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

原创2026-10-11 17:58:431,821 阅读
文章标签:教程Vibe Coding提示工程人工智能

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。

vibe-vibe 教程 5.5.4「正确的心态」章节示意图

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)

登录后查看全文
vibe-vibe