VibeCoding AI编程工作流

Polar Sponsor
爱发电 赞助
.NET 9.0

谷歌开源AI工作流,快速需求转代码,含20项专项技能、规范流程与7大实战案例。

VibeCoding AI 编程工作流

功能概述

VibeCoding AI 编程工作流是一项面向实际任务的技能,主要用于谷歌开源 · 2.5 万 GitHub 星标 · 20 个专项技能;核心理念:让 AI 按规范流程开发,而不是随意生成代码;

核心要点

  • 一、核心定位;
  • 本技能整合 VibeCoding 完整工作流体系,包含:;
  • 20 个专项技能;

使用与执行

谷歌团队将真实开发流程转化为 AI 必须执行的规范;先调研 → 写计划 → 写测试 → 实现 → 复现 Bug → 修复。它将相关步骤、工具调用和结果整理方式集中到统一流程中,帮助使用者更快完成目标并减少重复操作。从功能定位来看,该技能强调把分散的操作要求整理成清晰、可复用的处理流程,使用户能够围绕既定目标快速准备输入、选择执行方式并获得结构化结果。实际使用前应先确认任务范围、数据来源、运行环境、必要权限和关键参数,再依据技能说明逐步执行;

结果检查与注意事项

若输入条件不完整,应先补齐信息或采用保守配置,避免因错误假设导致结果偏离需求。执行过程中需要关注工具调用是否成功、接口或依赖是否可用、输出格式是否符合预期,并对异常提示、缺失字段和边界情况进行处理;涉及批量任务时,还应保存进度,避免中断后重复操作。该技能适合用于一次性任务,也可以接入自动化工作流,与其他技能或上层代理配合完成更完整的业务链路;在组合使用时,应明确每一步的输入输出关系,并避免不同步骤之间出现参数冲突。

VibeCoding AI 编程工作流

谷歌开源 · 2.5 万 GitHub 星标 · 20 个专项技能
核心理念:让 AI 按规范流程开发,而不是随意生成代码

一、核心定位

本技能整合 VibeCoding 完整工作流体系,包含:

模块 内容
20 个专项技能 谷歌团队将真实开发流程转化为 AI 必须执行的规范
规范流程 先调研 → 写计划 → 写测试 → 实现 → 复现 Bug → 修复
验收环节 代码评审 + 浏览器测试 + 文档整理
7 大实战案例 企业级系统 / 仪表盘 / 字幕工具 / 音乐播放器 等

二、20 个专项技能概览

# 技能 用途
1 Requirements Analysis 结构化需求描述
2 Research Planning 调研后写计划
3 Test-First Development 先写测试再实现
4 Prototype Generation 生成可运行初版代码
5 Validation & Testing 运行验证 + 核心功能测试
6 Iterative Optimization 自然语言迭代修改
7 Bug Reproduction 先复现再修复 Bug
8 Code Review 代码评审规范
9 Browser Testing 浏览器测试流程
10 Documentation 文档整理规范
11 Module Splitting 复杂需求拆分
12 Context Management 保持上下文
13 FastAPI Integration 后端 FastAPI 开发
14 HTML/JS Frontend 前端 HTML+JS 开发
15 LLM API Integration LLM API 调用
16 Data Visualization 数据可视化开发
17 CI/CD Pipeline 持续集成/部署
18 Security Review 安全审查规范
19 Performance Tuning 性能优化
20 User Acceptance Testing 用户验收测试

三、核心开发流程

┌─────────────────────────────────────────────────────┐
│                  VibeCoding 规范流程                 │
├─────────────────────────────────────────────────────┤
│                                                      │
│   1️⃣ 明确需求                                      │
│      ↓ 结构化描述(输入/输出/约束条件)               │
│   2️⃣ 调研 + 写计划                                  │
│      ↓ AI 先调研,再制定计划                          │
│   3️⃣ 先写测试                                       │
│      ↓ AI 先写测试用例,再实现代码                    │
│   4️⃣ 生成原型                                       │
│      ↓ 一次一个模块,立即测试                         │
│   5️⃣ 运行验证                                       │
│      ↓ 检查逻辑正确性,忽略样式细节                    │
│   6️⃣ 迭代优化                                       │
│      ↓ 每次 2-3 个问题,逐步完善                     │
│   7️⃣ Bug 修复                                       │
│      ↓ 先复现,再修复                                 │
│   8️⃣ 验收收尾                                       │
│      ↓ 代码评审 + 测试 + 文档                          │
│                                                      │
└─────────────────────────────────────────────────────┘

四、使用步骤详解

4.1 步骤一:明确需求

结构化描述公式:

目标:[核心目标]
功能细节:
  - 输入:
  - 输出:
  - 交互逻辑:
约束条件:[限制条件,如"不用真实网络请求,用打印日志模拟"]

示例:

目标:构建费用跟踪器
功能细节:
  - 输入:费用金额 + 类别
  - 输出:每月费用统计表
  - 交互逻辑:点击添加 → 显示输入框 → 提交 → 更新列表
约束条件:
  - 不用真实网络请求
  - 用 localStorage 模拟存储
  - 仅限单页应用

4.2 步骤二:生成原型

推荐组合:

场景 技术栈
快速原型 HTML + JS(无需构建工具)
后端 API FastAPI + LLM API
数据处理 Python + Pandas
全栈 React/Vue + FastAPI

关键原则:

  • ✅ 一次只生成一个功能模块
  • ✅ 生成后立即测试核心逻辑
  • ❌ 不要一次性要求完整项目

4.3 步骤三:运行验证

验证清单:

□ 代码是否能运行?
□ 核心功能是否实现?
□ 输入/输出是否符合预期?
□ 边界条件处理?
□ 错误处理?

