Vibe Coding 实践：当代码不再需要手写
内容提要
文章以真实项目为例指出，AI编程的关键不是让AI写代码，而是用工程手段确保其写对。核心是三层上下文模型，其中项目级CLAUDE.md回报最高。瓶颈已从生成转向验证，需用ast-grep和pre-commit流水线强制合规。适合CRUD、测试等低验证成本任务，连续失败三次应自己写，工程师要求实际更高。
延伸解读
上下文投资的复利效应
文章强调，AI编程水平取决于上下文供给水平。三层上下文模型中，项目级上下文（如CLAUDE.md）回报最高：一次投入约8小时，却能惠及所有任务，形成复利。任务级上下文每次需5-10分钟，仅对当前任务有效；会话级上下文则随对话结束而消失。因此，花时间打磨项目级上下文是最高ROI的举措。
验证成为新瓶颈
根据文章中的时间分配，验证与修复占40%，而等待AI仅占5%。瓶颈已从代码生成转向验证。AI生成的代码看似正确，却可能隐藏细微bug，需要人工仔细审查。这解释了为什么工程师在AI时代要求更高：不仅要懂系统，还要能高效验证。
强制合规优于依赖自觉
文章以ast-grep拦截delete=False为例，说明不能依赖AI“自愿遵守”规则，而应通过pre-commit流水线强制合规。自动化验证流程包括ruff格式化、ast-grep扫描、Conventional Commits检查等，确保AI代码符合项目规范。这种工程手段将规则转化为机器可执行的检查，降低了人为疏忽的风险。
止损阈值与任务选择
文章建议，AI连续失败三次、解释领域知识超过5分钟或涉及安全敏感逻辑时，应自己编写。适合AI的任务是验证成本低的，如CRUD API、单元测试、配置文件等；而复杂业务、性能优化、算法设计则验证成本高，易成泥潭。合理选择任务类型并设定止损点，能避免陷入无效循环。
Q&A
Vibe Coding 的核心思想是什么？
核心思想不是让 AI 写代码，而是用工程手段确保 AI 写对代码。重点从生成转向验证，通过上下文管理和自动化验证来保证质量。
三层上下文模型具体指什么？哪一层回报最高？
三层上下文模型包括项目级上下文（如 CLAUDE.md）、任务级上下文（提示词）和会话级上下文（聊天历史）。其中项目级上下文回报最高，一次投入长期受益。
为什么说 AI 编程的瓶颈从生成转向了验证？
因为 AI 能快速生成代码，但验证代码正确性需要大量时间。实际项目中，40% 的时间花在验证和修复上，而不是写代码。
如何用 ast-grep 和 pre-commit 确保 AI 代码合规？
通过 pre-commit 流水线，在提交前自动运行 ruff 格式化和检查、ast-grep 扫描。ast-grep 可以拦截不良模式，如禁止使用 delete=False 的临时文件，强制 AI 遵守规则。
哪些任务适合交给 AI，哪些不适合？
适合低验证成本的任务，如 CRUD API、单元测试、配置文件、数据库迁移。不适合高验证成本的任务，如复杂业务逻辑、性能优化、算法设计。
什么时候应该放弃让 AI 写代码，自己动手？
当 AI 连续失败三次、解释领域知识超过 5 分钟、或涉及安全敏感逻辑时，应该自己写。
AI 时代对工程师的要求是降低了还是提高了？
要求提高了。工程师需要从“会写代码”转向“理解系统并验证代码”，需要更强的架构和验证能力。
