Vibe Coding做产品：从Demo到上线的千倍难度差距拆解

Vibe Coding的魔力与误解：难度1 vs 难度1000

最近，一位拥有十余年产品经验的创作者用Vibe Coding的方式做了两个站点——AI资讯速览（每天从20多个英文一手信息源提炼AI资讯）和AI论文简报（每天分析300多篇AI论文，挑选精华用通俗语言解读）。发布后，社交媒体上大量用户追问：这两个站究竟是怎么做出来的？

什么是Vibe Coding？ Vibe Coding是2025年初由OpenAI联合创始人Andrej Karpathy提出并迅速流行的编程范式。其核心理念是：开发者不再逐行编写代码，而是通过自然语言描述意图，让AI（如Claude、GPT-4、Cursor等）生成完整的代码实现。开发者的角色从"写代码的人"转变为"描述需求并验证结果的人"。这一范式的兴起得益于大语言模型在代码生成能力上的飞跃——现代LLM不仅能生成语法正确的代码，还能理解业务语义、处理边界情况、甚至主动提出架构建议。"Vibe"一词暗示了其随性、直觉驱动的特质：你只需要有一个模糊的感觉，AI帮你把它变成现实。

这种追问背后，隐藏着一个普遍的误解：Vibe Coding嘛，不用写代码，"我上我也行"。很多人期待的是一个神奇的Prompt、一个Skills文件、或者某个不为人知的AI使用技巧。但真相是——做这两个站没有任何花哨技巧，一个Skills文件都没用，甚至连需求文档都没写。

作者给Vibe Coding的难度打了一个极具冲击力的分数：

做一个看起来很炫酷的东西，难度 = 1
做一个真正实用好用的自用工具，难度 = 10
做一个能发布给用户、长期稳定运行的产品，难度 = 1000

这篇文章就来拆解这个"千倍差距"究竟体现在哪里。

技术选型：大道至简的反向炫技

从业务需求出发，而非追逐技术流行度

这两个站都是个人项目，不是团队协作，也不是盈利项目。核心需求非常明确：后期维护成本必须极低，不想每天花时间运维。同时，它是纯信息站，不接商单，不需要动态广告和推荐算法。

基于这些判断，作者选择了一套极其"原始"的技术栈：Python脚本 + Jinja2模板生成静态HTML，部署到Cloudflare Workers。整个项目的Python依赖只有6个包。

Jinja2与静态站点生成 Jinja2是Python生态中最成熟的模板引擎之一，最初为Flask Web框架设计。它允许开发者在HTML文件中嵌入Python风格的逻辑（循环、条件判断、变量插值），在构建时将数据渲染为静态HTML文件。这种"静态站点生成"（Static Site Generation，SSG）的思路并不新鲜——Hugo、Jekyll、Eleventy等工具都是同类产品——但用Python脚本直接驱动Jinja2意味着完全的定制自由度，没有框架约束。静态HTML部署到Cloudflare Workers后，内容直接从CDN边缘节点分发，无需服务器计算，不仅速度极快，还几乎没有运维负担。这与Next.js等需要Node.js运行时的框架形成鲜明对比：后者功能更强大，但每次请求都需要服务端计算资源，维护复杂度也成倍增加。

技术选型思路