vibe-vibe 教程 5.5.4:AI 是工具,不是魔法——Vibe Coding 人机协作的正确心态
vibe-vibe 教程 5.5.4:AI 是工具,不是魔法——Vibe Coding 人机协作的正确心态
本指南对应开源教程 vibe-vibe 基础篇第 5.5 章「知边界」的 5.5.4 小节,聚焦 Vibe Coding 中最重要的非技术能力:与 AI 协作的正确心态。你将建立对 AI 能力的合理预期、学会以「指挥官」而非「依赖者」的定位使用 AI,并通过仓库中 demo-01-todo 的源码级证据,理解「信任但验证」如何在真实项目中落地为输入校验、单元测试与状态回滚。读完本节,你将不再把 AI 当魔法,而是把它当作一位「聪明但没经验的实习生」来调度、把关和担责。
AI 是聪明但没经验的实习生
先建立一个核心比喻:想象你手下有一个实习生——学历很高、知识面很广、执行力强,让他做什么他就做什么,但他没有工作经验,不了解你公司的具体情况,有时候还会犯低级错误,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。
这个比喻与教程前一节(5.5.2 Vibe Coding 的局限性)提到的「70% 问题」完全呼应: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%——复杂的业务逻辑、边界情况处理、系统架构决策、性能优化——才是真正的挑战,需要人来把关。把 AI 当实习生,就是在心理上预设「它只能做好一部分,其余需要我补位」,而不是预设「它能包办一切」。
你是指挥官,AI 是执行者
这是本节最重要的心态转变,也是整个 vibe-vibe 教程贯穿始终的理念——README 开篇就点明,项目践行 OpenAI 联合创始人 Andrej Karpathy 提出的 Vibe Coding 理念,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」。指挥官模式的具体分工如下:
| 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。教程第 1.1.1 节(从 Coder 到 Commander)记载了 Karpathy 对 Vibe Coding 的原话——「你完全沉浸在感觉中,拥抱指数级变化,甚至忘记代码的存在」——但「忘记代码的存在」不等于「放弃对代码的责任」。恰恰相反,正是因为你把注意力从「怎么写」转移到「做什么、怎么验收」,你才真正站在了指挥官的岗位上。
三种错误的心态
正确心态的建立,先从识别错误开始。以下三种心态是初学者最容易踩的坑。
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
这种心态对应着上一节(5.5.3 升级信号)里的典型场景:同一个 bug 反复出现、「修了这里坏了那里」频繁发生——因为你不检查、不验证,AI 给的是「止痛药」而不是「根治方案」,问题自然反复复发。
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
「完全不信任」和「完全依赖」是同一枚硬币的两面:都放弃了「我是指挥官」的主动位置。指挥官的职责是验收,而不是代写——既不是全盘照收,也不是逐行重写。
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
期望过高,本质上是把「实习生」误当成「资深专家」来用。教程 5.5.2 记载的「80% 墙」现象也印证了这一点:用 AI 快速做出项目初版很容易,但当你想添加更多功能时,每增加一个功能都比上一个更难——这不是 AI「不行」,而是工具本身存在上下文窗口与全局理解力的边界。把边界当失败,就会错误归因。
正确的心态:信任但验证
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。
这条底线在教程第 5.3 章「安全」有专门的展开:5.3.2 绝对禁区列出了永远不要发送给 AI 的内容——API 密钥(sk-abc123...、AKIA...)、数据库连接字符串(postgres://user:pass@host/db)、真实密码、私钥/证书、个人身份信息、公司机密、JWT Token 等,核心原则是「假设你发送给 AI 的任何内容都可能被公开」;5.3.3 代码中的安全隐患则总结了 AI 生成代码中最常见的五类问题:硬编码密钥、跳过输入验证、不安全的默认配置(如 cors({ origin: '*' }))、向用户过度暴露错误信息、使用过时或有已知漏洞的库。
也就是说,「信任但验证」不是一句口号:信任意味着给 AI 一个尝试的机会(它确实擅长生成合理的起点);验证则具体化为——检查输入有没有被校验、密钥有没有进 .env 和 .gitignore、错误信息有没有过度暴露、依赖库有没有过时。
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。
注意「消费者心态」的第三行——「AI 应该懂我想要什么」对应的正确姿势是「我需要把想法说清楚」。这正是 vibe-vibe 教程第 3 章(技法篇)反复训练的能力:把模糊想法拆解为清晰的用户旅程、PRD 与 P0/P1/P2 优先级。心态转变与技术训练相辅相成:心态上承认「表达是我的责任」,技法上学会「如何把想法表达清楚」,AI 的产出质量才会真正提升。
实用的协作技巧
基于正确的心态,这里有一些可以直接上手的协作技巧。
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"
「分步验证」对应教程 5.5.2 中「80% 墙」的破解思路:项目复杂度一旦超出 AI 的上下文窗口,它的表现就会断崖式下降。把大任务切成 AI 上下文窗口能容纳的小块、每块都验证通过后再继续,正是绕过「80% 墙」最实用的策略——它同时也在 5.5.3 中被列为「项目越改越乱」时的建议方向:学会拆分项目。
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?
