5435 字
27 分钟

从 ChatGPT 到 Coding Agent:我用了 1 年半 Vibe Coding 的经验总结

声明

以下内容仅代表个人观点,撰写于2026年7月27日,部分信息可能因时效性已发生变化。

几年前,AI 编程还是“复制代码 → 粘贴 → 报错 → 再问一遍”。现在 Coding Agent 已经能自己读项目、拆任务、改代码、跑测试,甚至顺手修掉一些很神奇的 bug。变化是真的快。

我接触 vibe coding 大概 1 年半,从最早的 Chat 模式(纯聊天,代码生成好手动复制粘贴)到现在的 Agent 模式(LLM 自主规划、编码、测试),工具也从 Cursor 换到 Claude Code。这篇不打算讲大模型,主要分享实际体验、踩过的坑,和我现在用着比较舒服的一套工作流。整体偏入门,但不会只教你装软件——工具装好只是第一步,怎么让 Agent 少发癫、把需求稳定做完,才是更费精力的事。

目录

  1. 前提条件
  2. 先看懂 AI 编程生态
  3. 安装与基础概念
  4. Coding Agent 与 AI IDE 怎么选
  5. 基本使用技巧
  6. Skills 与 MCP
  7. Prompt 与上下文工程
  8. 我的 Vibe Coding 工作流
  9. 我踩过的一些坑
  10. 如何选择模型
  11. 拓展:云端与手机开发环境
  12. 总结

前提条件#

想开始玩 vibe coding,基本环境还是少不了的。

  • 设备性能:性能稍好点的设备,不然开发时真的很卡。别拿上古神机硬搞 Java 项目——Agent 改完代码一跑构建,电脑直接卡成 PPT。(小项目除外)
  • 磁盘空间:准备至少 10GB,开发时会下载依赖包,软件安装也会占空间。
  • LLM 访问:找一个可靠的访问途径。可以买 coding plan 或直接用 AI 厂商的 API(不建议,性价比偏低,有些看着便宜,真开发起来账单直接爆炸)。这里推荐 opencode go,首月 5 美元,能方便地用国内主流模型。

注:上面的配置不是什么硬门槛,只是设备越差、项目越大,装依赖、构建、跑测试就越痛苦。只写静态网页或小工具的话,普通电脑也完全能开始。

另外,套餐价格、免费额度和模型列表变动很快。本文提到的只代表写作时的情况,买之前再看一眼官方页面。


先看懂 AI 编程生态#

刚接触时,Claude、GPT、Claude Code、Codex、Cursor 这些名字很容易混在一起。可以简单拆成三层:

大模型(负责思考与生成)
GPT / Claude / Gemini / DeepSeek / Qwen / GLM
Coding Agent / Harness(负责读文件、改代码、运行命令、约束LLM)
Claude Code / OpenCode / Codex / Aider
代码编辑器(负责查看、编辑与调试)
VS Code / Cursor / Trae / Qoder

大模型像大脑,Coding Agent 像能操作电脑的手,编辑器是你自己查看和控制项目的工作台。所谓 harness,可以粗略理解成“让模型真正参与工程开发的那套外壳与工具”(harness = agent - model)。同一个模型放进不同 harness,实际体验可能差很多。

所以我一般不只看“哪个模型最强”,而是看“模型 + Agent + 编辑器”这套组合顺不顺手。跑分高不代表改你项目时牢靠,这个真得实际用过才知道。


安装与基础概念#

下面介绍几个主流 coding agent 和 AI IDE 的安装方式,按需选择。

npm#

大多数 coding agent 通过 npm 安装,这是 Node.js 的包管理器,可以到 Node.js 官网安装。

顺便解释几个新手容易混的东西:

  • Node.js:让 JavaScript 能在浏览器外运行的环境。很多 Coding Agent 本身就是用它开发的。
  • npm:Node.js 常用的包管理器,负责安装软件和依赖。
  • npx:直接运行一个 npm 包,适合临时体验,不一定要全局安装。很多 skill 和 MCP 安装会用到。

一般流程就是:装 Node.js → 终端检查 node -v → 按对应 Agent 的官方说明安装 → 登录或配置模型。具体命令会更新,这里不硬抄一串迟早过期的命令。有问题优先看官方安装页。


