Vibe Coding零基础实战:用Claude Code与Codex七天速通AI编程

Vibe Coding 让开发者从写代码的施工者转变为组织AI迭代的业主,AI Coding 已接近自动驾驶L3水平。
文章介绍了 Vibe Coding 这一开发范式的迁移。作者将传统开发称为「古法编程」或「施工者模式」,需要掌握语法、算法与多角色协作;而 Vibe Coding 代表「业主模式」,开发者用自然语言定义目标与边界,AI 负责技术实现,人只做评估与反馈。文章指出 AI 已从对话工具进化为智能体,具备自主规划、工具调用和结果验证的闭环能力,AI Coding 基本达到自动驾驶 L3 水平。在工具选型上,课程推荐 Codex 而非 Claude Code,并遵循按任务复杂度匹配模型的原则。此外,SKILL 将资深开发者经验封装为可复用协作方式,降低新手描述需求的摩擦。课程面向零基础人群,按「理论认知→工具掌握→经验封装→实战交付」的闭环设计。
从「古法编程」到「业主模式」:开发范式正在迁移
一个不懂编程的产品经理,仅用三天就上线了一套对标飞书的知识库系统。全程没有手写一行代码,只靠自然语言与 AI 对话完成。这不是演示 Demo,而是 B 站 UP 主在《Vibe Coding 系统教程》中分享的真实案例。
这背后是开发范式的根本转变。UP 主将过去的开发方式称为「古法编程」或「施工者模式」——开发者需要掌握语法规则、算法逻辑和底层原理,一个项目要前端、后端、数据库、运维、测试、产品多角色协作才能交付。而 Vibe Coding 代表的是「业主模式」:你用自然语言定义目标、描述需求、设定边界,AI 负责技术实现与代码编写,你只需要做评估者,验收结果并持续提供反馈。

这个类比很贴切:就像装修房子,你先让设计师出图,满意后按图施工,完工后验收,不合格就返工,将来还能持续升级。技术并没有消失,只是人的角色从「逐行实现」转向了「组织迭代」——组织 AI 帮你完成项目。
Agent 阶段跃进:AI Coding 已达自动驾驶 L3
UP 主提出了一个值得关注的观点:AI 已经从对话工具进化为智能体。早期 ChatGPT 刚出现时,大家学的是怎么写提示词,AI 停留在信息提供和建议层面。而现在,AI 作为生产工具深度参与工作,不仅能回答问题,更能作为执行者推动任务闭环产出。

聊天机器人与智能体的本质区别在于:Chatbot 侧重信息获取和辅助思考,Agent 专注任务自动化执行,具备自主规划、工具调用和结果验证的闭环能力。UP 主用汽车自动驾驶做类比——虽然汽车还没完全达到 L3,但 AI Coding 基本已经达到了 L3 级别:真的可以帮你干活了,从辅助对话走向任务交付。
这个判断有讨论空间,但方向上与当前 AI 编程工具的实际表现一致。Claude Code、Codex、Cursor 等工具确实在从「补全代码」向「完成可交付任务」演进。
自动驾驶分级与 AI Coding 的类比逻辑
自动驾驶分级由国际自动机工程师学会(SAE)提出,从 L0 到 L5 共六个等级:L0 为完全人工操作;L1、L2 为辅助驾驶,系统可完成部分转向或加减速,但人类需持续监控;L3 为有条件自动驾驶,在特定场景下系统可完全接管,人类无需持续监控但需在请求时接管;L4、L5 则分别对应高度自动化和完全自动化。用这套框架类比 AI Coding:早期代码补全工具相当于 L1/L2,人类主导、AI 辅助;而能自主规划任务、调用工具、验证结果并交付可运行产物的 Agent,则接近 L3——在受控范围内可以「放手让它干」,但复杂决策仍需人类把关。这一类比的关键价值在于:它把模糊的「AI 到底有多强」转化为可讨论的自动化程度问题,也暗示了当前能力的边界——AI Coding 尚未达到 L4/L5 那种全场景无人干预的水平。
工具与模型选型:为什么推荐 Codex 而非 Claude Code
课程核心开发工具是 Codex,UP 主明确建议国内用户优先选择 Codex 而非 Claude Code,理由是 Claude 的母公司 Anthropic 对国内用户「极其不友好」。同时 DeepSeek广告 官方已适配 Codex,国内模型接入配置非常简单。

