Vibe Coding 的能与不能:vibe-vibe 教程中的场景边界与工程判断指南
Vibe Coding 的能与不能:vibe-vibe 教程中的场景边界与工程判断指南
导读:本文围绕《Vibe Vibe》基础篇附录 F「Vibe Coding 的能与不能」展开,系统梳理 Vibe Coding 真正擅长的场景、必须谨慎对待的场景,以及判断"该不该快"的实用标准。读完你将掌握一套可直接套用的项目边界判断方法:什么项目适合用 AI 快速迭代起步,什么项目必须引入更专业的工程与审查流程,以及如何用"出错代价"这一个维度快速完成决策。
Vibe Coding 正在改变软件的生产方式:从 Andrej Karpathy 提出这个概念开始,越来越多开发者与非开发者开始用自然语言"指挥"AI 完成从想法到产品的全过程。但《Vibe Vibe》基础篇从第一页就在强调一个容易被忽略的事实:不要神化 Vibe Coding,也不要低估它。它很适合很多场景,但不是所有项目都应该用同一种方式推进(见 附录 F 原文)。
一、为什么要给 Vibe Coding 划边界
Vibe Coding 的本质,是把编程从"写代码"变成"对话式创作"。OpenAI 联合创始人 Andrej Karpathy 曾这样描述它:完全沉浸于编程的"氛围"中,甚至忘记代码的存在(见 README 核心理念)。正是这种"低门槛、高反馈"的特性,让 Vibe Coding 成为零基础学习者、产品原型验证和内部工具开发的高效手段。
但低门槛不等于零风险。划边界的原因有两个:
- 能力边界是真实的:AI 生成代码的速度快,但正确性、稳定性、合规性不会自动达标。资深工程师的共识是"速度变快并不等于质量自动达标",未经审查的 AI 代码直接进入代码库,会把技术债务同步放大(见 《Vibe Coding 不是低质量工作的借口》)。
- 场景差异是真实的:同样是"用 AI 做东西",做一个个人主页和做一个金融交易系统,风险模型完全不同。前者出错可以马上改,后者出错可能意味着资金损失和责任问题。
所以,本文要做的不是"劝退"或"鼓吹",而是帮你建立一套边界感:知道什么时候该快速试、什么时候该慢下来、什么时候该求助专业支持。这套边界感在《Vibe Vibe》中贯穿始终——基础篇用第 5 章专门讲"知边界"(见 基础篇第 5 章),本文则是把这张边界地图完整展开。
二、Vibe Coding 很适合这些事
以下是基础篇给出的"很适合用 Vibe Coding 起步"的场景清单,它值得原样保留并逐条展开:
| 场景 | 为什么适合 |
|---|---|
| 个人主页、作品集 | 反馈直观,容易快速迭代 |
| 原型验证 | 能很快把想法做出来,判断值不值得继续 |
| 内部小工具 | 范围可控,目标明确,适合快速落地 |
| 活动页、展示页、简单应用 | 页面和交互可以快速推进 |
1. 个人主页、作品集:反馈最直观的场景
这是 Vibe Coding 的"最佳练习场"。基础篇第 1 章的教学路径就是"从素材到主页":先准备"我是谁、我想让别人看到什么、别人最可能问什么"等真实素材,再用填空式模板生成第一版原型(见 基础篇 1.1 素材准备)。这类项目的优点在于:
- 错误成本低:排版不满意、文案不对,改就是了,没有任何连锁风险;
- 反馈闭环短:改完立刻能预览、立刻能请朋友看,迭代速度快;
- AI 输出足够"像样":主页所需的结构(头像、名字、介绍、作品区、聊天入口)都是模式化组件,AI 很容易生成可用版本。
2. 原型验证:用最低成本判断"值不值得继续"
原型验证是 Vibe Coding 最有价值的用途之一。当你想验证一个想法时,最怕的不是想法不好,而是投入大量时间后才发现方向错了。用 AI 快速拼出一个可交互的原型,能让你在几天内(甚至几小时内)判断"这个产品值不值得继续做"。这正是基础篇反复强调的"先做出一个能预览、能展示、能简单聊天的版本,而不是一次做到完美"(见 基础篇 4.1)。
3. 内部小工具:范围可控的"零风险"地带
内部小工具(脚本、自动化任务、团队内部面板)非常适合 Vibe Coding,因为它的边界天然清晰:
- 用户是自己或熟悉的同事,需求容易说清楚;
- 出错影响可控,坏了修就好,不会牵连外部用户;
- 不需要追求生产级完美,"现在能用"就是合格。
仓库里的 demo 项目就是这类场景的样板:demo-01-todo 是一个用 Next.js + Drizzle ORM + Vitest 实现的 Todo 增删改查应用,功能单一、范围明确,非常适合用 AI 快速搭出并逐步加测试(见 demos 说明)。
4. 活动页、展示页、简单应用:页面与交互快速推进