Coding Agent 与 AI IDE 怎么选#

Coding Agent#

Claude Code#

Terminal window
npm install -g @anthropic-ai/claude-code

工程方面我认为 Claude Code 比较有优势,harness 用起来也舒服。

定位:Anthropic 推出的终端 Coding Agent,擅长理解项目、跨文件修改和执行完整任务。

优点:工程能力成熟,工具调用和项目探索体验不错;复杂需求往往比纯聊天式编程稳很多。

缺点:国内用户得靠中转站等第三方接入,体验可能不稳定;Anthropic 也经常不干人事,针对中国用户,这里就不展开吐槽了。另外不建议把工作流锁死在单厂商上,可以用 cc-switch 接入第三方模型。

适合谁:已经会一点命令行、希望 Agent 真正接手工程任务的人。推荐程度:高。

OpenCode#

Terminal window
npm install -g opencode-ai

OpenCode 和 Claude Code 差不多,但它直接支持的模型供应商多,不用复杂配置。买了 OpenCode Go 的话建议直接用。最重要的是它开源,不会专门搞一些恶心开发者的操作。

我更推荐新手先试 OpenCode:模型供应商多、配置成本低、开源、不容易被单个平台绑死。可以先用它自带的免费模型熟悉操作,再决定要不要付费上更强的模型。

适合谁:第一次接触终端 Agent,或喜欢自由切换模型的人。推荐程度:很高。

Codex#

Terminal window
npm install -g @openai/codex

Codex 是 OpenAI 官方的 coding agent,有 ChatGPT 订阅的话可以试试。个人感觉它在工程方面还差一点,但 GPT 搭配 Codex 找 bug 很强,能比较准地定位并修复一些神奇的 bug,处理疑难杂症很好用。

我对 Codex 的印象:不一定每次都最懂你的工作流,但诊断问题时经常能抓到关键点。尤其那种代码看着都对,跑起来就是不对的 bug,我会换它再看一遍。

适合谁:已有 ChatGPT 订阅,或经常需要 Debug 和代码审查的人。推荐程度:中高。

Pi Agent#

官网:https://pi.dev

Pi 是近期比较火的 Agent,以简洁、高度自定义为特点。官网那句话已经说得很明白:“There are many agent harnesses, but this one is yours”——你可以打造一套属于自己的工作流。我个人体验还行,就是前期配置有点麻烦。喜欢高度定制化可以试试。

适合谁:喜欢定制化、轻量简洁工具体验的人。推荐程度:中高。

AI IDE(AI 代码编辑器)#

Trae#

Trae 是字节出品的 AI IDE,上手容易,图形化界面好配置,还有免费模型(但高峰期要排队,人多时排很久)。

适合不想一开始就折腾终端的新手。缺点也直接:免费资源通常伴随额度、排队或模型限制。拿来入门没问题,项目做大之后,我还是更愿意把主要任务交给独立 Coding Agent。

Qoder#

Qoder 是阿里出品的 AI IDE,和 Trae 差不多,但订阅才用得比较愉快。不订阅有免费试用和积分,也提供阿里自研和国产模型。

优势是图形化体验比较完整,对中文用户友好。值不值得订阅,建议拿自己的真实项目试,别只看产品演示——Demo 里 Agent 永远很听话,到了祖传项目就不一定了。

Cursor#

Cursor 算老牌 AI IDE,我第一次玩 vibe coding 用的就是它。

编辑器内交互很成熟,补全、对话和代码修改结合得自然。不过部分地区的访问和订阅体验可能不稳。已经能稳定用就继续用,没必要为了追新天天搬家。

VS Code#

为什么讲 VS Code?因为上面几个 AI IDE 大多基于 VS Code 生态开发。想要简洁的话,可以直接装 VS Code。

最大优势是生态成熟、可自定义。它本身也有 Agent 平台(感觉有点鸡肋),完整功能通常要额外订阅 GitHub Copilot Pro。对我来说 VS Code 更适合当稳定的代码工作台,再搭配一个独立 Coding Agent。

