VibeCoding/AI 编程入门指南

前言

这篇文章很长，写了一下午，写的我浑浑噩噩恍恍惚惚，快要燃尽了。不过文章其实也不算完全写完，但我先发出来了，有什么建议之类的欢迎打在评论区。另外，为了避免文章长的看不了，我引用了几个其它帖子，把内容分开放了放。

适合人群

编程爱好者：零基础也能快速上手，适合喜欢编程，好奇 VibeCoding，想尝试自己做些项目的小白爱好者
手头有不少重复任务：尝试通过 AI 提升效率，用更少的时间完成任务，并愿意花费一定金钱和精力的人。

预备知识

阅读本文章前，建议具备以下基础：

基本的计算机操作能力，至少要清楚如何安装软件
动手能力强，遇到问题是懂得如何通过询问 AI，联网搜索等方式解决问题
愿意付出时间和精力，且愿意投入必要的经济支出，当然一分钱不想花也可以体验 AI 编程，我也建议新手小白先用免费的工具体验一下流程，再决定是否继续投入。
确实对 AI 编程感到好奇，或者需要通过 AI 编程解决一些使用需求，当然你随便看看也行，就当了解一下。

主要内容

本文将介绍：

适合 VibeCoding 的工具选择
实用的使用技巧，帮助你更高效地完成开发任务
实际项目示例，简单示例，帮助小白更快入门
常见问题解答

工具选择

2026 年，AI 编程基本上就两种，使用 IDE 工具，无论是原生的 AI IDE 还是搭配一些 AI 插件，这类工具的优点是便于人与 AI 相互协作，对于有过编程经验的人开发者，学习成本相对较低。其次，就是使用 CLI 工具，这类工具的优点对 AI 友好，生态丰富，存在 Claude Code、Codex 的成熟工具，缺点是通过命令行操作，门槛高点，不过其实也没多难，主要没用过命令行的人容易有畏难心理。

在介绍具体工具之前，先带大家认识一个核心概念——Agent。

时间拨回到 AI 刚兴起的年代。那时的编程方式简单粗暴：打开浏览器，找个 AI 聊天页面，把自己的需求一股脑丢进去。

你： "豆包豆包，帮我读取一下这个 Excel 文件，然后根据数据画一张统计图呗～"
豆包： "好嘞！这代码我熟，绝对零 bug，拿去直接用——巴拉巴拉……"

你满怀期待地把代码粘贴进 IDE，点击运行——结果窗口里没蹦出统计图，倒是蹦出了一整屏的红色报错。血压瞬间拉满，你愤怒地切回网页：

你： "豆包豆包！你给的代码根本跑不通！全是报错！！给我完整的正确代码！！！"
豆包： "啊对不起对不起，我忽略了一些细节……这次绝对不会出错了，信我——巴拉巴拉……"

前 20 名的编程语言

当然，以上是错误示范。正确姿势是：复制 IDE 里的报错信息，带上清晰的问题描述，一起发给 AI。但话说回来，不管是错误示范还是正确操作，这样来来回回、复制粘贴，折腾几次就烦了。而且这还只是一个独立脚本——要是一整个工程项目呢？总不能把所有文件的代码全粘过去吧？

于是，针对开发者日益增长的“一键自动化（Lazy）”美好愿望同网页端交互“碎片化、低效化、难以一次性解决问题”的不平衡不充分发展之间的矛盾，在 LLM 能力持续进化的强力驱动下，AI Agent 应运而生，并在 26 年彻底火出了圈。

Agent，中文名智能体，在人工智能领域，智能体被定义为任何能够通过传感器（Sensors）感知其所处环境（Environment），并自主地通过执行器（Actuators）采取行动（Action）以达成特定目标的实体。这个定义看看就好，简单而言，在 VibeCoding 中，Agent 就是可以直接读取代码，编写代码，读取你的报错信息，根据报错信息修改代码，直到代码运行正常。事实上，它能干的事很多，如果你给它足够高的权限，它理论上能完全操作你的电脑，不过编程智能体一般没这么高权限，好奇的可以试试 OpenClaw 或者 Hermes。

IDE 类

选择一款支持 AI 辅助编程的 IDE 是入门的关键，以下简单介绍几个，大家按需选择。如果你没听过下面这些 IDE，可以去网站「菜鸟教程」看看，上面有这些的教程，当然可能有些过时；也可以去看官方文档，大部分有中文文档，少部分只有英文的搭配一个 AI 翻译也能凑活看。如果你找不到菜鸟教程或者软件官方文档的网址，就让 AI 帮你找找。

可以发送类似的提示词给 AI：我现在正在学习 VSCode/Trae/CLIne 的内容，请帮我找到它们的官方文档连接并发送给我，如果有官方中文文档或者维护比较活跃的社区文档，请发送中文文档链接，如有其它推荐的参考资料也可一并发送。