活动页、产品展示页、落地页这类"以页面呈现为主"的应用,Vibe Coding 的优势在于"所说即所得":你描述需求,AI 直接生成页面。配合组件库(如基础篇附录 C 提供的 UI 速查词),你可以很轻松地告诉 AI"首屏信息太散,加强主次关系""让聊天入口更明显,但不要喧宾夺主"(见 附录 C UI 速查卡),把界面迭代推进得又快又准。
三、这些场景不能"轻率"对待
同样,基础篇也给出了一个必须谨慎对待的场景清单:
| 场景 | 为什么要更谨慎 |
|---|---|
| 高并发核心系统 | 牵涉性能、稳定性和复杂架构 |
| 金融交易核心链路 | 风险高,错误成本极大 |
| 强合规、强审计系统 | 不是只做出来就够,还涉及流程与责任 |
| 高敏感数据系统 | 安全、权限、审计要求更高 |
请注意原文档的措辞:这不是说 AI 不能参与这些系统,而是说这些场景不能只靠"先 vibe 一把"来推进。
为什么这些场景更难
从仓库的代码结构可以直观看出复杂系统的"复杂度来源":
- 数据与权限层:demo-03-social-schema 展示了真实业务系统的数据层有多讲究——用户、帖子、评论、点赞、关注、标签、事务、分页、校验,每一个环节都要在写入前验证(例如昵称 1–50 字、评论 1–500 字、帖子内容 1–2000 字的边界约束,见 validation.ts)。高敏感数据系统里,这种校验每多一层,责任就重一分。
- 认证与权限层:demo-02-todo-auth 展示了加入用户系统后的变化——Better Auth 认证、游标分页、虚拟列表,意味着每个请求都要经过身份验证和权限检查(见 demos 说明)。金融、医疗、企业级系统的"每个请求都安全",是 AI 一次生成无法保证的。
- 审计与合规层:强审计系统要求"每一步都有记录、每个人都能说清为什么",这不是页面能不能打开的问题,而是流程与责任的问题。
正如基础篇 5.3 节所说:这类系统需要的是"专业的工程与审查流程",Vibe Coding 可以参与其中一部分(比如生成样板代码、辅助编写测试),但人类必须始终留在回路里审查和把关(见 《Vibe Coding 不是低质量工作的借口》)。
四、一条最实用的判断标准:出错代价决定方法论
原文档给出了一个极其凝练、可直接上手的判断标准,这是全文最值得记住的部分:
如果一个项目一旦出错,代价主要是"体验不好、要继续改",那通常很适合 Vibe Coding 起步;如果一旦出错,代价会变成"资金损失、隐私风险、严重责任问题",那就必须更谨慎,甚至需要更专业的工程与审查流程。
把它展开成决策流程,你在启动任何项目前都可以这样自问:
1. 这个项目出错的最坏后果是什么?
├─ 体验不好、要重新改 → 放心用 Vibe Coding 快速起步
├─ 资金损失 → 谨慎,引入资金相关的专业设计与审查
├─ 隐私风险 / 数据泄露 → 谨慎,安全边界必须前置
└─ 严重责任问题(法律、审计、人身安全)→ 必须走专业工程流程
2. 如果最坏后果我能接受并修复,就大胆试;
3. 如果最坏后果我无法承担,就从第一天起引入约束。
这个标准之所以好用,是因为它不问"我是不是程序员"、不问"项目大不大",只问"出错了会怎样"。它把抽象的能力边界,压缩成一个具体的风险评估问题,任何人都能回答。
五、更细的边界:什么任务适合交给 AI,什么不适合
除了"项目级"判断,还可以做"任务级"判断。参考《Vibe Coding 不是低质量工作的借口》一文对用例的划分(见 原文),我们可以把任务分成两类:
👍 适合交给 AI 加速的任务:
| 任务类型 | 为什么适合 |
|---|---|
| 快速原型 / 概念验证 | 想验证想法,代码粗糙没关系 |
| 一次性脚本、内部工具 | 低风险,坏了不影响外部用户 |
| 学习与探索 | 让 AI 生成示例,加快对新技术/新 API 的理解 |
| 样板代码、常规 CRUD、重复结构 | 模式清晰,AI 遵循模式的能力强 |
👎 不适合完全放手交给 AI 的任务:
| 任务类型 | 为什么不适合 |
|---|---|
| 企业级复杂系统 | 业务逻辑、并发、安全、合规要求深,AI 无法保证 |
| 长期维护的代码库起点 | 没有强约束时,AI 生成的大杂烩会成为糟糕的地基 |
| 关键算法与性能优化 | AI 可能在数据量小时正常、规模变大时崩溃 |
| 可解释性、清晰度优先的场景 | 审计员、他人需要能轻松读懂的代码 |
仓库的 demo 学习路径恰好演示了这条"任务边界":demo-03-social-schema 先让你理解数据库 Schema 设计与事务,demo-01-todo 再让你跑通完整 CRUD 与测试,demo-02-todo-auth 最后在 CRUD 之上加入认证与权限——每一步都比上一步更接近"真实系统",每一步也都要引入更严谨的约束(见 demos 学习路径)。这就是"先快后稳"的实操版本。
