Vibe Coding
在一个 AI 搭档的陪伴下构建真实的软件。心态、工具、prompt 手艺、架构、调试、重构、扩展、团队协作与交付。你将对着一个实时的 DeepSeek 模型练习，正是在每节课里审查你代码的那个 AI。
共 12 节，按顺序
- 120 分钟
Vibe Coder 的心态
这种经历你多半已经有过。你向人工智能要一个函数，它两秒钟就吐出四十行，看着都挺像样，你就把它粘贴了进去。有时候效果好得很。有时候它要花掉你一个下午，因为那段代码错得理直气壮又悄无声息，而你读得不够细，没能抓住。这两种结局的差别，几乎从来不在模型身上。差别在于：模型敲字的时候，你认为自己的活儿是什么。...
What vibe coding isDriver and navigator rolesStaying responsible for AI outputTrust but verify - 225 分钟
吃饭的家伙：为成功搭好环境
去问十个用 AI 编码工具很出活的人，他们的环境是怎么搭的，你会得到十个不一样的答案，而且没有一个稀奇古怪。他们的共同点不在工具，而在于从冒出一个想法到知道它成不成之间的那段时间。对他们来说是几秒。对一个还在挣扎的人来说是几分钟，因为代码待在聊天窗口里，错误是凭记忆描述的而不是粘过来的，而模型正在回...
The editor, terminal, and AI panelContext windowsKeeping the AI grounded in your filesA clean feedback loop - 330 分钟
打磨 Prompt：像专家一样和 AI 对话
你一天会向 AI 要上百次代码，而回来的东西成色如何，多半在你按下发送的那一刻就已经定了。问得含糊，拿回来的是一份泛泛的东西，接下来你要花二十分钟把它捏成想要的形状。问得精确，拿回来的代码几乎可以拿来就用。这门课里再没有别的东西有这么高的投入产出比，因为要改进的不过是多写几句话，而你每一次都用得上。...
Context, task, constraints, examplesSpecifying inputs and outputsIterating on a promptAsking for explanations - 430 分钟
从自动补全到架构
几乎所有人的起点都一样：把 AI 当成一个非常好用的自动补全。补完这一行，写出这一个函数，给我一个正则表达式。这样确实管用，感觉也很好，但这只是泳池的浅水区。真正能改变你产出量的那份杠杆，出现在再高一层的地方：让模型帮你塑造整个系统的形态，同时那些一旦做错就很难回头的决定仍然握在你手里。这一课讲的就...
Line-level vs system-level AI useDescribing a design before codeDecomposing a problem for the AIKeeping architectural decisions yours - 530 分钟
用 AI 调试：坏了就快速修好
谁的代码都会出问题。AI 协助写出来的代码，坏起来有一种值得专门点名的方式：它看上去是对的。变量名合理，有文档字符串，结构也像模像样，而缺陷就坐在中间，你的目光会直接滑过去，恰恰是因为这段代码一点都不像外行写的。好消息是，只要你把该给的信息给足，并且拒绝相信任何自己没有真正跑过的修复，模型在追捕这类...
Reading errors before pasting themGiving the AI a reproductionIsolating the failing pieceVerifying the fix, not just the explanation - 630 分钟
重构 AI 代码的艺术
AI 生成的代码有一种一眼就能认出来的特征：它能跑，但总比它应该有的样子差一点。一个函数干了三件事。同样的三行在两个地方各写了一遍。变量叫 data、result、temp、x。本来一句就能说清的判断，写成了四层条件。单看任何一处都无伤大雅。可这样的东西攒上半年，代码库就变成了另一副样子：改一点东西...
Why AI code needs refactoringBehavior-preserving changesNaming and extracting functionsTests as a safety net for refactoring - 730 分钟
性能、扩展与可靠性
代码总有一天得跑得够快、扛得住足够的负载，还要在出问题的时候不倒下。在这些事情上，人工智能是个很得力的思考伙伴，但它“错得很自信”的毛病在这里造成的损失也最大：关于性能的判断听上去总是很权威，偏偏又特别容易错。这一课教你怎么把人工智能用在速度和可靠性上，同时把它唯一做不到的那件事牢牢抓在自己手里，那...
Measure before optimizingAsking AI about complexity and bottlenecksDesigning for failureNot trusting AI performance claims blindly - 840 分钟
用 AI 构建完整系统
写一个函数很容易。系统则是许多函数必须彼此对得上。很多借助人工智能完成的项目就是在这里崩掉的：每一块单独看都能跑，但拼不到一起，因为没有人在把握全局。把握全局这件事是你的，交不出去。这一课教你借助人工智能搭出一个完整的小系统，而且中途不把整体思路弄丢。
Assembling components into a working systemDefining interfaces between piecesIntegrating and testing incrementallyHolding the whole in your head - 930 分钟
团队 Vibes：与 AI 和人协作
在自己的项目里跟 AI 一起干活，读者只有一个：你。可同样的产出一旦进了共享仓库，它就有了另一批读者，他们没参与那场产生它的对话，看不到你用的提示词，而且在你去忙别的事之后还得维护这个结果。那些让你独自干活时飞快的习惯，在这里可能悄无声息地把你变成团队的负担，倒不是因为代码更差，而是因为全世界只有你...
Reviewing AI code in a teamShared conventions and promptsCommit hygiene with AICommunicating what the AI did and did not do - 1035 分钟
真实世界里的 Vibe Coding：项目、客户与遗留代码
教程给你的是干净的空文件。真实的工作给你的，是一份没人完全搞得懂、有十年历史的代码库，一个希望昨天就交付的客户，还有一堆教程从来不提的约束：安全、许可证，以及别人的钱。这一课要讲的，就是在最混乱、也最有价值的地方用 AI，也就是在真有利害关系的真实项目上用它。
Using AI on unfamiliar codebasesUnderstanding legacy code before changing itManaging client expectations honestlySecurity and licensing of AI output - 1125 分钟
保持锋利：学习、适应与持续进阶
vibe coding 里藏着一个实实在在的风险：思考全让 AI 干了，你自己的思考能力就会变弱。真正被 AI 带起来的工程师，是拿它把自己磨得更快的那批人，不是被它磨钝的那批。这节课要讲的就是怎么一直做那样的人：把基本功保持在足以继续评判 AI 的水平上，同时在工具一直变化的过程中跟着调整自己。
Avoiding skill atrophyLearning from AI instead of just copyingKeeping fundamentals strongAdapting as models change - 1225 分钟
代码的未来，以及你的位置
心态、工具、手艺、需要提防的地方，你都学过了。这最后一课先把技术放一放，问一个更大的问题：当人工智能写代码越来越强，你在那个世界里的位置在哪儿？答案比新闻标题给人的感觉乐观得多，但前提是你搞清楚，到底是什么让你有价值。这一课就把这件事说明白，然后收尾。
What stays human as AI improvesJudgment and responsibility as durable skillsShaping your own roleA personal practice for AI-assisted work
用你的语言学习 Vibe Coding
每一节课、测验和导师回复都以你的语言显示。AI 导师会用你提问的语言来回答。