VS Code + AI 插件：顶级开源 IDE，绝大部分市面上的 AI IDE 都是基于 VS Code 二次开发得到，插件生态极为丰富，支持绝大部分编程项目的开发，VSCode 上有众多 AI 插件，比如开源的 CLIne，字节跳动的 Trae，OpenAI 的 Codex，Anthropic 的 Claude Code，且最近 VSCode 更新了一次，原生支持了 Agent。
Trae IDE：字节跳动推出的 AI IDE，基于 VSCode 二次开发，因此可使用 VSCode 的丰富生态；原生内置众多国产大模型，可免费使用，不过有时需要排队；对国内用户网络连通性极佳；UI 交互非常符合直觉，开箱即用，特别适合不想折腾网络配置和繁琐插件的新手小白。
Cursor：目前最火爆的独立 AI IDE 之一（同样基于 VS Code 打造）。曾经盛极一时，虽然现在随着各类 CLI 工具的爆火降低了它的存在感，但仍是 AI 编程的热门选择。它的 "Composer" 功能可以将多个文件的编辑联动起来，Agent 能力极强，极大提升了全栈开发的体验。虽然高级功能需要付费，但它为你节省的时间绝对值回票价。
JetBrains 系列 + AI 插件：如果你是老牌的 Java/Python/C++ 开发者，已经习惯了 IDEA、PyCharm 或 Clion 的重度代码重构和提示功能，可以搭配国产 AI 插件或其他主流大模型插件使用，兼顾传统 IDE 的强悍基础与 AI 的便捷。

CLI 类

对于愿意使用命令行的开发者，CLI 类工具往往会更有效，我目前使用的是 Claude Code + Codex + cc-switch，我有 GPT 的 Plus 会员，强烈建议每个使用 CLI 工具的人都安装一个 cc-switch，它能极其方便地管理各种 API 密钥。目前我主要使用 DeepSeek 的 API（无他，太便宜了）。

Claude Code：Anthropic 官方推出的强大命令行智能体。目前 CLI 编程工具中的“无冕之王”，生态支持十分完善，且软件内的提示词和 harness 十分完善，几乎为一众编程工具之最；与此同时，配置十分灵活，支持全局配置，也支持每个项目独立配置。搭配官方的 Claude 模型能实现目前最好的体验，不过官方模型不向中国用户开放，同时价格昂贵，我是用的 DeepSeek V4 Pro，效果很好，且缓存命中率极高。
Codex：Open AI 的开源 CLI 工具，生态支持同样完善。充值 ChatGpt 会员后，可使用 GPT-5.5 模型（还能体会到最近爆火的生图模型 Image-2），额度也算的上不错，售价 20 美元上下，我是通过谷歌商店直接购买的，如果你愿意折腾一下，通过土耳其区购买大概是七八十人民币。
OpenCode：开源社区备受推崇的集大成之作。它的最大卖点是“极高的自由度与隐私保护”——不仅支持调用各大厂商的商业 API（如 OpenAI、Anthropic、DeepSeek 等），还能完美适配各类本地部署的开源模型（如 Qwen、Llama 等）。如果你非常看重代码的安全与隐私，不想把核心业务代码上传到云端，或者你本身就是一个喜欢深度定制 Agent 工作流的极客玩家，那么这款主打开源、灵活的工具绝对是你的不二之选。

使用技巧

通用指南

1. 规则设置

在开始前，建立清晰的规则可以让 AI 更好地理解你的需求，内容类似下面这样

明确目标：告诉 AI 你要解决什么问题
限定范围：指定技术栈、框架、语言版本
代码风格：说明你偏好的代码风格和规范
输出格式：要求特定的输出格式（如 Markdown、JSON）

很多编程软件支持设置多级规则，比如 Claude Code，可以设置用户级规则和项目级规则等等，我的用户级规则是使用的 GitHub 上的一个开源项目 andrej-karpathy-skills，它有 131K 的 Star，虽然目前 GitHub 上 AI 相关项目的 Star 数量都有很大的水分，但如此高的 Star 数，足以证明这一规则的价值，项目规则我则是根据具体项目设计技术栈等。

我将该规则转载到了小黑盒：AI 编程规则——转自 GitHub

2. 方案设计

在写代码前，先让 AI 帮你设计方案：

架构设计：询问最佳实践和架构模式
技术选型：比较不同方案的优缺点
风险评估：识别潜在问题和解决方案

示例指令：方案推演与决策专家提示词

3. 文档撰写

在进行项目具体开发前，建议进行文档撰写，包括项目需求文档、项目架构文档、项目接口文档等，并随着项目更新而更新。这样能有效提高 AI 编程的准确性。

4. 版本管理

与 AI 协作时，版本管理尤为重要，版本管理一般是使用 Git 软件，有时候 AI 不会自动进行版本管理，你可以写在文档规则里面，即使你不自己进行版本管理，完全交由 AI，也只是还能在出现问题时及时回退版本