技巧三、技巧四尤其适合与仓库中的测试资产结合来练习——见下一节,vibe-vibe 的 demo-01-todo 已经为你展示了「边界情况」在真实项目里长什么样。
仓库实证:看「信任但验证」如何在 demo-01-todo 中落地
「信任但验证」不是抽象原则。在 vibe-vibe 仓库的 demo-01-todo 示例项目中,你能看到它被工程化地实现为输入校验 + 单元测试 + 状态回滚三层机制——这正是 AI 协作产出物应该具备的「可验证性」形态。
第一层:输入校验(验证 AI 生成代码的入口)
demo-01-todo 的校验规则 使用 zod 定义了创建待办的约束:
import { z } from 'zod'
export const createTodoSchema = z.object({
title: z.string().min(1, '标题不能为空').max(200, '标题最多 200 字'),
category: z.enum(['inbox', 'work', 'personal']).optional(),
dueDate: z.string().optional(),
})
export type CreateTodoInput = z.infer<typeof createTodoSchema>
注意这里正是「技巧三:测试边界情况」的答案——空标题(min(1))、超长标题(max(200))都被显式约束,分类被限定为三个合法枚举值。在 POST /api/todos 路由 中,AI 生成的代码用 createTodoSchema.safeParse(body) 校验请求体,校验失败立即返回 400 和具体错误信息,而不是盲目入库:
const body = await request.json()
const parsed = createTodoSchema.safeParse(body)
if (!parsed.success) {
return Response.json({ error: parsed.error.issues[0].message }, { status: 400 })
}
第二层:单元测试(把「验证」变成自动化)
vitest 测试用例 直接覆盖了边界情况——空标题返回 400、缺少 title 字段返回 400、正常创建返回 201:
it('标题为空时应该返回 400', async () => {
const request = new Request('http://localhost/api/todos', {
method: 'POST',
headers: { 'Content-Type': 'application/json' },
body: JSON.stringify({ title: '' }),
})
const response = await POST(request)
expect(response.status).toBe(400)
})
「信任 AI 能找到问题,但要测试修复是否真的有效」——在工程上就是:AI 写的每个接口都要配测试,用测试结果替代主观感觉。
第三层:状态回滚(验证失败时的兜底)
前端在 lib/queries.ts 中为添加、切换、删除、排序都实现了乐观更新,并且在 onError 中把 UI 状态回滚到操作前——「如果网络断开会怎样」这个边界问题,在这里有了工程答案:先乐观展示(信任),请求失败就回滚(验证失败,及时纠错)。
此外,PATCH/DELETE 接口 还会校验 URL 中的 id 是否为合法正整数(Number.isFinite(numId) && numId > 0,否则返回 400),并在更新不存在的记录时返回 404——这些都是在「保持质疑」精神下,对 AI 生成的增删改查代码做的安全加固。
把这三层机制和 5.3.3 的隐患清单对照看,结论很清晰:验证不是对 AI 的不信任,而是对「AI 会自信地犯错」这一事实的工程化回应。你不需要每一行都重写(错误心态二),但你需要让每一次产出都经过校验、测试与回滚机制的检验。
本节要点
- AI 是「聪明但没经验的实习生」——能帮大忙,但需要你把关
- 你是指挥官,AI 是执行者——你决定做什么、验证结果、承担责任
- 避免三种错误心态:完全依赖、完全不信任、期望过高
- 正确心态是「信任但验证」——相信 AI 能给出好的起点,但必须检查
- 从「消费者」转变为「创造者」——你是主人,对结果负责
- 在工程层面,「验证」体现为三层机制:输入校验(zod schema)、单元测试(vitest)、状态回滚(乐观更新 + onError 恢复)
::: tip 一句话总结 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(本章及关联章节)
- 上一节:5.5.3 什么信号告诉你需要学习更多 —— 六个「升级信号」与自测清单,判断当前心态是否健康
- 下一节:5.5.5 进阶版预告
- 章节总览:5.5 知边界:Vibe Coding 的能与不能
- 安全底线:5.3.2 绝对禁区:永远不要告诉 AI、5.3.3 代码中的安全隐患
- 理念源头:1.1.1 从 Coder 到 Commander
- 工程示例:demo-01-todo 项目(校验、路由、测试、乐观更新的完整源码)
