574 - 《Vibe Coding Tips》

关于 Vibe Coding 有个不错的比喻。传统编码想雕刻大理石。你从一块空白的石料开始，小心翼翼地一刀一刀雕琢，一行一行代码，一个一个函数。每一笔都经过深思熟虑，每个决定都由你做出。这很有成就感，但速度很慢。Vibe-coding 更像是指挥一个交响乐团。你不是在演奏每一种乐器，而是在指挥、塑造、引导。AI 提供了原始的音乐天赋，但没有你的愿景，它就只是一堆噪音。

1、选最好的工具和最好的模型。对于我来说，工具目前是 Claude Code > Cursor > 其他，模型是 Claude Opus 4 > Claude Sonnet 4 > Gemini 2.5 Pro > 其他。不要为了节省 Token 和成本而使用较差的模型。好模型的优势是会复利式增长的。同时，也不要为了节省 token 而吝啬于提供上下文，实际上会让你花费更多。这就像为了省油钱每次只加半箱油——结果只会让你更频繁地跑加油站。

2、AI 辅助在未来应该是常态了，如果 AI 辅助了你的代码，不需要藏。所以给每个包含了 AI 工作的 commit 加上 Flag，可以让工作更加透明化。同时也可以让 Review 你代码的人可以更加谨慎一些。

比如可以这样。

# [AI] - Significant AI assistance (>50% generated)
# [AI-minor] - Minor AI assistance (<50% generated)
# [AI-review] - AI used for code review only

这是我在 takumi 里仓库里的实践。

3、AI 是一个放大器。如果你这个系数本身很小，你不会看到多少增益。如果系数是负的，那么… 同时个人感觉是经验丰富的工程师往往能从 AI 工具中获得多得多的价值，因为他们更加会问问题（写出合理的 prompt）。

对比下下面两则 Prompt，效果好坏应该很好预期。

写一个 Python 的限流器，限制用户每分钟 10 次请求。

和

用 Python 实现一个 Token 桶限流器，要求如下：
- 每个用户（通过 `user_id` 字符串识别）每分钟 10 次请求
- 线程安全，支持并发访问
- 自动清理过期条目
- 返回一个元组 (allowed: bool, retry_after_seconds: int)

请考虑：
- Token 是应该逐渐补充还是一次性补满？
- 当系统时钟发生变化时会怎样？
- 如何防止因不活跃用户导致的内存泄漏？

优先选择简单、可读的实现，而不是过早优化。仅使用标准库（不要用 Redis 或其他外部依赖）。

这里分享两个技巧。一个是 metaprompting，先给模型一个简单的任务，然后让它帮我发现其中的权衡和边界情况；另一个是 Plan 模式，给简单任务，然后评估模型给的计划是否合理，不合理则接着调整，直到满意为止。

4、Rules 文件至关重要。这是 Code Agent 在被调用时会自动读取的自定义文档。他让你不用一遍遍地解释你项目的规范，让 Code Agent 的效率会变得出奇地高。

比如这个。

## Project: Analytics Dashboard

This is a Next.js dashboard for visualizing user analytic:

### Architecture Decisions
- Server Components by default, Client Components only when necessary
- tRPC for type-safe API calls
- Prisma for database access with explicit select statements
-