Vibe Vibe 教程 5.5 知边界:Vibe Coding 的能与不能——能力边界、局限性与人机协作正确心态
Vibe Vibe 教程 5.5 知边界:Vibe Coding 的能与不能——能力边界、局限性与人机协作正确心态
本篇技术指南围绕 vibe-vibe 开源教程「基础篇」第 5 章「知边界」展开,系统回答一个核心问题:Vibe Coding(AI 辅助编程)到底擅长什么、不擅长什么,以及如何判断自己何时需要跨越边界。读完本篇,你将掌握 Vibe Coding 的六大擅长场景与五大局限性、理解「70% 问题」与「80% 墙」这两个关键概念,学会用六个「升级信号」判断自己的学习阶段,并建立「信任但验证」的人机协作心态——这些能力可以直接指导你当前正在进行的个人工具与全栈项目实践。
一、为什么要知道边界:边界不是为了限制,而是为了更好发挥
你可能会想:「学这个干嘛?知道能做什么不就行了?」这个想法很自然,但了解边界其实是为了更好地发挥,而不是限制你。
打个比方:你买了一辆代步车,它能让你轻松在城市里通勤。但如果你开着它去越野、去赛车,结果可能不太美好。知道它擅长什么、不擅长什么,才能把它用在最合适的地方。Vibe Coding 也是如此:
| 知道边界后 | 你可以 |
|---|---|
| 了解擅长领域 | 在这些领域大胆尝试,快速出成果 |
| 了解局限性 | 遇到困难时不自我怀疑,知道是工具的问题 |
| 识别升级信号 | 在正确的时机决定是否深入学习 |
| 建立正确心态 | 把 AI 当工具而非魔法,保持掌控感 |
一句话总结:知道边界,是为了在边界内玩得更好,也为了在需要时勇敢跨越边界。
二、先看数据:AI 编程已是主流
在讨论 Vibe Coding 能做什么之前,先看一组 2025 年的真实数据:
| 数据 | 来源 |
|---|---|
| 41% 的代码现在由 AI 生成或辅助 | Stack Overflow 2025 开发者调查 |
| 84% 的开发者正在使用或计划使用 AI 编程工具 | Index.dev 2025 报告 |
| 82% 的开发者每周使用 AI 编程工具 | Second Talent 2025 统计 |
| 25% 的新代码由 AI 辅助完成 | Google 2025 官方数据 |
这些数字说明:你学习 Vibe Coding,不是在追赶潮流,而是在拥抱已经到来的现实。
这一点在本仓库中同样可以印证:vibe-vibe 教程的核心理念是 OpenAI 联合创始人 Andrej Karpathy 提出的「从 Coder 到 Commander」——通过自然语言与 AI 对话,让编程从「写代码」转变为「对话式创作」(见 README.md)。仓库内 demos/ 目录下的示例项目,本身就是用这套方法产出的可运行代码。
三、Vibe Coding 擅长的六大场景
场景一:个人工具
为什么擅长:需求由你自己定义,不需要考虑复杂的用户权限、多人协作、海量数据。AI 能完整理解你的意图。
| 项目类型 | 复杂度 | 成功率 |
|---|---|---|
| 待办清单 | 低 | 很高 |
| 习惯打卡器 | 低 | 很高 |
| 个人记账本 | 中 | 高 |
| 读书笔记管理 | 中 | 高 |
| 个人密码管理(本地版) | 中 | 高 |
真实案例:你在第四章做的待办清单,就是典型的个人工具。从零到能用,可能只花了一两个小时。
仓库中 demos/demo-01-todo 正是这一场景的完整实现:一个基于 Next.js 的待办应用,其数据表定义在 src/db/schema.ts 中仅有 id、title、completed、category、dueDate、order、createdAt 几个字段,结构简单、边界清晰——这正是「个人工具」类型的典型形态:不需要用户系统,不需要云端同步,一个人用,需求自己说了算。
场景二:原型验证
为什么擅长:原型的目标是「快速验证想法是否可行」,不需要完美,不需要能承载百万用户。Vibe Coding 的速度优势在这里发挥得淋漓尽致。
根据 Index.dev 2025 的报告,使用 AI 编程工具的开发者:
- 完成原型的速度提升 30%-75%
- GitHub Copilot 用户每周完成的项目数量增加 126%
典型场景:
- 创业者验证一个产品想法
- 学生为课程项目做 Demo
- 向老板或客户演示一个概念
场景三:效率脚本
