正在打开每日关注
正在打开每日关注
通过先调研开源项目、比较方案,再让 AI 开工,提升 Vibe Coding 的决策质量。
最好用的 Vibe Coding 提示词,可能不是: “帮我写一个 App。” 而是: “我想做一个 XXX 项目。先别急着写代码,去 GitHub 找几个类似的开源项目,比较它们的功能、架构、技术栈和优缺点,再给我一份实现方案。等我确认后再动手。” 先找轮子,再定方案,最后开工。 AI 写代码已经很快了,真正拉开差距的是:有没有让它先研究别人踩过的坑。
是什么 这是一条关于 AI 辅助开发流程的方法论观点。作者反对把“帮我写一个 App”作为唯一提示,主张在编码前增加开源项目侦察与方案评审阶段。它的核心不是让模型少写代码,而是把项目启动从直接生成转为先理解问题、寻找先例和明确约束。
核心方法 流程可以拆成“问题定义—GitHub 检索—功能、架构、技术栈与优缺点对比—形成实现方案—人工确认—开始编码”。这样,模型同时承担研究助理和方案合作者角色,人工则保留目标确认与关键取舍的控制权。
关键洞察 “先找轮子”能够复用已有设计经验、工程实践和失败教训,减少重复造轮子,也让后续代码生成拥有更具体的上下文。对于 Agent 工程,这相当于在执行阶段之前增加一个研究与规划阶段,使输出更接近可落地的工程决策,而不只是局部代码片段。
边界与风险 开源项目可能过时、维护不足,或存在许可证、安全和兼容性问题;模型也可能只根据 README 做表面比较。实际使用时仍需检查源码、提交活跃度、测试、许可证与部署条件,并明确评估标准。对于一次性小原型,前置调研的成本未必值得;对于长期项目,则应把研究结论、假设和取舍记录下来,避免方案确认流于形式。