文章探讨如何从随意的 Vibe Coding 转向可靠的工程化 AI Coding，核心做法包括：编写含目标、范围、约束、验收标准和验证方法的 Spec；复杂任务先让 Agent 出 Plan 再改代码；提供项目级与任务级 Context 并保持会话干净；AI 声称完成后核对实际 Diff、测试与构建记录，用 Quality Gate 强制检查；将有效做法固化为 Skill 和带检查点的 Workflow，跨会话保存进度与决策，并评估流程本身是否值得。
作者记账十年，发现传统记账只记录不解决问题，于是基于FIRE理念开发记账App「Coast」：将支出按固定、必要、弹性分类，自动生成预算，计算距离财务自由的时间，并让每笔消费显示对退休日期的影响。他还分享了Vibe Coding开发经验：需明确向AI描述问题、先建设计规范、善用Git、及时开新对话省Token，并强调App上线后运营推广才是真正难点。
作者总结半年AI编程实践：vibe-coding高效但代码不审查、难积累经验，多数弃坑。有效做法包括用git维护AGENTS.md、启用memory、git worktree并行、通用SKILLS、多模型review PR；有害的是省token中间层和过度编排harness。已弃用SDD和plan模式。建议打造个人工作流，与agent多探讨，人类仍需控制复杂度。
文章介绍 vibe coding 全栈开发后的部署与运维实践：放弃无容器方案，改用容器与 Kubernetes；通过 GitHub Actions 完成测试、构建并推送镜像，再由 ArgoCD 与 image updater 自动同步更新；配置 readiness 与 liveness 探针，确保滚动更新不中断，并加入邮件通知；生产环境仅在手动将 dev 合并到 main 后更新。
作者分享了利用AI编程（Vibe Coding）提升工作效率的经验。通过AI辅助，他开发了两个工具：一是基于Python和SQLite的实验室温湿度监控系统，解决数据记录和可视化问题；二是自动生成实验队列的工具，简化标样插入流程。文章强调AI时代个人应成为“架构师”，借助AI实现想法，并提及成本低廉。
一人公司（OMA）趋势兴起，作者分享Vibe Coding实践：采用MonoRepo让AI全面理解系统，用层级上下文文件显性化知识，通过PairLoop快速迭代，倾向多平台多语言而非跨平台统一，提炼经验而非复用代码。核心是缩短反馈循环，AI降低修改成本，人负责判断方向与验收，扩大个人工程能力边界。
作者近期大量使用AI（腾讯混元Hy3）开发项目，惊叹其能力。包括：将博客控制台集成WebMCP供AI调用；逆向Unity3D麻将游戏，用AI生成服务端和隐藏皮肤；制作可在WASM Linux中运行的静态网站生成器；为终端版博客添加高亮、挂载本地文件夹、WebRTC局域网互联及VLESS网关等功能。作者认为AI已超越多数开发者，未来潜力无限。
在Vibe Coding时代，是否使用现成框架取决于问题性质。若涉及标准协议、系统级风险或不可预知的使用场景，应优先用现成方案；若难点在于独特且易变的业务规则，自己写更划算。AI降低了编码成本，但无法替代时间验证的积累，判断标准不变。
文章介绍了vibe coding在普通用户日常生活中的实际应用，通过四个案例展示其价值：自制天气看板汇总深圳和香港预报、开发Chrome插件整理社交媒体收藏、自动禁用Windows更新、以及简化ffmpeg视频转码。这些工具虽简陋，但满足小众需求，强调AI辅助开发的关键在于明确提示词和需求设计。
AI编程浪潮冲击为人类设计的GitHub基础设施，负载58%迁至Azure，但核心仍为Ruby单体，重写选Go而非.NET。危机暴露容量、治理瓶颈，催生Entire等竞品。.NET机会在Agent编排框架（Microsoft Agent Framework）、执行代理层（如OpenClaw.NET）及领域语义上下文层，凭治理与审计优势卡位新基建。
该专利公开了一种利用大模型将产品想法自动生成PRD和用户故事的方法，通过特征列表和评估回路提升结构稳定性。它指出“想法转需求”是vibe coding的上游瓶颈，为独立开发者提供机会：可开发PRD生成工具或提供需求拆解服务，成本低、周期短，但需注意大模型升级带来的竞争风险。
苹果近期强制要求Apple Music中AI参与创作的音乐标注“Made with AI”标签，明确AI生成内容需主动申报，以提升透明度。同时，苹果严格限制第三方Vibe Coding应用，禁止其绕过审核生成代码，但自身在Xcode中集成AI工具。其核心逻辑是控制AI在苹果生态中的使用，确保内容与代码均符合其规则。
本文介绍通过Hermes调用华为云CodeArts代码智能体CLI，在终端实现vibe coding开发。文章详述了开通服务、安装CLI及Hermes的步骤，并强调CodeArts CLI统一入口、API透传和IAM鉴权等优势。最后演示配置AK/SK及连接飞书，实现随时随地编码，提升开发效率。
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。
zcode是作者最爱的vibecoding工具，但opencode新出的muse-spark-1.2-contributor模型更划算，允许数据训练换低价，实测5000万token仅花0.28美元，速度稳定且智能与deepseek v4 flash相当，还支持1M上下文和视觉输入。作者推荐opencode订阅套餐，首月5美元，支持支付宝，邀请链接可获额外额度。
Vibe coding利弊并存。优势在于加速原型开发、降低编程门槛、处理重复任务、改善反馈循环，并让非工程师参与软件开发。劣势明显：易混淆“能运行”与“正确”，存在严重安全隐患，在成熟代码库中反而拖慢专家，且无法处理未明确的需求。它并非替代工程判断，而是放大工具，需谨慎使用。
文章介绍使用opencode等AI编程代理开发大型项目的技巧：选择清晰、模块化的目录结构；创建并定期同步AGENTS.md，写明项目结构、功能、规范和常用命令；避免直接构建，先用plan模式对齐需求，复杂需求用grill-me澄清；每天用improve-codebase-architecture检查优化空间；编写测试用例并确保通过；搭建CI/CD并设置预生产环境。
作者开发了一个名为“vibecoding”的AI代理，并邀请有兴趣者查看。
该课程为“Vibe Coding全栈开发实战训练营”，共9章，涵盖AI编程范式、Cursor与Claude Code实战、驾驭工程及SDD开发。内容包括ChatBot、智能问数平台、多模态知识库等项目，提供代码课件，售价89积分，VIP免费，虚拟商品不支持退款。
作者分享基于 herdr 的多 agent 并发编程工作流：按工作空间划分 worktree，每个 agent 使用 opencode，开五个标签页分别负责每日代码优化、git 合并、运维、bug 修复和终端。流程为拆分需求、建 worktree、用 plan 模式描述需求，并根据 agent 状态（红暂停、绿完成、黄运行）回复；复杂需求用 grill-me 对齐，验收后生成交接报告并合并。该方法适合短平快需求，但需频繁切换上下文，作者极限约两三个 worktree，且依赖对模型和测试用例的信任。
完成下面两步后，将自动完成登录并继续当前操作。
![2026 Vibe Coding全栈开发实战训练营课[完结无密]](https://cdn.jsdelivr.net/gh/dqzboy/Images/picture/Vibe%20Coding%E5%85%A8%E6%A0%88%E5%BC%80%E5%8F%91%E5%AE%9E%E6%88%9802.png)