为什么擅长:脚本通常是「输入 → 处理 → 输出」的线性流程,逻辑清晰,没有复杂的状态管理。这正是 AI 最擅长的模式。
| 脚本类型 | 示例 |
|---|---|
| 文件批处理 | 批量重命名、批量压缩图片、整理下载文件夹 |
| 数据转换 | Excel 转 JSON、CSV 合并、格式标准化 |
| 自动化任务 | 定时备份、自动发邮件提醒、爬取公开数据 |
一个真实场景:假设你每周要把 10 个 Excel 表格合并成一个汇总表。手动做需要 30 分钟,用 Vibe Coding 写个脚本可能只需要 10 分钟,而且以后每周只需要运行一下,几秒钟搞定。
场景四:数据分析与可视化
为什么擅长:数据分析有明确的输入(数据)和输出(图表/结论),中间的处理步骤可以清晰描述。AI 能很好地理解「我想看 XX 数据的 YY 趋势」这类需求。
| 分析类型 | 适合程度 |
|---|---|
| 销售数据趋势分析 | 很适合 |
| 问卷调查结果可视化 | 很适合 |
| 个人消费分析 | 很适合 |
| 简单的统计报告 | 很适合 |
场景五:静态网站
为什么擅长:静态网站没有复杂的后端逻辑,主要是「展示内容」。HTML + CSS + 少量 JavaScript,是 AI 最熟练的领域之一。
| 网站类型 | 复杂度 | 成功率 |
|---|---|---|
| 个人简历页面 | 低 | 很高 |
| 作品集展示 | 低 | 很高 |
| 活动宣传页 | 低 | 很高 |
| 个人博客(静态) | 中 | 高 |
| 小型企业官网 | 中 | 高 |
场景六:学习编程概念
为什么擅长:AI 可以用你能理解的语言解释代码,帮你建立直觉。你不需要先学会语法才能开始做东西,而是在做的过程中逐渐理解。
这正是 Vibe Coding 的核心价值:降低入门门槛,让「做中学」成为可能。
四、一个共同特征:问题边界清晰
如果你仔细看上面六个场景,会发现它们有一个共同特征:
问题的边界是清晰的。
- 个人工具:你自己用,需求你说了算
- 原型验证:只需要「能演示」,不需要「能上线」
- 效率脚本:输入输出明确
- 数据分析:数据是固定的,分析目标是明确的
- 静态网站:内容是确定的,交互很简单
- 学习概念:目标是「理解」,不是「生产」
当问题边界清晰时,AI 能很好地理解你的意图,生成的代码大概率能直接用。
五、AI 生成的代码并不完美:先看另一组数据
这些是 2025 年的真实数据,不是为了吓你,而是帮你建立正确预期:
| 数据 | 来源 | 含义 |
|---|---|---|
| 45% 的 AI 生成代码未通过安全测试 | Veracode 2025 | 将近一半的代码有安全隐患 |
| 46% 的开发者不完全信任 AI 生成的代码 | Index.dev 2025 | 专业开发者也保持谨慎 |
| 过度依赖 AI 导致 bug 增加 41% | Index.dev 2025 | 不检查就用会出问题 |
| 使用 AI 工具的开发者实际完成任务慢了 19% | METR 2025 研究 | 但他们感觉快了 20% |
最后一条数据特别有意思:开发者觉得自己变快了,但实际上变慢了。这说明 AI 带来的「流畅感」可能是一种错觉。
这不是说 AI 没用,而是说:AI 是工具,不是魔法。需要你来把关。
六、「70% 问题」:AI 能做 70%,剩下 30% 要你来
Google 工程师 Addy Osmani 在 2025 年提出了一个观察:
AI 可以轻松完成一个项目的 70%——生成样板代码、实现标准功能、处理常规逻辑。但剩下的 30% 才是真正的挑战:复杂的业务逻辑、边界情况处理、系统架构决策、性能优化。
| AI 擅长的 70% | 需要人类的 30% |
|---|---|
| 生成样板代码 | 设计系统架构 |
| 实现标准功能 | 处理复杂业务逻辑 |
| 写基础的增删改查 | 优化性能瓶颈 |
| 套用常见模式 | 处理边界情况 |
| 快速出原型 | 确保代码安全 |
对于基础版学习者来说,好消息是:你做的项目大部分在「70%」的范围内。待办清单、个人工具、简单网站——这些正是 AI 最擅长的。
七、「80% 墙」:项目做到 80% 后,每一步都变难
另一个常见现象是「80% 墙」:
用 AI 快速做出一个项目的初版很容易,但当你想添加更多功能时,会发现每增加一个功能都比上一个更难。到了大约 80% 的时候,项目会撞上一堵「墙」。
为什么会这样?
