.5.2 项目实战练习 34

1.5.3 开发工具使用 34

1.6 氛围编程的核心价值 35

1.7 氛围编程指导原则与工具及大模型的搭配 36

第二部分 入门

第 2章 用扣子实现“减少AI幻觉”智能体 41

2.1 扣子简介 41

2.2 用扣子开发AI智能体 42

2.2.1 需求分析 42

2.2.2 开发智能体 43

2.2.3 调试智能体 48

2.2.4 发布智能体 49

2.2.5 在豆包使用与分享 50

2.3 维护智能体 52

2.3.1 更改智能体名称、功能介绍与图标 52

2.3.2 修改智能体功能 54

2.3.3 在扣子商店中使用与分享 55

第3章 用Windsurf等5款工具可视化数据 58

3.1 需求分析 58

3.2 技术栈选型 60

3.3 用DeepSeek搭配R1生成HTML数据看板 61

3.4 用Claude搭配Claude Sonnet 4生成HTML数据看板 65

3.5 用Trae国际版搭配Claude Sonnet 4生成HTML数据看板 67

3.6 用Cursor搭配Claude Sonnet 4生成HTML数据看板 71

3.7 用Windsurf搭配o3-high-reasoning生成HTML数据看板 75

3.8 验证数据准确性 77

3.9 用其他氛围编程工具开发数据看板的体验 79

第4章 用Claude和通义等分析Excel数据 81

4.1 需求分析 81

4.2 用Claude分析Excel数据 82

4.3 用通义分析Excel数据 85

4.4 用其他氛围编程工具分析Excel数据效果对比 87

第三部分 快速

第5章 用Trae实现微信小程序 91

5.1 需求分析 91

5.2 用氛围编程开发微信小程序 92

5.3 用微信开发者工具创建Hello World小程序 93

5.4 用Trae国际版实现“减少AI幻觉”小程序 96

5.5 预览小程序 99

5.6 体验小程序 100

5.7 修改小程序 102

5.8 发布小程序 103

第6章 用bolt和Trae等4款工具快速实现Web产品原型 105

6.1 需求分析 106

6.1.1 描述业务需求 107

6.1.2 将业务需求转为产品需求文档时踩坑 116

6.1.3 让AI提供软件架构与技术栈建议 117

6.2 在氛围编程需求中包含严格技术栈要求时踩坑 118

6.3 用bolt的“Enhance prompt”时踩坑 120

6.3.1 用bolt直接导入Figma线框图时踩坑 121

6.3.2 从Cursor生成的架构图中得到启发 121

6.3.3 在bolt提示词中插入Figma线框图时踩坑 125

6.4 用bolt单次对话成功生成第 一阶段氛围编程需求代码 126

6.5 用Claude更换氛围编程需求持久化方案时踩坑 126

6.6 用bolt单次对话成功生成两个阶段氛围编程需求代码 127

6.7 用Cursor生成C4模型架构图 128

6.8 用Trae国际版修复Next.js应用中的bug 130

6.8.1 修复一个严重偏离预期的bug 130

6.8.2 补充实现两个尚未实现的功能与项目规则文件 131

6.8.3 修复一个API密钥安全性问题 133

第四部分 进阶

第7章 用GitHub Copilot实现前后端分离的Web应用 137

7.1 需求分析 137

7.2 架构设计与Ask模式 140

7.2.1 前后端分离架构 140

7.2.2 用Ask模式获取架构建议 141

7.2.3 自动生成提交消息 147

7.3 任务拆解 149

7.4 用户界面与Vision 152

7.4.1 拼凑用户界面 152

7.4.2 为拼凑的界面生成文字描述 153

7.5 用bolt生成React前端代码 157

7.5.1 在本地计算机运行前端 159

7.5.2 看懂前端代码与/explain和#codebase 160

7.5.3 格式化代码 163

7.5.4 用Inline Chat的/doc为代码加注释 164