六、从"能不能"到"怎么做对":负责任使用 Vibe Coding 的实践规则
知道边界之后,更重要的问题是:在适合 Vibe Coding 的场景里,怎么用才不会把项目做坏?《Vibe Vibe》基础篇和优质文章篇给出了几条可落地的最低规则:
1. 人类始终留在回路里:AI 输出必须先审查
把 AI 当作"高速度的实现协作者",而不是"责任承接者"。AI 给出第一稿后,你要做的是阅读并理解、重构混乱的部分、补充缺失的边界处理、加强类型与接口、质疑架构、编写或检查测试。关键规则几乎不该有例外:未经审查的 AI 代码,不要直接并入代码库(见 《Vibe Coding 不是低质量工作的借口》)。
2. 一次只改一个变量
这是基础篇 5.3 节反复强调的排查原则:不要一看到问题就同时改模型、改提示词、改布局、改接口、改环境变量。更稳的方式是先判断更像哪一层的问题,再从那一层开始查(见 基础篇 5.3、附录 B 常见错误与问 AI 流程)。比如数字分身答偏时,你可以这样约束 AI:
现在的问题是:聊天能回复,但回答经常答偏。
请先不要改前端代码,也不要换模型。
先帮我检查当前数字分身说明书缺了什么信息。
3. 守住成本与安全的最低底线
基础篇只要求建立底线意识,但这条底线越早建立越好:
- 成本:选一个默认够用的模型,别一上来就堆最贵的;控制回复长度,回复能说清就行(见 基础篇 5.3)。
- 安全:API Key 不要直接写进代码仓库。
.env专门放"本来就不该直接写进代码"的配置值;.gitignore确保.env这类文件不被提交(见 附录 E)。
进阶版第八章用一个真实教训印证了这条底线:开发者把 .env 提交到公开仓库后,自动化爬虫在几分钟内就盗用了其中的 API Key 并产生大量费用;更关键的是,Git 记录了每一次提交的历史,删除文件并不能抹掉历史(见 进阶版第八章序言)。所以在上线前,至少检查这几件事(来自 基础篇 6.1 上线前自查):
- 页面能正常打开,没有明显报错
- 手机端阅读没有严重错位
- 数字分身可以正常回复
- 你的名字、介绍、作品、联系方式已经不是空白
- API Key 没有写死在代码里,环境变量位置正确
4. 该说不时就说"不"
"知道何时说不"是负责任使用 AI 的一部分:如果 AI 不断为简单问题生成复杂方案,停下来自己写;如果经过几次尝试它没有给出你要的东西,收回控制权以老式方式编码——至少那时你会有完全的理解(见 《Vibe Coding 不是低质量工作的借口》)。
七、在 vibe-vibe 教程中,这条边界线如何贯穿你的学习路径
《Vibe Vibe》的学习路径设计,本身就是一条"由快到稳、由边界到深入"的渐进线:
- 基础篇第 1–3 章:先大胆用 Vibe Coding 做出第一个作品(个人主页 + 数字分身),建立正反馈(见 基础篇第 1 章、第 3 章)。这一阶段正是"出错代价 = 体验不好"的典型场景。
- 基础篇第 4–5 章:给项目装"后悔药"(最小 Git 闭环)、学习数字分身的调校与安全成本底线,开始建立工程意识(见 基础篇 5.3、5.4 小结)。
- 基础篇第 6 章:上线前自查,把作品送进真实环境(见 基础篇 6.1)。至此,"能"的部分走完。
- 进阶篇:当项目复杂度超出"体验不好"的量级,按 附录 G 跳转地图 逐块补课——环境与项目运行基础看第一章,AI 协作与调试看第二章,PRD 与文档驱动看第三章,API 与前后端协作看第七章,密钥与认证安全看第八章,Git 协作看第十一章,部署与运维看第十二章与第十三章。
这条路径最值得注意的一点是:"不能"的部分不是让你永远不碰,而是让你在进入这些领域之前,先把"能"的部分做扎实——会快速试、会描述需求、会审查 AI 输出、会守住安全底线。有了这些基本功,再去碰高并发、金融、合规系统时,你才知道要额外引入什么约束。
八、结语:知道什么时候快、什么时候慢,是成熟的一部分
回到基础篇附录 F 的最后一句话:你现在已经有能力做出真实作品了,但不需要因此假装所有项目都该用同样方式做。知道什么时候该快速试、什么时候该慢下来、什么时候该求助专业支持,本身就是成熟的一部分。
这句话点破了 Vibe Coding 时代最容易被忽视的工程观:AI 让"做出来"变得前所未有地容易,但"做对"、"做稳"、"做负责"依然需要判断力。边界不是限制,而是保护——保护你的时间、你的资金、你的用户,也保护你自己做出的作品。
所以,下一次你准备启动一个新项目时,不妨先停下来问自己三个问题:这个项目出错的最坏后果是什么?我能承受并修复它吗?我是否已经把安全与责任的关键约束前置了? 回答完这三个问题,你就知道该 vibe 起来,还是该慢下来。