| 阶段 | AI 的表现 | 原因 |
|---|---|---|
| 0-50% | 很顺利 | 需求简单,代码量少,AI 能完整理解 |
| 50-80% | 开始吃力 | 代码变复杂,AI 开始「忘记」之前的上下文 |
| 80%+ | 非常困难 | 新功能会影响旧功能,AI 难以把握全局 |
这不是你的问题。这是 AI 工具本身的限制——它的「记忆」(上下文窗口)是有限的,无法像人类一样理解整个项目的来龙去脉。从源码角度看,这也可以理解为:当项目文件数量增长、模块间依赖关系变复杂后,AI 能同时「看到」的上下文范围就会显得不足。
八、Vibe Coding 不擅长的五大场景
场景一:复杂业务逻辑
为什么困难:AI 不理解你的业务背景。它能写出「看起来正确」的代码,但逻辑可能是错的。
真实例子:
- 你让 AI 写一个「会员积分系统」
- AI 生成了代码,看起来能运行
- 但它不知道你们公司的积分规则有特殊情况:满 100 积分送 10 积分、生日当天双倍积分、积分有效期 1 年……
- 结果:代码能跑,但业务逻辑全错
场景二:大型项目
为什么困难:AI 的「上下文窗口」是有限的。当项目有几十个文件、几千行代码时,AI 无法同时「看到」所有内容。
| 项目规模 | 文件数 | AI 的表现 |
|---|---|---|
| 小型(待办清单) | 1-3 个 | 很好 |
| 中型(个人博客) | 5-10 个 | 还行 |
| 大型(电商网站) | 50+ 个 | 力不从心 |
会发生什么:
- 代码重复(AI 忘记你已经写过类似功能)
- 命名不一致(同一个概念用不同的名字)
- 结构混乱(没有统一的组织方式)
场景三:安全关键功能
为什么困难:安全漏洞往往藏在细节里,AI 倾向于生成「能用」的代码,而不是「安全」的代码。
根据 Veracode 2025 报告:
- 86% 的 AI 生成代码未能防御跨站脚本攻击
- 88% 的 AI 生成代码未能防御日志注入攻击
典型问题:
- 没有验证用户输入
- 没有正确处理敏感数据
- 使用了有已知漏洞的库
这就是为什么 5.3 节专门讲安全(详见 5.3 安全)——AI 在这方面需要你来把关。
场景四:性能优化
为什么困难:AI 倾向于选择「最简单」的实现方式,而不是「最高效」的。
真实例子:
- 你让 AI 写一个「搜索功能」
- AI 用最简单的方式实现:遍历所有数据,逐个比较
- 数据少的时候没问题
- 数据多了(比如 10 万条)就会变得很慢
会发生什么:
- 小数据量测试时一切正常
- 上线后用户变多,系统变慢
- 你不知道慢在哪里,因为代码「看起来没问题」
场景五:调试复杂 bug
为什么困难:AI 只能看到你给它的信息,无法像人类一样「追根溯源」。
| 简单 bug | AI 能帮忙 |
|---|---|
| 语法错误 | 能 |
| 明显的逻辑错误 | 能 |
| 报错信息清晰的问题 | 能 |
| 复杂 bug | AI 很难帮 |
|---|---|
| 间歇性出现的问题 | 难 |
| 涉及多个文件的问题 | 难 |
| 需要理解业务上下文的问题 | 难 |
| 「修了这里,坏了那里」的问题 | 难 |
九、一个形象的比喻:翻译软件与深度生活
Vibe Coding 就像有了翻译软件去国外旅游:
| 场景 | 翻译软件表现 | Vibe Coding 对应 |
|---|---|---|
| 点餐、问路 | 完全够用 | 做个人工具、简单网站 |