优先级:

  • ✅ 逻辑正确性(最重要)
  • ✅ 核心功能(次重要)
  • ❌ 样式/命名/注释(最后处理)

4.4 步骤四:迭代优化

迭代话术模板:

"基于上一版代码,帮我做以下修改:
1. [修改点1]
2. [修改点2]
3. [修改点3]

不要改变其他部分。"

每次迭代原则:

  • 每次 2-3 个修改点
  • 改完立即测试
  • 保持上下文(粘贴上一版关键代码)

4.5 步骤五:验收收尾

验收清单:

环节 检查项
代码评审 代码规范、安全漏洞、性能问题
单元测试 核心函数测试覆盖率
浏览器测试 页面加载、交互、功能
文档 README、使用说明、API 文档

五、注意事项

5.1 拆分复杂需求

❌ 错误:大任务一次给 AI
   "帮我做一个电商网站"

✅ 正确:拆分为小模块
   1. 地址选择 → 完成并测试
   2. 商品展示 → 完成并测试
   3. 购物车 → 完成并测试
   4. 结算 → 完成并测试
   5. 支付 → 完成并测试

5.2 保持上下文

迭代时告诉 AI:
- "基于上一版代码修改"
- 或粘贴上一版关键代码
- 明确指出修改位置

5.3 工具选择

工具 用途 推荐度
VS Code 代码编辑器 ⭐⭐⭐⭐⭐
GitHub Copilot AI 代码补全 ⭐⭐⭐⭐⭐
Cursor AI 原生 IDE ⭐⭐⭐⭐
Claude Code 命令行 AI ⭐⭐⭐⭐
Windsurf AI 编程 ⭐⭐⭐

5.4 常见陷阱

陷阱 后果 正确做法
需求太模糊 AI 理解偏差 结构化描述
一次给太多 代码混乱 每次一个模块
不测试就继续 Bug 累积 每步必测
忽略代码评审 安全/性能问题 必须评审

六、7 大实战案例

6.1 企业级 Text-to-BI 系统

项目 内容
需求 自然语言查询数据的系统,支持数据可视化
传统耗时 2 周
VibeCoding 耗时 3 天(效率提升 6 倍)
关键步骤 结构化需求 → 分模块开发 → AI 生成测试
结果 代码减少 20%,Bug 降低 58%,文档 95%

6.2 AI 驱动任务调度仪表盘

项目 内容
需求 工作订单 → 可视化时间线 + 优先级过滤
实现方式 自然语言描述 → AI 生成 HTML/CSS/JS + 后端逻辑
优势 快速验证交互,无需 prototyping 工具

6.3 视频字幕自动生成工具

项目 内容
需求 视频 → 自动生成 SRT 字幕 + 时间轴
流程 语音识别 → 翻译 → 字幕文件
效率 传统数小时 → AI 10 分钟(90% 工作)

6.4 个人项目:音乐播放器原型

项目 内容
需求 复古风格播放器(播放/暂停/音量/浏览)
实现方式 描述交互逻辑 → AI 生成 HTML5 Canvas + JS
结果 2 小时完成可交互原型

6.5 招聘简历分析仪表盘

项目 内容
需求 上传简历 → AI 分析技能 + 匹配岗位 + 生成报告
流程 自然语言 → Python (pandas + LLM) → 可视化报告
效率 人工筛选效率提升 80%

6.6 跨境 AI 应用(不懂代码)

项目 内容
案例 "发型模拟" 应用(上传照片 → 预览不同发型)
流程 中文描述需求 → AI 调用图像生成 + 前端框架
结果 无需编码,3 天完成 MVP 上线

6.7 团队协作:初级开发者效率提升

项目 内容
模式 初级开发者用 VibeCoding,资深开发者专注架构
效率对比 初级产出提升 5 倍,资深专注架构优化

七、行业应用

行业 应用场景
科技/软件开发 快速原型、代码生成、测试
视频/内容创作 自动字幕、剪辑自动化
企业应用/数据分析 自然语言 BI、仪表盘
创业/出海 非技术创业者快速验证 MVP
工具/脚本开发 数据处理、文件操作自动化

八、优势总结

VibeCoding vs 传统开发

维度 传统开发 VibeCoding
需求到代码 数周 数天
原型验证 需原型工具 自然语言 → 可运行代码
迭代速度 慢(手动改代码) 快(AI 批量修改)
测试生成 手动编写 AI 自动生成
文档 容易忽略 AI 同步生成