我的选择#

建议 Coding Agent + AI IDE,以 Coding Agent 为主,AI IDE 为辅。不知道怎么选就直接 OpenCode + Trae。试过了再挑自己最舒服的组合,各人有各人的习惯。

工具选择没有标准答案。先固定一套组合认真用一两周,别今天装这个、明天迁那个。真正影响效率的往往不是少了哪个新功能,而是你还没形成稳定的工作流。


基本使用技巧#

不管 Coding Agent 还是 AI IDE,基本用法都是相通的。

版本控制#

对 vibe coding 来说,版本控制相当重要,能避免 AI 乱改代码把项目搞报废,也能直观看到变更(diff)。直接用 Git 就行,一般在 AI IDE 侧边栏能找到。

建议每完成一个小功能就 Commit 一次,别等整个项目做完再提交。提交信息也别只写 update,至少写清这次完成了什么。这样就算 Agent 把项目改崩了,也能快速回到最近一个稳定版本。

还有一点:Commit 前一定要看 diff。Agent 说“已经完成”只代表它以为完成了,不代表真完成了。它可能顺手改了没让你改的文件,甚至删掉测试然后告诉你测试通过。emm,很有创造力,但这种创造力我们一般不需要。

了解不同的模式#

一般 Coding Agent 和 AI IDE 都有两个模式(不同软件可能有细微区别):

  • Plan(计划模式):Agent 先根据你的需求提问、收信息,形成开发计划,再继续执行。
  • Edit(编辑模式):Agent 直接按你的指令改代码(如果其他提示词没有特殊要求的话)。

需求不明确、改动范围大、涉及多个文件时,先用 Plan。只改一句文案、一个样式或明确的小 bug,直接 Edit。不是所有事都要写十页计划,但复杂任务直接开写,往往要花更多时间擦屁股。

上下文管理#

上下文是 Agent 能读到的部分,包括系统提示词、用户消息、工具调用结果等。Agent 有上下文限制,过长会导致响应变慢、答非所问。所以别一个对话(Session)用到底,任务拆分,每个任务新开对话,既能防爆上下文,也减少上下文污染。

上下文不等于聊天记录。真正占空间的是 Token,消息、代码、图片、工具输出都会消耗。塞得越多不一定越聪明,有时只是让模型在一堆旧信息里迷路。

我习惯在任务阶段切换时开新 Session;如果当前对话开始忘约束、重复犯错或答非所问,就别舍不得,压缩上下文或直接开新对话。

还有个办法:用子代理开发,让强模型当编排者统揽全局,分配稍弱的模型去执行具体实现,能有效避免主 Agent 爆上下文。

常用命令#

下面是开发中常用的一些命令。不同 Agent 的命令可能不完全一致,以对应版本为准。

/init#

初始化项目。Agent 会自主探究当前项目,生成 AGENTS.mdCLAUDE.md——这些文档是给 Agent 看的,每个新对话都会加载。建议在新项目搭好框架或接手别人项目时用,不建议在全新空项目里用。

/compact#

压缩 Agent 的上下文,不过现在 coding agent 一般都有自动压缩策略。

压缩前最好让 Agent 先把当前进度写入项目文档,例如完成了什么、剩什么、有哪些已知问题。单纯依赖自动摘要,有时会丢掉很关键的小约束。

/new/clear#

新开一个对话。

@(文件引用)#

严格讲不算命令,但挺常用,可直接引用文件,清楚指出要改什么、让 Agent 参考什么。

相比说“改一下那个页面”,直接引用文件并说明目标会靠谱很多。Agent 不会读心,猜对了是运气,猜错了才是常态。


Skills 与 MCP#

Skills#

Skill 可以理解成给 Agent 准备的可复用技能包。比如你常让它写博客、做代码审查或发布项目,就可以把固定步骤、检查清单、输出格式整理成 Skill,不用每次重新解释一大段。

社区也有不少大佬把工作流总结成 skill 分享,效果不错。我认为 Skill 最适合处理“经常重复,但又不能只靠一条命令完成”的工作——写得太泛失去约束,写得太死又难复用。可以去 GitHub 找些好的 skill,或把自己常重复的工作流整理成 skill。

