vibe coding全栈开发工作流（含运维）
内容提要
文章介绍“vibe coding”全栈开发工作流：先建 Git 仓库并确定清晰的代码结构，编写 AGENTS.md 说明技术栈与规范并持续完善；用 docs/todo.md 打磨需求，借 plan 模式排序后交由 AI 开发，大需求生成交接文档；最后通过 GitHub Actions 构建并推送镜像，由 ArgoCD 与 K8s 自动部署。
延伸解读
先定结构再让 AI 写代码
文章强调在让 AI 生成代码前，先确定清晰的目录结构，可借鉴成熟开源项目或模板。作者认为若直接让 AI 生成结构，结果好坏不确定，因此花时间选择自己能理解和维护的结构，是降低后续维护风险的关键一步。这提示读者：vibe coding 的效率优势建立在前期人工约束之上，而非完全放手。
AGENTS.md 是持续迭代的协作契约
AGENTS.md 用于向 AI 说明项目目标、技术栈、依赖管理、编码规范和注释语言等，避免每次重复申明。文章特别指出它无法一次性写完美，也不存在可复制的万能方案，建议先让 AI 探索生成再按需修改，并随需求与工具链更新持续完善。作者本人会写入的规则包括：开发或修改功能时创建或修改对应测试用例，并确保测试全部通过。
用 docs 目录减少 AI 猜测
文章建议创建 docs/todo.md 记录需求，再用 plan 模式让 AI 排序、分类并梳理依赖关系，确定顺序后再逐个或多个并行开发。若需求涉及外部接口，应把接口文档或参考代码放入 docs 目录，避免 AI 靠猜而猜错。开发完成后，对新需求或较大改动，可在 docs/handoff 下按“年月日-需求描述”生成交接文档，便于后续追溯。
CI/CD 把部署从手动操作中解放
文章指出功能完成、测试通过后，手动执行脚本或登录服务器部署会打断开发节奏。其方案是用 GitHub Actions 在提交推送后自动构建镜像并推送到指定 Docker 镜像仓库，再由 ArgoCD 与 K8s 完成后续部署，实现代码推送后应用自动更新。文章也说明运维部分因篇幅较长留待后续，读者需注意该工作流在此处并未完整展开。
Q&A
vibe coding全栈开发工作流需要哪些环境？
需要三个环境：1. GitHub仓库；2. Docker镜像仓库；3. k8s+argocd+image-updater。
为什么在编写代码前要先确定代码结构？
清晰的目录结构对后续维护至关重要。如果让AI直接生成，结果可能好也可能不好，为了将不好的可能性扼杀在摇篮，花时间选择一个自己能理解和维护的代码目录结构非常重要。可以借鉴成功的开源项目或使用template项目，比如full-stack-fastapi-template。
AGENTS.md文件的作用是什么？应该如何编写和完善？
AGENTS.md是给AI的代码说明文件，类似README.md给人看。可以说明项目是干什么的、用什么技术栈、依赖管理工具、编码规范、注释是否用中文等，即你希望不用每次跟AI申明的事情都写进去。不要认为能一次性写完美或复制完美方案，每个项目不同，最好先让AI探索生成一个，然后根据需求修改，并随着需求更新和工具链迭代不断修改完善。
如何打磨需求并让AI开始开发？
首先创建docs目录，放一个todo.md文件记录要完成的需求，然后使用plan模式让AI帮你排序、分类以及确定依赖关系。确定顺序后，可以一个个或多个需求同时开始。需求可能需要外部接口文档或参考代码，这些内容可以放到docs目录，这样AI就不用到处研究和猜了。需求打磨好之后AI会给你一份计划，如果计划没有问题就可以切换到build模式让AI开发。
开发完成后，什么情况下需要让AI编写交接文档？命名格式是怎样的？
根据需求的难度和改动范围，可以选择是否让AI编写交接文档。对于一些新需求和大一点的需求，一般会在确认没有问题之后，让AI在docs/handoff目录生成对应的交接文档，命名格式是“年月日-需求描述”，比如'2026-08-20-add-rabc.md'。
如何实现提交代码后自动构建镜像并部署？
使用GitHub Actions功能，提交并推送代码后自动构建镜像并推送到指定的Docker镜像仓库。推送到镜像仓库之后，后续的部署操作由ArgoCD和k8s完成，实现应用自动更新。