模型选型遵循按任务匹配的原则:简单任务用对话模型,复杂任务用推理模型。具体什么时候用 DeepSeek、GPT、Gemini 或通义千问广告,根据业务复杂度和成本来决定。这种「工具连接多模型」的思路,降低了单一模型锁定的风险。
SKILL 技能:把资深开发者的经验封装复用
新手描述需求时常犯的问题:表述模糊、缺乏结构、忽略边界与技术约束。UP 主给出的解法是 SKILL——把资深开发者写好的规范和上下文结构直接拿过来用。
SKILL 不是代替你思考,而是把成熟经验封装成可复用的协作方式。别人把经验封装成 SKILL,你直接调用即可。这个思路与当前 AI 编程社区流行的「提示词模板」「规则文件」实践高度吻合,本质都是降低协作摩擦。
提示词模板与规则文件的社区实践
原文提到的「提示词模板」「规则文件」是当前 AI 编程社区的几个具体产物。规则文件(如 Cursor 的 .cursorrules、Claude Code 的 CLAUDE.md)是一份放在项目根目录的说明文档,用来告诉 AI 这个项目的技术栈、代码风格、目录结构和禁忌事项,让每次对话都自动带上项目上下文。提示词模板则是针对特定任务(如「写单元测试」「重构函数」)预先打磨好的结构化指令,包含角色设定、输入输出格式、约束条件等。SKILL 与它们的差异在于粒度更粗、复用性更强:它通常封装的是某类开发者的完整工作方法,而非单次任务的指令片段。理解这些实践的共同点——把隐性的专家经验显性化、可复用化——就能理解 SKILL 并非全新发明,而是这一趋势的进一步抽象。
课程适合谁:零基础也能上手的四个前提
课程面向四类人群:零基础编程学习者、产品经理和设计师、职场技能探索者、独立开发者。

必备条件只有四项:电脑基础操作(开关机、装软件)、基本的英语和翻译能力、逻辑思维和需求表达能力。UP 主强调 Vibe Coding 主要在电脑上完成,纯手机操作会比较困难。学完课程可以获得:对 Vibe Coding 的深度认知、Agent 引擎能力理解、模型选型能力,以及独立完成从零到一 Web 项目闭环的能力。
课程结构:从环境准备到项目上线的完整闭环
课程按五个阶段展开:环境准备(认识命令行终端 PowerShell)、核心概念(AI 编程主流工具与模型、Token、上下文)、工具掌握(Codex 使用方式)、SKILL 构建、项目实战(从需求定义到上线部署)。
设计逻辑是「理论认知 → 工具掌握 → 经验封装 → 实战交付」的闭环。UP 主在结尾说的一句话值得记住:不必成为传统意义上的程序员,而是先学会把目标说清楚、把问题拆开、把结果验证好。
这或许就是 Vibe Coding 最核心的能力迁移——从写代码到定义问题。
相关推荐

AI大模型零基础入门:原理与API调用实战指南
从AI发展脉络到大模型训练原理,再到Token、Temperature、Top-P等核心概念,本文结合实战课程讲解系统提示词、Function Call、RAG与记忆能力的实现逻辑,并给出四类API调用场景的落地路径,适合零基础开发者入门。

Arsaze:把Cursor的Tab补全带到视频剪辑
Arsaze是一款AI原生视频编辑器,把Cursor的Tab补全交互带入视频剪辑:剪一次按Tab即可重复风格,还能删除转录文字来裁剪片段。本文解析其工作流、账户限制与评测结论。

GitHub会消亡吗?开源维护者倦怠与AI时代的协作危机
Lex Fridman播客讨论开源维护者倦怠与GitHub的困境:海量拉取请求压垮核心维护者,AI加剧代码膨胀。文章以数学期刊审稿与庞加莱猜想验证为类比,剖析知识生产中验证环节为何必须刻意缓慢,以及开源社区如何避免维护者退出的失败模式。