Vibe Coding 零基础教程系列怎么跟

Vibe Coding 听起来像「跟 AI 聊天就把产品聊出来」，真正能交活的人，走的是另一条路：先把需求写清楚，再切成能在十分钟内验证的小任务，每次只推进一块，代码一乱就开新对话。潘致雄（nake13）用这套方法做过信息流产品、上架过 Mac App，也搭过自己的 AI Agent。下面按这条路径走一遍，零基础也能跟着做第一个能跑的东西。

网上教程很多。有的从 Trae、Cursor 讲到 Claude Code 全套界面，有的按四周做完整 SaaS。这篇只盯一件事：怎么把一个模糊想法，变成「今天就能验证」的第一个功能。

模型和入口怎么选

编程任务优先看三家：Claude（Anthropic）、Codex（OpenAI）、Gemini。能解决网络和付款的话，入门建议先订 Claude 的付费档，再考虑 Codex。免费额度用来练手可以，真要连续改代码，上下文和限速很快就会卡住。需求梳理这种「一次写长文」的活，尽量用强推理模型（Claude 高档、Gemini 高档、带 Think 的 GPT），别用聊天默认档硬扛。

工具别一上来就装全家桶。网页版或官方桌面应用够你走完前几步。后面代码变多了，再在这三选里挑一个常驻入口：

• 习惯图形界面：Cursor，或 VS Code 加插件
• 习惯终端：Claude Code 或 Codex CLI，直接在项目目录里对话、改文件、跑命令

语言优先 Python。模型在 Python 上训练得多，入门门槛也低。本机先装好 python.org 的当前稳定版，确认 python3 --version 能跑，再让 AI 帮你建虚拟环境。第一个任务尽量不联网：读本地文件、算个数、写个脚本打印结果。一接 API、一碰登录，复杂度会一下子跳上去。

Claude Code 的安装和登录看官方 Quickstart：https://code.claude.com/docs/en/quickstart 。Codex CLI 看仓库 https://github.com/openai/codex 和文档 https://developers.openai.com/codex 。装完分别在项目目录运行 claude 或 codex。

先把需求写成能改的文档

复杂产品可以做，但别一上来就要「完整 App」。先把脑子里的功能、边界、你自己怎么验收，一条条倒给模型，让它整理成产品需求文档。提示词可以很直白：

我想做一个产品，需求如下。请整理成逻辑清楚的产品需求文档，标出范围外的功能。
如果整体太复杂，先告诉我，并给出一个能在一个周末验证的最小版本。

1. ……
2. ……
3. ……

出来的文档要存成文件，比如 docs/prd.md。后面每次开新对话都贴这份，而不是凭记忆复述。觉得偏了就当场改文档，不要在聊天记录里东补一句西补一句。拿不准复杂度时，让模型按「半天 / 一周 / 一个月」估一版，太离谱就砍范围。

新开对话，只做第一个十分钟任务

同一窗口聊太久，模型会开始忘前面的约束，甚至捏造不存在的文件。需求文档写完之后，新开一个对话，把文档贴进去，只问第一刀：

下面是我的产品需求文档。我没有编过程。
请找出一个我能在 10 分钟内做完、并且能立刻看到结果的第一个任务。
逐步告诉我：装什么、建哪个文件、怎么运行、怎样才算验证通过。

<把 prd.md 全文贴在这里>

它应该带你：建目录、写一个最小脚本或页面、在终端跑起来、你亲眼看到输出。过不了这一关，就不要开始第二块。常见的第一刀是「本地读一份 JSON 打出前 10 条」，或「一个只返回 Hello 的页面」，而不是「先把用户系统和支付搭好」。

每次都能验证，才继续下一块

交活靠的是正向反馈：每完成一块，你都知道怎么证明它没坏。做完第一个任务，继续在同一个项目里问：

根据 docs/prd.md 和当前代码，下一步该实现哪一个功能？
请写出：要改哪些文件、怎么运行、我该看到什么结果才算通过。
一次只做这一步，不要提前写后面的模块。

验证方法写进对话，最好也写进 docs/prd.md 的验收栏。模型喜欢一次生成「完整架构」，你要拦：没有验证方法的提交，直接退回去。

Bug 怎么交给 AI 修

结果不对、报错、页面空白，都把现场原样贴回去。至少给这三样：你期望什么、实际发生了什么、完整报错或截图文字。

期望：运行 python3 app.py 后终端打印 10 条标题。
实际：报错如下（完整粘贴）。
请先指出是哪一行、为什么，再改。改完告诉我怎么重新验证。

修不好就 /clear 或新开对话，把相关文件和报错再贴一次。别在已经跑偏的上下文里死磕十几轮。

代码变乱之后，再补一点软件工程

拼一张小桌子，说明书够了。开始做橱柜，就得知道榫卯在哪。任务超过两三个文件之后，让模型按需教，而不是先去上完一门课：

• 这个项目的目录为什么这样拆
• 数据存在哪、接口入参出参是什么
• 测试怎么跑、失败了看哪一行

问的时候带着你的仓库，别问抽象教材。Git 也是这时候才真正用得上：改多了一定要能回退。图形界面用 GitHub Desktop 就行，让 AI 一步步教你 commit。终端里也可以直接说「帮我提交，信息写成：加上本地标题列表」。

编辑器方面，VS Code 和 Cursor 都能打开同一份代码。终端里跑 Claude 或 Codex 也完全可以。没有唯一正确答案，用着顺手、改完能跑，就先钉死一个，不要三个入口并行。

要联网时，优先 Cloudflare Workers

抓数据、定时任务、对外提供一个 URL，大多数人会想到先租一台 Linux。那条路要学发行版、防火墙、进程守护，对零基础不划算。Cloudflare Workers 免费档就能入门，Paid 大约每月 5 美元；配套的 D1 在 Free 计划里有 5 GB 存储，正好当小项目的数据库。

按官方 Workers 入门 用 create-cloudflare 脚手架建项目，在目录里跑 wrangler dev，浏览器打开 http://localhost:8787 能看到 Hello，再让 AI 按你的需求改 src/index.js。本地没问题再 wrangler deploy。KV、R2、定时触发都可以后面再加。

让模型评估「这个功能适不适合 Worker」是值得问的：需要长时间跑的本地模型、要挂桌面窗口的 Mac App，Worker 解决不了，那就老实留在本机。

第一个周末可以怎么练

选一个你自己每天都碰到的小问题，别选「下一个 Notion」。例如：把某个网页的标题列表存成 JSON、做一个只给自己用的剪贴板历史、把 RSS 转成一封每天的摘要邮件。按上面的顺序走：

1. 用强模型写出 docs/prd.md，标出本周末不做的功能
2. 新对话，十分钟内跑通第一个本地脚本
3. 每加一块都写清验证命令
4. 要公开访问再迁到 Worker，能本机跑就先本机

做完把仓库推到 GitHub。下次换题目，还是同一套循环。模型和工具会换代，这个循环不太会过时：写需求、切任务、验证、修、再切。经验是这样攒下来的，不是看完一份目录就算入门。