Vibe Coding实战教程：七天速通Claude Code与Codex

当编程从「施工」变成「装修」

一位完全没有编程基础的产品经理，仅用三天时间就做出了一个可上线的知识库系统，对标飞书。全程没有手写一行代码，只是通过自然语言与AI对话完成开发。这听起来像天方夜谭，但正是眼下 Vibe Coding（氛围编程）正在发生的事情。

B站近期上线了一套被up主称为「最全最细」的Vibe Coding实战教程，课程覆盖Claude Code、Codex、Cursor等主流AI编程工具，目标是让零基础学习者在七天内完成从认知到项目上线的闭环。

这套教程背后折射出的，是一个更深层的范式转变：开发者正在从「施工者」变成「业主」。

转向了一个组织迭代

施工者模式 vs 业主模式：开发范式的根本切换

传统的「施工者模式」，也就是教程中戏称的「古法编程」，要求开发者掌握复杂的语法规则、算法逻辑和底层原理。一个完整项目需要前端、后端、数据库、运维、测试、产品经理等多个角色协作完成，每个开发者必须从零手写每一行代码。

「业主模式」则完全不同——它由目标驱动：用自然语言定义目标、描述需求、设定边界，让AI负责具体的技术实现、代码编写和框架搭建。开发者只需要作为评估者进行结果验收，并持续提供反馈和修正指令。

用装修来类比再贴切不过：你先让设计师出图纸，满意后按图施工，完工后你来验收，不合格就返工，直到满意为止。将来要升级，再走一轮同样的流程。

这是否意味着技术不再重要？恰恰相反。教程明确指出：技术并没有消失，而是人的角色从「逐项实现」转向了「组织迭代」——从一行行写代码，变成组织AI去完成项目。

从Chatbot到Agent：AI编程已到「L3自动驾驶」水平

要理解Vibe Coding为什么现在能成立，需要先看清AI从对话工具到智能体的阶段跃进。

早期以ChatGPT为代表的对话工具，本质上停留在信息提供和建议层面——回答问题和生成零散文本，辅助思考。但现在的AI编程工具，比如Codex、Claude Code、Cursor，已经具备三项关键能力：

深度理解目标：不是简单的语义匹配，而是理解复杂的、多层次的开发任务
多步执行：从搭建前端页面到编写后端接口，能够拆解并逐步推进
循环反馈：根据执行结果和用户反馈不断调整，直到交付

它主要侧重于信息的获取和辅助思考的

教程用了一个精准的类比：AI编程目前已达到汽车L3自动驾驶的水平。 虽然现实中的自动驾驶尚未完全实现L3（手不用扶方向盘），但AI编程已经真正能替你干活了——从辅助对话走向任务交付。

聊天工具和智能体的本质区别在于：Chatbot侧重于信息获取和辅助思考，Agent则专注于任务自动化执行，具备自主规划、工具调用和结果验证的闭环能力。

Vibe Coding 一词由 AI 研究者 Andrej Karpathy 在 2025 年初提出，指开发者以自然语言描述意图、完全信任 AI 生成代码、不再逐行审查的一种编程方式。它的关键前提是模型能力跨过了一个阈值：AI 不再只是补全下一行代码，而是能围绕一个目标自主规划步骤、调用终端与文件系统、运行测试并纠错。这与传统的「Copilot 式补全」有本质区别——补全仍以人类为主导，而 Vibe Coding 把主导权交给了目标本身。也正因如此，它的适用范围目前更偏向原型验证、内部工具与中小型 Web 项目；对强一致性、强安全约束的核心系统，人类验收仍不可省略。

理解 Agent（智能体）需要区分它与脚本、工作流的差别。脚本按预设步骤执行，工作流按固定分支流转，而 Agent 的核心是「规划—行动—观察—再规划」的循环：它会根据当前状态自行决定下一步调用哪个工具、读哪个文件、跑哪条命令，并根据返回结果修正后续动作。支撑这一能力的通常是工具调用（tool use）与上下文管理两项机制——前者让模型能真正操作环境而不只是输出文字，后者让它在长任务中记住目标、约束与已完成的步骤。教程里强调的「循环反馈」，指的正是这个闭环，而非简单的多轮对话。

