YC總結的vibecoding核心指南「如何充分利用Vibecoding 」

頂尖孵化器 Y Combinator 總結的vibecoding核心指南，開發(fā)者必收藏

規(guī)劃流程

— 制定全面計劃：首先與 AI 合作，在 Markdown 文件中編寫詳細的實施計劃。
— 審查與優(yōu)化：刪除不必要的項目，如果功能過于復雜則標記為“暫不實現(xiàn)”（won’t do）。
— 控制范圍：保留一個單獨的區(qū)域存放“后續(xù)想法”，以保持專注。
— 增量實施：逐個部分進行，而不是試圖一次性構建所有內(nèi)容。
— 跟蹤進度：成功實施后，讓 AI 將相應部分標記為“已完成”。
— 定期提交：在進行下一部分之前，確保每個可用的部分都已提交到 Git

版本控制策略

— 嚴格使用 Git：不要僅僅依賴 AI 工具的撤銷功能。
— 保持初始狀態(tài)純凈：每個新功能都應從一個干凈的 Git 狀態(tài)開始。
— 陷入困境時重置：如果 AI 開始天馬行空（goes on a vision quest），使用 git reset –hard HEAD。
— 避免問題累積：多次失敗的嘗試會造成層層疊加的劣質(zhì)代碼。
— 凈室實現(xiàn)：當你最終找到解決方案時，重置并以干凈的方式重新實現(xiàn)它。

測試框架

— 優(yōu)先考慮高級別測試：專注于端到端集成測試，而不是單元測試。
— 模擬用戶行為：通過模擬用戶點擊瀏覽網(wǎng)站/應用來測試功能。
— 捕獲回歸問題：大型語言模型（LLM）常常會對不相關的邏輯進行不必要的更改。
— 測試通過后再繼續(xù)：在開發(fā)下一個功能前，確保所有測試都通過。
— 使用測試作為護欄：一些創(chuàng)始人建議從測試用例開始，為 AI 提供清晰的邊界。

有效的 Bug 修復

— 利用錯誤信息：通常只需將錯誤信息復制粘貼給 AI 就足夠了。
— 編碼前先分析：要求 AI 思考多種可能的原因。
— 失敗后重置：每次不成功的修復嘗試后，都從一個干凈的狀態(tài)重新開始。
— 實施日志記錄：添加策略性日志，以更好地理解程序運行情況。
— 切換模型：當一個 AI 模型卡住時，嘗試使用不同的模型。
— 凈室實現(xiàn)：一旦確定了修復方案，就重置并在干凈的代碼庫上實施它。

AI 工具優(yōu)化

— 創(chuàng)建指令文件：在相應的文件（如 cursor.rules, windsurf.rules, claude.md）中編寫詳細的指令。
— 本地化文檔：將 API 文檔下載到你的項目文件夾中，以確保準確性。
— 使用多種工具：一些創(chuàng)始人會在同一個項目上同時運行 Cursor 和 Windsurf。
— 工具專業(yè)化：Cursor 在前端方面更快，Windsurf 更擅長處理長任務。
— 比較輸出：生成多種解決方案，并選擇最佳方案。

復雜功能開發(fā)

— 創(chuàng)建獨立原型：首先在干凈的代碼庫中構建復雜功能的原型。
— 使用參考實現(xiàn)：向 AI 指明可用的示例，讓其參照。
— 清晰的邊界：保持外部 API 一致，允許內(nèi)部實現(xiàn)發(fā)生變化。
— 模塊化架構：具有清晰邊界、基于服務的架構優(yōu)于單體倉庫（monorepos）。

技術?？剂?/p>

— 成熟的框架表現(xiàn)更優(yōu)：Ruby on Rails 憑借 20 年的慣例積累而蓬勃發(fā)展。
— 訓練數(shù)據(jù)至關重要：較新的語言（如 Rust、Elixir）可能擁有較少的訓練數(shù)據(jù)。
— 模塊化是關鍵：小文件對人類和 AI 都更易于處理。
— 避免大文件：不要讓文件增長到數(shù)千行。

編程之外

— DevOps 自動化：使用 AI 配置服務器、DNS 和托管服務。
— 設計輔助：生成網(wǎng)站圖標（favicon）和設計元素。
— 內(nèi)容創(chuàng)作：起草文檔和營銷材料。
— 作為教育工具：要求 AI 逐行解釋其實現(xiàn)。
— 使用截圖：通過視覺方式分享 UI 錯誤或設計靈感。
— 語音輸入：像 Aqua 這樣的工具可以實現(xiàn)每分鐘 140 個單詞的輸入

持續(xù)改進

— 定期重構：一旦測試就位，就應頻繁進行重構。
— 發(fā)現(xiàn)機會：請求 AI 推薦可以重構的對象。
— 保持更新：嘗試每一個新發(fā)布的模型。
— 識別優(yōu)勢：不同的模型擅長處理不同的任務。