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