用AI从零打造摩斯密码练习器:Vibe Coding实战体验

非专业开发者用Vibe Coding让AI从零制作摩斯密码练习器,展示AI辅助编程的真实边界。
文章记录了一位正在学习编程的创作者如何借助AI辅助编程(Vibe Coding),用自然语言描述需求,让AI独立完成界面绘制与交互逻辑,制作出一款原价30元的摩斯密码练习器。整个工具分为按键区、输入指示器和译文显示三大区域,UI全部由AI生成。AI还主动补充了新手/标准双模式的输入节奏调整功能,并在发布前实现了「输入正确才放行」的单字指导模式,形成学习闭环。作者认为,这一案例说明当下AI能承担的不只是代码生成,还包括界面设计与功能建议,而真正的门槛反而在备案、认证等非技术环节。
从一个30块的小工具说起
刷视频时看到一个有趣的小工具——摩斯密码练习器,淘宝上标价30块。对于一个正在学习编程的人来说,花三杯瑞幸的钱去买这么个小玩意确实有点不划算。既然自己也在折腾「Vibe Coding」(凭感觉、靠AI辅助编程),干脆动手让AI帮忙从头做一个。
这个案例的价值不在于工具本身有多复杂,而在于它展示了当下AI辅助编程的真实能力边界:一个非专业开发者,只提供思路,就能让AI完成从界面绘制到交互逻辑的完整落地。

「Vibe Coding」是2025年初由OpenAI联合创始人Andrej Karpathy提出并推广的编程方式,核心理念是:开发者不需要逐行编写或深度理解代码,而是用自然语言描述需求,由AI生成完整可运行的代码,人负责验证结果、提出修改方向。「Vibe」(感觉、氛围)一词点出了这种方式的特质——更像是在「感受」软件成型的过程,而非精确控制每一个技术细节。这种模式对非科班出身的创作者尤其友好,大幅降低了从想法到产品的实现门槛,但也对需求描述的清晰度提出了更高要求:模糊的输入往往产出同样模糊的结果。
界面结构:全部由AI自行绘制
整个练习器的界面被划分为三个清晰的区域:最下方是按键区域,中间是输入指示器与模式修改按钮,最上方则是译文显示区域。
关键点在于——整套UI都是AI自行完成绘制的,作者只给出了具体思路,没有手动调整像素级的布局。这也是「Vibe Coding」区别于传统开发的核心:人负责定义需求和体验逻辑,AI负责把抽象描述转化为可运行的界面与代码。

从成品来看,AI不仅完成了基础布局,还主动补充了一些体验细节。这说明当下的大模型在处理明确定义的小型交互应用时,已经能承担相当一部分「产品设计」的工作,而不只是单纯的代码生成器。
输入节奏调整:AI主动设计的贴心功能
在底部中心位置,AI主动设计了输入节奏调整功能。这一点值得单独拿出来说——它并非作者明确要求的功能,而是AI基于对摩斯密码输入场景的理解自行补充的。
具体来说:
- 新手模式:输入时间窗口设置得最长,方便刚接触摩斯密码的用户从容操作;
- 标准模式:完全按照摩斯密码的标准输入要求执行,短按为点、长按为划,时间窗口严格。

这种从「新手友好」到「标准严格」的梯度设计,反映出AI在需求理解上已经能考虑到不同用户的学习曲线。对于练习类工具而言,节奏容错度恰恰是决定可用性的关键一环。
摩斯密码(Morse Code)是一种以「点(·)」和「划(—)」的组合来编码字母与数字的通信系统,由塞缪尔·摩斯于19世纪发明,最初用于电报传输。在实际输入中,点与划的区分依赖按键时长,字符间、单词间的停顿也各有时间规范——国际标准中,点为1单位、划为3单位,字符间隔为3单位,单词间隔为7单位。正因如此,「时间窗口」的宽松程度直接决定了练习器的可用性:窗口太短,初学者来不及反应;窗口太长,则无法培养真实的发报节奏感。AI主动加入新手/标准双模式,恰好命中了这个练习场景的核心矛盾。
单字指导模式:发布前的最后一块拼图
在正式发布前的最后一个版本中,作者添加了「单字指导模式」。这是整个工具里交互逻辑最讲究的一部分。
进入该模式后,指示器会主动给出正确的摩斯码输入规则,并且只有当用户正确输入后才会退出单字指导模式,回到普通输入模式。这种「强制正确才放行」的机制,本质上是一种即时纠错的学习闭环。

另一个细节是:用户在单字指导模式下输入时,系统不会自动添加空格,从而允许用户通过该模式连续输入完整字符。这种对输入边界的精细处理,往往是初学者自己写代码时最容易忽略、也最容易出bug的地方,而借助AI辅助,这类逻辑被相对顺畅地实现了。
关于发布与实测感受
作者提到工具已经完成备案,但不打算再花钱做小程序认证,所以在平台上直接搜索是找不到的——有兴趣的朋友只能通过扫码体验。这也从侧面反映了个人开发者在轻量级工具发布上的现实取舍:能跑起来、能用,但商业化门槛(认证、审核、推广)往往才是真正的成本。
从整体体验看,这类小型交互应用对当下的大模型来说负担并不重。正如标题的调侃——生成这样一个练习器,模型「显卡风扇都没转几圈」。它更多考验的不是算力,而是需求描述的清晰度和对交互细节的把控。
这个案例说明了什么
抛开工具本身,这个实践给非专业开发者提供了几点参考:
- AI能承担的不只是写代码,还包括界面绘制、体验细节补全甚至主动的功能建议;
- 人的价值在于定义清晰的思路和需求,尤其是像输入节奏、纠错闭环这类体验层面的判断;
- 真正的门槛往往在代码之外,比如备案、认证、发布渠道等非技术环节。
对于想要用AI快速验证小想法的人来说,这样一个「30块工具自己做」的案例,比任何抽象的能力介绍都更有说服力。
相关推荐

MaRN开源:用低维参数映射训练神经网络的PyTorch库
开源PyTorch库MaRN通过低维参数映射训练神经网络,MNIST CNN参数压缩57.7倍仍保持91.8%准确率。本文解析其基准测试、功能构成与适用场景。

NeurIPS SAC门票不可转让引讨论:政策变动惹争议
NeurIPS SAC 门票是否仍可转让引发 Reddit 机器学习社区热议。本文梳理政策变动争议、收紧背后的可能原因及对参会者的实用建议,帮助研究者正确应对顶会票务管理变化。

三星预期季度营业利润暴涨780%:AI热潮背后的内存逻辑
三星预期季度营业利润暴涨780%,背后是AI浪潮对高带宽内存的旺盛需求。本文从NVIDIA DGX Spark的64GB内存配置切入,解析AI硬件供应链如何将下游需求传导至上游内存厂商的利润表。