MCP 与 CLI 工具#

MCP 让 Agent 连接额外的工具与数据源,比如文档、浏览器、数据库或其他服务。它解决的是“模型知道怎么做,但默认拿不到外部信息或工具”的问题。

不过 MCP 不是装得越多越好。工具越多,上下文和选择成本越高,权限范围也越大。我建议只接当前项目真需要的服务,别一股脑全塞进上下文。而且最近 CLI 工具正在兴起,有效解决了上下文容易爆满的问题,未来可能会逐步替代 MCP。


Prompt 与上下文工程#

不要一句话塞十几个需求#

我以前也会直接说:“帮我把登录、支付、后台管理和 UI 一起做了。”看着省事,结果往往是每块都做了一点,但没有一块真正能用。

更好的是一次只做一个 Feature: 先讲清登录需求,完成、测试、提交,再开始支付。任务越明确,Agent 越不容易漂移,你也越容易检查结果。

Prompt 怎么写#

坏 Prompt 通常只有一句:

帮我优化一下这个页面。

这个“优化”可以是改颜色、改结构、提性能,也可以是重写整个页面。Agent 只能自由发挥,你再对着结果怀疑人生。

我更常用的写法:

先阅读首页相关文件,分析当前页面在移动端的布局问题。给出修改方案,暂时不要写代码。修改范围只限首页,不要调整全局主题。完成后运行现有测试,并列出改动文件。

不需要每次写成需求书。小任务一句话也可以,但至少要让“完成”这件事可以被判断。

AGENTS.md 固定项目规则#

AGENTS.mdCLAUDE.md 适合放长期有效、每个 Session 都要知道的项目规则。例如:

# 项目说明
- 项目类型:Minecraft Fabric Mod
- Java 版本:21
- 使用 Fabric API
- 不允许引入 Lombok
- 注释统一使用英文
- 修改后运行 ./gradlew test

但也别把全部细节塞进去。规则文件越长,重要内容越容易被淹没。只保留稳定事实、强约束和必要命令即可。


我的 Vibe Coding 工作流#

我建议采用“计划先行”的流程,一开始就把要做的内容想好,用文档约束 Agent,不至于写着写着就“漂移”。

我现在常用的流程:

想法
PRD(要做什么、给谁用)
Spec(具体行为与约束)
Plan(拆成可以执行的小任务)
用SubAgent逐项实现
Code Review
测试与手动验证
查看 Diff
Commit
Merge / 发布

具体步骤:

  1. 花 5 分钟写个草稿需求扔给 Agent,让它补成结构化的 PRD(逼自己把“想要什么”说清楚)。
  2. 再让 Agent 把 PRD 拆成带验收标准的 Spec(验收标准必须写死,比如“登录失败要报错”,否则它只管跳转不管报错)。
  3. 最后拆成 TODO.md 里的原子任务,开子代理逐个吃掉。
  4. 千万别跳过 Spec 直接开干。我跳过一回,Agent 自己发挥加了个“用户状态”字段,导致前面写好的 3 个查询 API 全部失效,返工时间比写 Spec 多两倍。

文档不是越多越好。小项目可以把 PRD 和 Spec 合并,几行 TODO 也够。重点是让 Agent 不需要每隔十分钟重新猜你想做什么。


我踩过的一些坑#

1. 一个 Session 从早聊到晚#

聊得越久,Agent 不一定越懂项目,还可能把已废弃的方案也记进上下文,造成严重污染。任务阶段切换时就开新 Session,别舍不得。

2. 没开 Git 就让 Agent 大改#

这是最刺激的玩法。改成功了很爽,改崩了只能重开。项目初始化后的第一件事就是启用 Git。

3. 一次让 AI 改几十个功能#

Agent 会很努力地给每个功能写一点,然后留下一个看着完成度很高、实际哪里都漏风的项目。拆任务、小步提交,永远比“一口气做完”稳。

4. 不写验收标准#

你说“做一个登录页”,Agent 做出页面就认为完成;但你心里可能还包括表单校验、加载状态、错误提示和移动端适配。需求没说清楚,它自然会挑最容易完成的理解。

5. 不 Review 就 Merge#

能跑不代表实现正确,测试通过也不代表没改坏别处。至少看一次 diff,确认没多改文件、硬编码密钥、吞异常或删测试。Vibe coding 可以让 AI 写代码,但不能把判断也外包掉。