定期 commit，保留完整的变更历史
对 AI 生成的代码进行代码审查
使用 git diff 检查每一次变更
不要直接将 AI 代码部署到生产环境

项目特化

1. MCP 配置

小白不想看的话，可以暂时跳过此步骤。MCP（Model Context Protocol）是大语言，旨在实现大型语言模型（LLM）应用与外部数据源、工具和服务之间的无缝集成，类似于网络中的 HTTP 协议或邮件中的 SMTP 协议。其通过标准化模型与外部资源的交互方式，提升 LLM 应用的功能性、灵活性和可扩展性。

值得注意的是，并非所有项目都需要配置 MCP 功能。事实上，如果只是想简单写一个应用或者网页项目，配不配置都一样。不过再进行一些比较复杂的项目时，比如需要与外部数据库交互，或者需要用到一些大模型知识库储备不足的内容，就可以考虑配置 MCP 功能。

写过的一个 MATLAB 相关的配置：https://api.xiaoheihe.cn/v3/bbs/app/api/web/share?h_camp=link&h_src=YXBwX3NoYXJl&link_id=83bc71e1405a

2. Skills 配置

Skills 是给 AI 的"操作说明书"，让 AI 按固定流程完成任务。我的建议是配置几个全局 Skills，然后根据项目需求选择需要的 Skills。比如你想做一个网页，可以配置一些前端设计相关的 Skills；具体 Skills 的选择可以在 Skill-Hub、GitHub 等网站查看，也可以安装 Find Skills 这个 Skills 让智能体自己去找。

以前写的帖子，可以看看：Skills 简单使用教程

举例

假设你要做一个网页

让我们通过一个实际例子来体验 VibeCoding 的强大之处，在配置好工具之后，可以进行前文提到的编码规则与Skills的配置，当然不配也行。

首先描述需求，可以附在前文提到的方案设计提示词：

帮我创建一个个人作品集网页，包含：
1. 响应式设计，支持移动端
2. 展示个人信息和技能
3. 项目展示区域
4. 联系表单
5. 使用现代美观的设计风格

AI 响应：这时候，一般 AI 会根据需求，给你一些方案，你从中挑一下告诉它，让它设计一个文档，你在看看文档，哪里不满意改一下，就差不多了，这时候可以让 AI 生成代码了。初次使用要配置环境，比如安装一些插件，安装下 Git 之类的，一般 AI 自己能配置好，不需要自己配置。

常见问题

我完全不懂代码，真的能用 VibeCoding 做复杂项目吗？做简单的单页面网站、爬虫脚本或自动化工具完全没问题。但如果涉及复杂的商业级项目（如包含复杂用户鉴权、高并发处理、复杂数据库交互的系统），完全零基础不太可能。因为当 AI 陷入“死循环”或者产生难以察觉的逻辑 Bug 时，你需要具备足够的代码读写能力才能引导它走向正确的方向。我的看法是工程设计或者说项目架构的能力与发现并解决 Bug 的能力是对 AI 变成最为重要的。
AI 生成的代码报错了，而且越改越错怎么办？这是新手最常遇到的“AI 幻觉陷阱”。建议采取以下步骤：
- 停止无脑对话：不要只发一句“又报错了”。把完整的报错信息、你刚才的操作步骤一起发给 AI，理论上 Agent 会自动读取报错信息，不过有时候需要手动触发。
- 回退版本：如果 AI 已经连续三次没有修好，说明它的上下文已经混乱。利用 Git 回退到上一个正常运行的版本，清空对话上下文，重新梳理思路再问。
- 拆解问题：不要让 AI 一次性重构一大段代码，而是让它一步一步来，先跑通基础功能，再加复杂逻辑。
- 转换思路：尝试转换思路，不再纠结于当前的实现方式，考虑是否有其它解决方案，避开 Bug，惹不起总躲得起。

进一步学习

如果你想在 VibeCoding 的道路上走得更远，以下几个方向值得投入精力：

精进 Prompt Engineering（提示词工程）：学习如何更清晰、结构化地表达需求，这是 AI 编程时代的核心竞争力。
掌握基础的 Git 工作流：懂得如何进行版本控制，是你在 AI 弄乱代码时保命的底牌。
学习所选技术栈的核心概念：即使你不自己写代码，也需要了解相关概念，熟悉相关的知识能更好的让 AI 为你服务，毕竟有话说的好，AI 是个人能力的放大器。
关注开源社区生态：多逛逛 GitHub 上的 Agent 项目、MCP 插件库以及各大 AI 社区，前沿的工具更新往往能带来效率的质变。
熟悉编程工具：工欲善其事，必先利其器。阅读你选择的开发工具的官方文档，了解其功能和使用方法。对工具的了解既能增加开发效率，同时或许可以提高代码质量。
设计哲学：这是一个比较抽象的概念，但是它对 VibeCoding 有深远的影响。你需要理解 AI 设计的哲学，产品设计的知识，它不能直接的帮助你，但是它可以引导你向正确的方向发展。

结语

VibeCoding 不是要取代程序员，而是让程序员更强大。掌握这种工作方式，你将能够：