| 日常聊天 | 基本够用 | 实现标准功能 |
| 深入讨论专业话题 | 力不从心 | 处理复杂业务逻辑 |
| 谈判、演讲 | 几乎不行 | 大型项目、高安全要求 |
翻译软件能让你的旅行更轻松,但如果你想在那个国家长期生活、工作,还是需要学习语言本身。
Vibe Coding 也是如此:它能让你快速做出东西,但如果你想做更复杂的项目,可能需要学习更多编程知识。
十、六个「升级信号」:什么信号告诉你需要学更多
当你在 Vibe Coding 过程中遇到以下情况,可能是时候考虑学习更多了。
信号一:同一个 bug 反复出现
表现:
- 你让 AI 修了一个 bug,过几天又出现了
- AI 每次给的修复方案都不一样,但问题还是会复发
- 「修了这里,坏了那里」的情况频繁发生
背后原因:AI 只能看到表面症状,不理解问题的根本原因。它给的是「止痛药」,不是「根治方案」。
需要学习的方向:调试基础、程序运行原理
信号二:项目越改越乱
表现:
- 代码文件越来越多,你不知道每个文件是干什么的
- 同样的功能在好几个地方都有,不知道改哪个
- 每次添加新功能都提心吊胆,怕影响已有功能
背后原因:缺乏代码组织的知识。AI 生成的代码是「能用」,但不一定「好维护」。
需要学习的方向:代码结构、模块化、设计模式基础
信号三:撞上「80% 墙」
表现:
- 项目初期进展很快,现在每加一个功能都要花很长时间
- AI 的回答开始变得不靠谱,经常「忘记」之前的约定
- 你开始怀疑是不是要推翻重来
背后原因:项目复杂度超出了 AI 的「上下文窗口」能力。
需要学习的方向:项目规划、架构设计、或者学会拆分项目
信号四:想要用户登录功能
表现:
- 你想让用户注册账号、登录
- 你想让用户的数据保存在云端,换设备也能用
- 你想区分不同用户,让他们只能看到自己的数据
背后原因:这需要「后端」和「数据库」——基础版没有涵盖的内容。
需要学习的方向:后端开发、数据库、用户认证(进阶版内容)
信号五:想做手机 App
表现:
- 你想让作品在手机上像「真正的 App」一样运行
- 你想发布到应用商店
- 你想使用手机特有的功能(摄像头、推送通知等)
背后原因:网页和 App 是不同的技术栈,需要额外的知识。
需要学习的方向:移动开发基础、或者 PWA(渐进式网页应用)
信号六:AI 的回答越来越离谱
表现:
- AI 给的代码完全跑不起来
- AI 开始「胡说八道」,给出不存在的函数或库
- 你问同一个问题,每次得到完全不同的答案
背后原因:你的需求已经超出了 AI 的能力边界,或者你的问题描述让 AI 无法理解。
需要学习的方向:
- 如果是简单问题:提高提示词质量(回顾 第三章 提示词技巧)
- 如果是复杂问题:学习更多编程知识,减少对 AI 的依赖
十一、升级信号速查表
| 信号 | 表现 | 可能的原因 | 建议方向 |
|---|---|---|---|
| 同一 bug 反复出现 | 修了又出现 | AI 治标不治本 | 学习调试基础 |
| 项目越改越乱 | 不知道代码在哪 | 缺乏代码组织知识 | 学习代码结构 |
| 撞上 80% 墙 | 每步都很难 | 复杂度超出 AI 能力 | 学习架构/拆分项目 |
| 想要用户登录 | 需要账号系统 | 需要后端知识 | 进入进阶版 |
| 想做手机 App | 发布到应用商店 | 不同技术栈 | 学习移动开发 |
| AI 回答离谱 | 代码跑不起来 | 超出 AI 能力边界 | 学习更多编程知识 |
十二、自测清单:你现在在哪个阶段?