VibeCoding vs 纯 AI 生成

维度 纯 AI 生成 VibeCoding
流程规范 ❌ 随意 ✅ 规范流程
代码质量 ❌ 良莠不齐 ✅ 先测后写
可维护性 ❌ 低 ✅ 高
复杂需求 ❌ 容易混乱 ✅ 拆分模块

九、使用方式

触发场景

用户说「帮我用 VibeCoding 做一个费用跟踪器」→ 展示完整流程
用户说「VibeCoding 怎么做」→ 展示使用步骤
用户说「有哪些案例」→ 展示 7 大实战案例
用户说「AI 编程工作流」→ 展示规范流程图
用户说「需求怎么描述」→ 展示结构化描述模板

组合使用

用户:「帮我用 VibeCoding 开发一个博客系统」
→ 步骤一:明确需求(结构化描述)
→ 步骤二:拆分模块(用户模块、文章模块、评论模块)
→ 步骤三:生成原型(每次一个模块)
→ 步骤四:迭代优化
→ 步骤五:验收收尾

十、与其他技能关联

本技能 关联技能 关系
VibeCoding browser-use 浏览器自动化测试
VibeCoding ai-research-tools AI 辅助开发
VibeCoding thinking-knowledge-system 思考四层次(需求分析)
VibeCoding mckinsey-frameworks 战略分析框架

十一、参考资料

  • GitHub: addyosmani/agent-skills (25k ⭐)
  • 工具推荐:VS Code + GitHub Copilot / Cursor / Claude Code

本技能整合 Google VibeCoding AI 编程工作流的完整规范与实战指南

相关专题

更多
LLVM自定义Pass怎么写
LLVM自定义Pass怎么写

本专题聚焦LLVM自定义Pass开发,整理Pass类结构、run()方法、PreservedAnalyses、CMake构建、插件注册、-load-pass-plugin加载和测试用例编写流程。

2026.09.30

0

10

LLVM RISC-V参数配置教程
LLVM RISC-V参数配置教程

本专题介绍LLVM对RISC-V基础ISA和扩展的支持方式,涵盖RV32、RV64、标准扩展、实验性扩展、厂商扩展、-menable-experimental-extensions和版本差异。

2026.09.30

0

14

LLVM IR中间表示入门指南
LLVM IR中间表示入门指南

本专题整理LLVM IR的核心概念,包括中间表示作用、模块结构、函数、基本块、SSA形式、类型系统和常见语法,帮助新手理解LLVM编译流程中的关键层。

2026.09.30

0

12

PDF转图片方法
PDF转图片方法

需要把 PDF 页面用于上传、预览、分享或图片归档时,PDF 转图片方法专题整理 JPG/PNG 格式选择、逐页导出、清晰度设置、批量下载和结果检查等流程,帮助用户稳定完成 PDF 图片化处理。

2026.09.30

0

26

PixTV AI视频生成与无限画布创作
PixTV AI视频生成与无限画布创作

PixTV专题整理AI视频与视觉内容创作相关功能使用教程,涵盖AI生图、视频生成、无限画布、多模型创作、素材管理、声音音乐及视频剪辑等功能,帮助用户快速掌握PixTV从创意到成片的完整制作方法。

2026.09.29

0

15

Buffalo框架数据库开发全教程
Buffalo框架数据库开发全教程

本专题围绕Buffalo框架数据库开发,讲解database.yml多环境配置、soda与fizz迁移生成回滚、模型结构体标签、增删改查与条件查询、一对多与多对多关联、数据校验、回调钩子、事务处理及原生SQL执行能力。

2026.09.23

0

15

Buffalo框架路由与请求处理实操指南
Buffalo框架路由与请求处理实操指南

本专题讲解Buffalo框架路由与请求处理机制,涵盖路由注册与分组、资源路由、Handler编写规范、Context上下文方法、参数绑定、中间件编写挂载、Session与Cookie读写、Flash消息及错误页面定制方法。

2026.09.23

0

15

Buffalo框架零基础入门教程
Buffalo框架零基础入门教程

本专题整理Buffalo框架入门内容,涵盖Go环境准备、buffalo CLI安装、新项目生成、目录结构说明、dev热加载启动、数据库连接配置与常见报错排查,帮助新手按约定优于配置的思路跑通第一个Buffalo框架应用。

2026.09.23

0

15

Conan创建软件包配方指南
Conan创建软件包配方指南

本专题介绍通过conanfile.py创建软件包的方法,讲解包名、版本、依赖和构建设置等基础信息,以及source、build、package、package_info等常用方法的作用及编写思路。

2026.09.22

0

12

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
相关推荐
/
热门推荐
/
最新课程
Fitten Code官方手册
Fitten Code官方手册

共0课时 | 0人学习

CodeGeex使用手册
CodeGeex使用手册

共0课时 | 0人学习

Microsoft Copilot官方手册
Microsoft Copilot官方手册

共0课时 | 0人学习