工具选型：为什么推荐Codex而非Claude Code

在核心开发工具的选择上，教程给出了一个明确的倾向性建议：优先使用Codex，而非Claude Code。

原因很直接——Claude Code背后的Anthropic公司对国内用户极其不友好，而Codex不仅对国内用户友好，DeepSeek^广告也已经官方适配了Codex。这意味着用Codex时想接入国内模型，配置非常简单，不需要复杂操作。

我们想用国内的模型也是非常的这个简单的

模型选型方面，教程建议根据任务复杂度和成本灵活匹配：

简单任务：使用对话模型（chat model），成本低、响应快
复杂任务：使用推理模型（reasoning model），理解力更强

Codex作为工具平台，可以连接多种模型——DeepSeek、GPT、Gemini、通义千问^广告等，根据任务需要切换。

Claude Code、Codex、Cursor 代表了三类不同的产品形态，理解差异有助于选型。Claude Code 是运行在终端里的命令行 Agent，擅长在既有代码库中做多文件修改；Codex 同样以 Agent 形态提供，但接入多家模型的门槛更低，便于按任务切换 DeepSeek、通义千问等国内模型；Cursor 则是深度改造过的 IDE，把 AI 能力嵌入编辑器，更适合需要人工频繁查看和微调代码的场景。选择哪一种，本质上取决于你更看重模型可替换性、终端自动化程度，还是可视化的编辑体验。

零基础入门：你需要的全部准备

这套课程面向的人群比想象中广泛：零基础编程学习者、产品经理和设计师、职场技能探索者，以及独立开发者。

微信的这个没什么问题

学习门槛也出奇地低：

电脑基础操作：能开机、能装软件（比如QQ、微信）就够
基础英语能力：九年义务教育的英文水平即可，实在不行可以用在线翻译工具
逻辑思维与需求表达能力：能说清楚你想要什么

有一点需要注意：Vibe Coding主要在电脑上完成，只有手机的话做项目会比较困难。

学完之后能获得什么？包括对Vibe Coding认知的加深、理解Agent智能化引擎的作用、掌握模型选型能力，以及独立完成一个从零到一的Web项目闭环。

Skills机制：把资深开发者的经验变成可复用资产

新手在使用AI编程时常见的痛点是：描述需求模糊、缺乏结构、忽略边界条件和技术约束。教程给出的解决方案是 Skills。

Skills的逻辑很简单：资深开发者把完整的、规范的、具有上下文结构的指令封装起来，新手直接拿来用。它不是代替你思考，而是把成熟经验封装成可复用的协作方式。

课程结构中，Skills构建被安排在工具掌握之后、项目实战之前，作为「经验封装」的关键环节。

上下文（context） 是理解 AI 编程成本与效果的关键概念。模型每次响应能「看到」的信息量有上限，这个上限以 token 计量，而 token 是文本被切分后的最小处理单元，中文大约一字对应一到两个 token。当对话变长、代码文件变大，早期的重要信息会被挤出窗口，模型就容易「忘记」需求或约束。这解释了为什么把规范封装成 Skills 有效：它把关键约定压缩成结构化、可复用的片段，在需要时注入而非全部堆在对话里。同理，教程建议简单任务用对话模型、复杂任务用推理模型，也是在 token 成本与推理深度之间做权衡。

课程体系：四步闭环从理论到实战

整套教程按照「理论认知→工具掌握→经验封装→项目实战」的闭环设计：

环境准备：认识命令行终端、PowerShell等基础工具
核心概念：理解AI编程中的主流工具与模型，包括token、上下文等关键概念
工具掌握：Codex的使用方式详解
Skills构建：学会封装和复用成熟的指令模板
项目实战：从需求定义到上线部署，独立完成一个功能完整的Web项目

最终的产出是一个完整的实战项目——从需求到部署全流程走通。

程序员的新定义

这套教程最值得玩味的地方在于它对「程序员」角色的重新定义。教程原文说得很清楚：我们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。

这不意味着技术素养变得无关紧要——恰恰相反，能清晰定义问题、合理拆解任务、准确评估结果，本身就是更高阶的技术能力。只是这种能力不再表现为手写代码的熟练度，而是表现为组织AI完成复杂交付的判断力。

Vibe Coding的核心命题，不是「不用学编程了」，而是「学什么变了」。