诚实地回答以下问题,勾选符合你情况的选项:
基础阶段(如果大部分是这些情况,继续用基础版即可):
- [ ] 我的项目只有 1-3 个文件
- [ ] 我做的是个人使用的小工具
- [ ] 大部分 bug 让 AI 帮忙就能解决
- [ ] 我对现在的项目规模感到满意
成长阶段(如果开始出现这些情况,可以考虑进阶):
- [ ] 我开始想要添加更多功能
- [ ] 有些 bug 反复出现,AI 修不彻底
- [ ] 我想让别人也能用我的工具
- [ ] 我对代码「为什么能工作」产生了好奇
进阶阶段(如果这些情况明显,建议进入进阶版学习):
- [ ] 我需要用户登录功能
- [ ] 我需要数据存储在云端
- [ ] 项目文件超过 10 个,开始感到混乱
- [ ] AI 的回答经常不靠谱
十三、这些信号不是坏事
遇到升级信号,说明:
- 你已经做出了东西——很多人还停留在「想做但没动手」的阶段
- 你在真正使用工具——而不是浅尝辄止
- 你的需求在增长——这是好事,说明你有想法
这些信号是成长的标志,不是失败的证明。
十四、遇到信号后怎么办
| 选项 | 适用情况 | 行动 |
|---|---|---|
| 简化需求 | 核心功能已满足,额外功能是「锦上添花」 | 砍掉复杂功能,保持简单 |
| 重新开始 | 项目已经乱到无法维护 | 用学到的经验重新设计 |
| 进入进阶版 | 确实需要更复杂的功能 | 系统学习后端、数据库等知识 |
| 寻求帮助 | 某个具体问题卡住了 | 问社区、找教程、请教懂的人 |
记住:大多数人在基础版阶段,能做出非常有用的工具。不是每个人都需要进入进阶版。进阶是一个选择,不是必须。根据你的需求和兴趣来决定。
十五、正确的心态:AI 是聪明但没经验的实习生
想象一下,你有一个实习生:
- 学历很高,知识面很广
- 执行力强,让他做什么他就做什么
- 但是没有工作经验,不了解你公司的具体情况
- 有时候会犯低级错误,需要你检查
AI 就是这样的「实习生」。
| AI 的优势 | AI 的局限 |
|---|---|
| 知识储备丰富 | 不了解你的具体情况 |
| 执行速度快 | 缺乏判断力 |
| 不会疲劳 | 会自信地犯错 |
| 随叫随到 | 不会主动质疑你的需求 |
关键洞察:你不能完全依赖一个实习生,但一个好的实习生能大大提高你的效率。AI 也是如此。
十六、你是指挥官,AI 是执行者
这是最重要的心态转变:
| 角色 | 你(指挥官) | AI(执行者) |
|---|---|---|
| 决策 | 决定做什么、为什么做 | 提供选项和建议 |
| 执行 | 验收结果 | 生成代码和内容 |
| 质量 | 最终把关 | 按要求输出 |
| 责任 | 承担后果 | 无 |
一个重要的事实:AI 生成的代码,最终责任在你。
这不是坏事。这意味着你是掌控者。你决定用什么、不用什么、怎么修改。AI 只是你的工具,不是你的老板。
十七、三种错误的心态
错误心态一:完全依赖
表现:
- AI 说什么就是什么
- 不检查 AI 生成的代码
- 出了问题怪 AI
后果:
- 代码质量不可控
- 安全隐患不自知
- 遇到 AI 解决不了的问题就卡住
错误心态二:完全不信任
表现:
- 觉得 AI 生成的代码都不靠谱
- 每一行代码都要自己重写
- 不敢用 AI 生成的任何东西
后果:
- 浪费了 AI 带来的效率提升
- 错过了快速验证想法的机会
- 学习曲线变得更陡峭
错误心态三:期望过高
表现:
- 以为 AI 能一次性完成复杂项目
- 描述很模糊却期望完美结果
- 遇到问题就觉得「AI 不行」
后果:
- 频繁失望
- 错误归因(明明是描述不清,却怪 AI)
- 放弃使用 AI
十八、正确的心态:信任但验证(Trust but verify)
英语里有句话叫「Trust but verify」(信任但验证),用在 AI 协作上非常合适。
| 阶段 | 信任 | 验证 |
|---|---|---|
| 生成代码 | 相信 AI 能给出合理的起点 | 检查代码是否符合预期 |
| 修复 bug | 相信 AI 能找到问题 | 测试修复是否真的有效 |
| 添加功能 | 相信 AI 能实现基本功能 | 检查是否影响了已有功能 |
| 安全相关 | 不要信任 | 必须仔细检查 |
底线:涉及安全的内容(密码、密钥、用户数据),永远不要盲目相信 AI。
十九、从「消费者」到「创造者」的转变
使用 Vibe Coding 的过程,其实是一个身份转变的过程:
| 消费者心态 | 创造者心态 |
|---|---|
| 「给我一个完美的解决方案」 | 「给我一个起点,我来完善」 |
| 「这个不行,换一个」 | 「这个差一点,帮我改这里」 |
| 「AI 应该懂我想要什么」 | 「我需要把想法说清楚」 |
| 「出了问题是 AI 的错」 | 「出了问题我来解决」 |
创造者心态的核心:你是主人,AI 是助手。你对结果负责,你有能力改进它。
二十、实用的协作技巧
基于正确的心态,这里有一些实用的协作技巧:
技巧一:分步验证
不要让 AI 一次性完成大任务。分成小步,每步验证。
❌ 不好的做法
「帮我做一个完整的待办清单应用」
✅ 好的做法
「先帮我做一个能显示任务列表的页面」
(验证通过后)
「现在添加一个输入框,可以添加新任务」
(验证通过后)
「添加删除功能」
技巧二:要求解释
当 AI 给出代码时,要求它解释关键部分。
「这段代码的 localStorage 部分是怎么工作的?请用简单的语言解释」
如果 AI 解释得清楚,说明代码可能是对的。如果解释得模糊或矛盾,说明需要警惕。
技巧三:测试边界情况
AI 生成的代码通常处理「正常情况」很好,但边界情况容易出问题。
测试清单:
- 如果输入为空会怎样?
