相關主題
商品描述
本書系統介紹Vibe Coding氛圍編程的理念與實踐方法，包括氛圍編程的產生原因、具體是什麼、能應用在哪些方面、應該怎麼做及如何確保工程安全；並從資深程序員的角度，闡述如何通過自然語言與大模型協同完成需求分析、代碼生成和系統構建。書中結合GLM4.5、Qwen3-Coder等模型及VS Code開發環境，展示AI輔助開發的真實工作流；用大量實踐經驗幫助讀者建立人與AI協同開發的思維方式與工作流程。本書適合程序員、AI開發者以及希望借助AI提升開發效率的技術人員學習參考。
目錄大綱
第I部分 氛圍編程：從心流到可復現的工作流 1
1.1 為什麼是氛圍編程？ 1
1.1.1 時代紅利：當“菜鳥”成為“軍團長” 2
1.1.2 核心前提：辨別“寫代碼”與“寫作業”的心態 3
1.1.3 你寫的不只是代碼，而是自己的節奏感 4
1.3 編程不僅是寫代碼，更是一種“狀態管理” 6
1.3.1 註意力切換的代價 6
1.3.2 寫代碼其實很像打遊戲：要進狀態 7
1.4 真實演練：在不同環境下挑戰“屎山代碼” 9
1.5 AI時代的角色重塑與習慣改變 11
1.6 示例教學：使用VS Code + GLM4.5/ Qwen3-Code重寫一個函數，
體驗不同思維路徑 16
1.7 動手即高光：3個15分鐘 18
1.7.1 快速構建“粒子宇宙”（Canvas + 物理模擬） 18
1.7.2 快速創造一位AI人物（本地Mock + Prompt工程） 22
1.7.3 快速開發一個遊戲-極簡版《Flappy Bird》（帶計分+存檔） 28
1.7.4 Bonus：組合挑戰——“把三個項目串起來” 38
第2部分 氛圍編輯不能做什麼 42
2.1 “氛圍編程行不通”？——生產環境的殘酷現實 42
2.1.2 反直覺的真相：硬核設施也能 Vibe 47
2.2 AI編程的現狀、挑戰與最佳實踐 48
2.2.1 現狀與誤區 48
2.2.2 構建對AI友好的工程體系 50
2.3 超越“氛圍編程”——構建人機協同的新工程範式 53
第III部分 工具與工作流——AI如何重塑我們的編程日常 57
3.1 VS Code + GLM4.5/Qwen3-Code： 對話即編程的未來 57
3.1.1 聊天室裏寫項目 58
3.1.2 優點：基於深度上下文的精準感知 58
3.1.3 缺點：別讓AI帶偏 59
3.2 示例教學：讓VS Code + GLM4.5/Qwen3-Code重構一個小型
Python API 60
3.3 規範驅動開發：Kiro的實踐 68
3.3.1 什麼是“先寫規範，再寫實現” 68
3.3.2 減少返工的秘訣 69
3.3.3 和TDD、敏捷的差別 69
3.4 示例：用規範驅動寫一個Todo應用規範， 再生成代碼 70
3.5 工作流與工具的氛圍優化 75
3.5.1 VS Code、Zed、Cursor、Neovim、Zellij的氛圍對比 75
3.5.2 配置開發工具就像裝修：有人要極簡，有人要花哨 76
3.5.3 自動化腳本是“清理工” 77
3.6 示例教學：定制VS Code / Neovim配置 營造屬於自己的氛圍 78
3.7 綜合案例：構建一個“輕量級直播互動平臺” 86
3.7.1 使用規範驅動定義直播平臺的API、數據庫Schema和權限
模型 87
3.7.2 在VS Code中調用GLM4.5/Qwen3-Code生成初始代碼 91
3.7.3 使用AI輔助重構和優化代碼結構 93
3.7.4 增加測試與CI流程，確保直播穩定性 95
3.8 進階心法：對抗“幽靈Bug”——測試驅動的氛圍 99
第IV部分 應用與場景——從個人效能到行業落地 101
4.1 個人效能篇：紙飛機思維與快速 MVP 101
4.1.1 核心理念：別造火箭，先折紙飛機 101
4.1.2 案例A：旅行計劃助手（從靈感到Prompt） 102
4.1.3 案例B：習慣追蹤器（從MVP到可維護） 106
4.1.4 案例C：生成式藝術工具（自動化腳本與創意） 111
4.1.5 避坑指南：個人項目的常見陷阱 113
4.2 團隊協作篇：構建人機協同的流水線 116
4.2.0 總覽：從個體氛圍到團隊節奏的擴展原則 116
4.2.1 共享節奏與儀式—遠程產品團隊（SaaS簡歷生成器） 117
4.2.2 Prompt共享庫與文檔—開源協作項目（數據清理工具） 120
4.2.3 對話式代碼審查的新流程—初創公司（AI寫作平臺） 125
4.2.4 運維團隊的“紅藍對抗演練”（電商後臺） 130
4.3 專業領域篇：嚴守安全與合規的邊界 137
4.3.1 金融風控：SQL註入與邏輯陷阱 137
4.3.2 工業IoT：監控與調度的現實限制 142
4.3.3 醫療：數據敏感與驗證流程 147
4.3.4 教育：課堂AI助教與氛圍化教學 152
4.3.5 遊戲/創意原型：快速疊代與體驗測試 156
4.4 當AI走進公共領域——在責任與效率間尋找平衡 161
4.4.1 災害應對：AI輔助的調度與物資分配 162
4.4.2 公民服務：政務信息的整理與問答 167
4.4.3 社區協作：讓誌願精神插上科技翅膀 175
4.4.4 邊界與紅線：構建負責任的公共AI治理體系 177
第V部分 進階與未來 182
5.1 氛圍編程與認知科學 182
5.1.1 Flow理論：為什麼“忘我”時效率最高 182
5.1.2 程序員的“腦波節奏”與生產力曲線 184
5.1.3 心理學、音樂與環境設計 188
5.2 未來趨勢：AI、規範與人機共創 193
5.2.1 AI生成代碼的邊界在哪 193
5.2.2 規範驅動+AI的強強聯合 195
5.2.3 角色進化：從“寫代碼”到“定義系統” 197
5.2.4 下一站：智能體編排（Agent Orchestration） 198
5.3 終局猜想：當Agent接管一切，我們還剩下什麼？ 200
5.3.1 技術分層：從“輔助”到“自主”的三級跳 200
5.3.2 核心瓶頸：為什麼Agent還沒能接管一切？ 201
5.3.3 未來的解法：推理時計算與液態上下文 202
5.3.4 結論：工程師的轉型 202
結語 理性的氛圍編程：做最後1%的守門人 203
附錄 Chris Kelly演講：Vibes Won’t Cut It 204