如何选择模型#

场景更看重的能力我的建议
快速写小功能速度、成本、指令遵循先用便宜且响应快的模型,如 deepseek-v4-flash
大型重构长上下文、跨文件理解、规划能力用工程能力更强的模型,并强制先出方案。如 GPT 写方案,Claude 写代码。
Debug因果分析、日志理解、工具调用建议直接用 Codex + GPT,有奇效。不行的话可以多模型交叉验证。
阅读长文档上下文容量、总结与检索选择长上下文模型,分章节处理。如 deepseek-v4-pro
中文项目中文理解、领域词汇、成本国产模型通常值得先试,尤其是文档和常规开发任务。如 GLM、DeepSeek

我的经验:简单任务没必要每次上最贵的模型,复杂问题也别为了省额度让弱模型反复重试——重试五次不一定比一次用强模型便宜。


看到这里你可能想问:都用上 AI 了还要管那么多,有没有新手容易上手、又不会每次都让 Agent 乱写的办法?

有的,包有的。

新手可以试试 superpowers skill,它总结了完整软件开发流程,包括头脑风暴、写 spec/plan 文档、写实现文档、TDD(测试驱动开发)、子代理驱动开发、专业 code-review 流程。只能用稍弱的模型、或完全不熟悉开发流程的话,建议先试这个。

不过现在有两种风评。

一种说 superpowers 限制太死,又烧 token 又慢(这个我深有体会,特别是 gpt-5.6,一个任务 1h 起步);一种说没有 superpowers,模型因为各种原因开始乱写。

我的个人建议:强模型(gpt-5.6、claude-fable-5 等)优先不加约束性 skill,模型本身的推理能力已经够用;弱模型(deepseek、glm 等国产模型,只是目前稍弱,没有贬低的意思 qwq)可以考虑用 superpowers 这类规范的工作流 skill。


拓展:云端与手机开发环境#

如果经常换设备,或电脑性能不够,可以把开发环境放到云服务器或远程工作区,再通过浏览器、SSH 或远程编辑器连接。依赖、模型配置和项目文件都集中在一个环境里。

手机也可以临时处理任务,比如查看 Agent 进度、补 Prompt、Review diff 或修个小问题。但我不建议把手机当主力开发设备,屏幕、输入、调试体验都比较难受。

这一块涉及服务器安全、密钥管理、网络和费用,更适合单独写一篇展开。最基本的原则:不要把 API Key 写进仓库,别让开发服务裸奔在公网,也别给 Agent 超出任务需要的权限。


总结#

看到这里,你就不只是“装了个 AI 编程工具”,而是基本知道怎么让它参与真正的开发流程了。

AI 编程的发展比传统 IDE 快得多。今天流行的是 Claude Code、OpenCode 和 Codex,过几个月可能又有新的 Agent。

工具会变,但真正不容易过时的是那套工作流:拆解任务、管理上下文、写清约束、检查代码,以及在 Agent 跑偏时及时把它拉回来。工具决定上限,工作流决定你能不能稳定摸到这个上限。

我现在也还在不断调整自己的 Vibe Coding 流程,这篇更像 2026 年中的阶段笔记,不是什么标准答案。希望能帮刚接触 AI 编程的朋友少踩点坑,也欢迎大家分享一下自己的工作流 awa。

文章分享

如果这篇文章对你有帮助,欢迎分享给更多人!

从 ChatGPT 到 Coding Agent:我用了 1 年半 Vibe Coding 的经验总结
https://blog.rice-awa.top/posts/vibecoding-partice/
作者
rice-awa
发布于
2026-07-27
许可协议
CC BY-NC-SA 4.0

评论区

Profile Image of the Author
rice-awa
Hello, I'm rice-awa.
公告
欢迎来到我的博客!这是一则公告qwq
音乐
封面

音乐

暂未播放

0:00 0:00
暂无歌词
分类
标签
站点统计
文章
22
分类
9
标签
62
总字数
51,001
运行时长
0
最后活动
0 天前

目录