- 如果输入特别长会怎样?
- 如果快速重复点击会怎样?
- 如果网络断开会怎样?
技巧四:保持质疑
即使代码能运行,也要问自己:
- 这真的是我想要的效果吗?
- 有没有我没注意到的问题?
- 如果数据量变大,还能正常工作吗?
二十一、进阶版预告:突破天花板
回顾:基础版你学会了什么
| 章节 | 核心能力 | 你能做什么 |
|---|---|---|
| 第一章 | Vibe Coding 基础认知 | 知道 AI 编程是什么、选对工具 |
| 第二章 | 产品思维 | 想清楚做什么、为谁做、解决什么问题 |
| 第三章 | 提示词工程 | 把想法清晰地告诉 AI |
| 第四章 | 实战开发 | 从零做出一个完整的个人工具 |
| 第五章 | 精进技能 | 版本管理、部署上线、安全意识、迭代思维 |
你已经能做的事情:
- 做出一个能用的个人工具(如待办清单、记账本)
- 把作品部署到互联网上,分享给朋友
- 用版本管理保护你的代码
- 识别和避免常见的安全问题
- 根据反馈持续改进你的作品
这已经非常了不起了。 很多人想学编程多年,但从未真正做出过可以上线的东西。
基础版的边界在哪里
| 能做 | 限制 |
|---|---|
| 个人使用的工具 | 只能本地存储,换设备数据会丢失 |
| 静态网站 | 没有用户系统,无法区分不同用户 |
| 简单的交互 | 数据量大时可能变慢 |
| 单人开发 | 多人协作会遇到问题 |
| 不能做 | 需要什么 |
|---|---|
| 用户注册登录 | 后端 + 数据库 + 用户认证 |
| 数据云端同步 | 服务器 + 数据库 |
| 多用户协作 | 权限管理 + 实时同步 |
| 大型项目 | 架构设计 + 代码组织 |
| 手机 App | 移动开发技术栈 |
如果你的需求在「能做」的范围内,基础版已经足够。
进阶版将解锁的新能力
模块一:理解代码原理——从「代码能跑就行」到「知道为什么能跑」:理解代码如何运行、读懂 AI 生成的代码、掌握调试方法论。
模块二:数据库开发——数据不再「只存在浏览器里」:理解什么是数据库、如何设计数据结构、掌握基础增删改查。
模块三:后端开发——能做需要服务器的应用:理解前后端架构、会写简单的 API、了解服务器基本概念。
模块四:用户认证——能做多用户的应用:掌握注册登录原理、安全的密码处理、权限控制基础。
模块五:团队协作与项目管理——能参与团队项目,管理更大的代码库:Git 进阶使用、代码审查、项目规划。
进阶版学习路径预览
基础版毕业
│
├─→ 如果只想做个人工具 → 继续用基础版,享受创造的乐趣
│
└─→ 如果想突破边界 → 进入进阶版
│
├─→ Bootcamp:补齐计算机基础
│
├─→ 前端深入:组件化、状态管理
│
├─→ 后端入门:API、数据库
│
├─→ 全栈整合:做一个完整应用
│
└─→ 部署运维:让应用稳定运行
你需要进入进阶版吗?