7.5.5 用Inline Chat的/fix修复问题 166

7.6 生成Node.js后端代码 166

7.6.1 备好发给后端的提示词与Edit模式 166

7.6.2 生成后端代码与Agent模式 168

7.6.3 修复运行错误与@terminal 171

7.6.4 点按钮无反应与Ask模式下的/fix 173

7.7 实现流式响应功能与Exclude Files 176

7.8 用“Review and Comment”评审代码 178

第8章 用Cursor保护代码逻辑不被破坏 180

8.1 需求分析与技术栈选型 180

8.2 生成端到端自动化测试代码 183

8.3 验证端到端测试的保护效果 184

第五部分 攻略

第9章 氛围编程攻略与工具和大模型选择指南 189

9.1 非IT背景的人的氛围编程攻略 189

9.1.1 用“平常心”看待编程 190

9.1.2 编程不是目的，解决实际问题才是 190

9.1.3 遇到实际问题时，思考如何用氛围编程来解决 190

9.2 有IT经验的人的氛围编程攻略 191

9.2.1 拥抱氛围编程，而非排斥 191

9.2.2 仔细理解、评审和测试AI生成的代码 191

9.2.3 理解“设计理念和优劣势”比掌握“如何实现”更重要 192

9.3 IT新人的氛围编程攻略 192

9.3.1 编程入门的新途径 193

9.3.2 小步生成代码并研究错误解决过程 193

9.3.3 善用“氛围编程先行”贡献开源软件代码以获得更多职场机会 193

9.4 对比9款主流氛围编程工具及可搭配的大模型组合 195

9.5 对比16款氛围编程中常搭配的大模型 197

9.6 用实战来检验氛围编程 201

9.6.1 渐进式实战检验框架 201

9.6.2 关键检验维度 202

9.6.3 持久有效的检验方法 203

9.6.4 检验实施建议 203

附录A 氛围编程中工具准备与常见操作 205

附录A.1 安装或升级Trae国际版 205

附录A.2 安装或升级Cursor 205

附录A.3 安装或升级Windsurf 205

附录A.4 安装或升级微信开发者工具 206

附录A.5 安装或升级Visual Studio Code 206

附录A.6 在Visual Studio Code中安装或升级Copilot插件 206

附录A.7 在Copilot中配置Linear MCP服务器 207

附录A.8 安装或升级Git 208

附录A.9 在个人目录解压zip包 209

附录A.10 在Visual Studio Code内置终端运行npm命令 210

附录A.11 解决在Visual Studio Code内置终端运行npm install命令出错问题 210

媒体评论

这本书敏锐地捕捉并剖析了氛围编程这一趋势，它拆解工具、呈现场景、演练实践、阐释价值。翻开这本书，我们不仅是学习一种新的编程范式，更是开启一次“人机对话革命”的新历程。

这本书恰逢其时。作者以极其务实的态度将抽象的技术理念转化为人人可掌握的实用技能……书中通过9个精心设计的实战项目和5个核心应用场景，诠释了“所说即所得”的编程新范式……特别值得称道的是，这本书并非简单的工具介绍，而是一本深入的方法论指南。

《氛围编程：AI编程像聊天一样简单》全书速览

结束语

也许已经你在质疑我过于现实了——我怎么不知道原来写代码是一份理想主义的工作——我劝你不妨先质疑项目经理为什么只给你怎么短的周期来实现这个功能；不妨先质疑产品经理为什么选择使用牺牲用户体验来提升日活；不妨先质疑你的tech lead为什么不允许花费额外的时间补充更多的测试。代码和你我从来都是生意的一部分。所有这些都汇聚成我文章开头的表达的观点：Vibe coding让人们发现原来程序员是可以被替代的——当一个群体变得可有可无，你还指望他们的声音又会被多大程度上会被重视呢？Vibe coding的“工业垃圾”的也许还和人工代码存在差距，但谁又知道这样的差距还能保持多久呢。面对这样的技术变革，或许我们更应关注如何拥抱变化，掌握氛围编程的核心技能。