如果以下大部分回答是「是」,你可以考虑进入进阶版:
- [ ] 我想做的东西需要用户登录功能
- [ ] 我希望数据能在不同设备同步
- [ ] 我想让多个人一起使用同一个应用
- [ ] 我对「代码是怎么工作的」产生了好奇
- [ ] 我想参与团队开发或者开源项目
- [ ] 我有明确的目标,需要更复杂的功能
如果以下大部分回答是「是」,继续用基础版就够了:
- [ ] 我做的东西主要是自己用
- [ ] 本地存储已经能满足我的需求
- [ ] 我对「为什么能工作」不太关心,能用就行
- [ ] 我没有明确需要用户系统的需求
- [ ] 我享受现在的创造过程,不想增加复杂度
两种选择都是对的。 基础版已经能让你做出很多有用的东西。进阶是一个选择,不是必须。
从「玩具」到「真正的应用」
如果用一句话总结进阶版的价值:
基础版让你能做「玩具」——有用、好玩、但有限制。
进阶版让你能做「真正的应用」——可以给很多人用、可以商业化、可以长期维护。
这个跨越需要更多的学习,但也会带来更大的可能性。
二十二、仓库里的实证:边界在源码中如何体现
「知边界」不只是理论,在 vibe-vibe 仓库的 demos 示例中就能直观看到从基础版到进阶版的跃迁:
边界内(基础版形态):demos/demo-01-todo 的待办应用数据表只有 7 个字段,无用户概念,数据直接落在本地——这正是「个人工具」场景的典型实现(见 src/db/schema.ts)。
跨越边界(进阶版形态):到了 demos/demo-02-todo-auth,同样一个待办应用,数据表扩展出 user、session、account、verification 四张用户认证相关表,且 todos 表增加了 userId 外键字段(见 src/db/schema.ts)——这正是「信号四:想要用户登录功能」的落地答案:需要后端、数据库与用户认证,也就是进阶版要系统学习的内容。
更进一步的 demos/demo-03-social-schema 则展示了更复杂的后端数据建模:其 package.json 中出现了 drizzle-kit push、seed、transactions、pagination、advanced-queries 等十余个脚本命令,涉及事务、分页、高级查询、数据导出——项目复杂度明显上升,对应着「大型项目」「复杂业务逻辑」需要更多人工介入的领域。
这也再次印证本节的判断:问题边界清晰时,AI 几乎可以全权负责;一旦涉及用户系统、多用户数据隔离、复杂查询与事务,就需要学习更多、承担更多。
二十三、总结:边界之内尽情发挥,边界之外勇敢跨越
本节要点回顾:
- 2025 年,41% 的代码由 AI 生成或辅助,AI 编程已是主流,你学习 Vibe Coding 是在拥抱已经到来的现实。
- Vibe Coding 擅长六大场景:个人工具、原型验证、效率脚本、数据分析、静态网站、学习概念——它们的共同特征是「问题边界清晰」。
- AI 生成的代码并不完美:45% 有安全隐患、86% 未能防御 XSS 攻击、88% 未能防御日志注入,专业开发者中也有 46% 不完全信任 AI 代码。
- 「70% 问题」:AI 能完成项目的 70%,剩下 30%(架构、业务逻辑、性能、安全、边界情况)需要人类智慧。
- 「80% 墙」:项目做到 80% 后,每增加一个功能都变难,这是 AI 上下文能力限制所致,不是你的问题。
- 五大不擅长场景:复杂业务逻辑、大型项目、安全关键功能、性能优化、复杂 bug 调试。
- 六个升级信号:bug 反复、越改越乱、80% 墙、想要登录、想做 App、AI 离谱——它们是成长的标志,不是失败的证明。
- 正确心态:AI 是「聪明但没经验的实习生」,你是指挥官、AI 是执行者;避免完全依赖、完全不信任、期望过高三种错误心态,坚持「信任但验证」。
- 进阶是选择,不是必须:基础版足以做出个人工具与静态网站,需要用户登录、云端同步、多用户协作时再进入进阶版系统学习后端、数据库、用户认证与团队协作。
无论你选择继续用基础版,还是进入进阶版学习,你都已经迈出了重要的一步。从「想做但不知道怎么做」到「能做出东西并上线」——这个跨越比你想象的更有价值。AI 让你能做更多,但不能替你做决定。你是创造者,AI 是你的工具。用好它,但不要依赖它。
延伸阅读:本章后续总结见 5.6 启程前:本章总结与进阶预告;进阶版学习可直接参考本教程的进阶篇目录与仓库中的三个渐进式示例 demo-01-todo、demo-02-todo-auth、demo-03-social-schema。