从"提示工程"到"氛围编程"：我们如何与 AI 协作构建软件？

你是否曾感觉，与 AI 协作编程时，与其说是在下达精确指令，不如说是在营造一种“氛围”或“感觉”，引导它走向你期望的解决方案？

最近，我观看了一段引人深思的 YouTube 视频，主讲人 Tom 分享了他在使用 AI 工具进行“Vibe Coding”（我将其译为“氛围编程”）的经验与最佳实践。这不仅仅是一系列技巧的罗列，更揭示了人机协作编程范式正在发生的深刻转变。本文将为你梳理视频中的核心观点，并分享我对此的几点思考。

核心心法：将 AI 视为一门需要“沟通”的新语言 #

视频的核心观点是，我们应该停止将 AI 视为一个简单的指令执行者，而是把它当作一门全新的编程语言来看待。这意味着，你需要为它提供充足的上下文、清晰的目标和必要的背景信息，才能获得高质量的输出。模糊的指令只会得到平庸甚至错误的结果。

高效“氛围编程”的战术与策略 #

基于上述心法，Tom 分享了一系列极具操作性的实战技巧：

1. 规划与测试先行，而非代码先行

先写测试用例：不要让 AI 编写测试，而是手动编写高阶的集成测试用例。这相当于为 AI 的编码工作设定了清晰、严格的“验收标准”，能有效约束其行为，确保功能按预期实现。
先规划架构：在动手编码前，花时间与 AI（如纯语言模型）一同规划项目的范围和架构。将规划结果存为 Markdown 文件，然后分步实施，每一步都进行测试和版本提交。这避免了直接编码导致的混乱。

2. 严格的版本控制与风险管理

严守 Git 流程：在AI介入前，确保代码库是干净的。一旦 AI 把事情搞砸，你可以轻松回滚到上一个稳定版本。这是与 AI 协作的“安全网”。
警惕“兔子洞”：时刻监控 AI 是否陷入了重复生成无效代码的怪圈。一旦发现，立即暂停，重新评估问题或让 AI 自我反思失败的原因。

3. 优化 AI 的工作环境与输入

善用多种 AI 工具：Tom 建议同时使用 Cursor 和 Windsurf 等工具，因为它们各有千秋。例如，Cursor 响应快，适合前端任务；而 Windsurf 则能处理更复杂的代理和提示修改。
提供本地文档：将项目依赖的 API 文档下载到本地，让 AI 可以直接访问。这能极大提升它在遵循特定库或框架规范时的准确性。
输入方式多样化：除了文本，还可以利用截图来向 AI 展示 UI 错误或设计灵感，甚至使用语音输入来加速指令下达。

4. 扩展 AI 的角色边界

AI 也是你的老师：可以让 AI 详细解释它生成的代码，这对于学习新技术或语言非常有帮助。
处理非编码任务：利用 AI 处理配置 DNS、设置托管、创建并调整图像等任务，全方位提升开发效率。

我的几点思考：这不仅仅是技巧，更是思维模式的革命 #

Tom 分享的经验，表面上是“术”，但其背后蕴含的是“道”的转变。

1. 从“工程师”到“架构师+指挥家” “氛围编程”这个词非常传神。它意味着开发者的角色正在从亲手砌砖的“工程师”，转变为设计蓝图的“架构师”和引导 AI 乐团演奏的“指挥家”。我们的核心工作不再是逐行编写实现逻辑，而是定义问题、规划路径、设定约束，并对最终结果进行验证和整合。代码实现这一环节，则在很大程度上交给了 AI 这个“超级实习生”。

2. 基础工程能力变得更加重要 视频反复强调测试、架构规划和版本控制，这恰恰说明，在 AI 时代，扎实的软件工程基础非但没有过时，反而变得前所未有的重要。因为 AI 会放大你的输入，一个清晰的规划会产出优秀的代码，而一个混乱的想法则会制造出一堆难以维护的“代码屎山”。没有严格的工程规范作为护栏，AI 的强大生产力很可能成为一场灾难。

3. “上下文”是新的生产资料 无论是提供测试用例、架构文档，还是本地 API 文档，其本质都是在为 AI 提供高质量的“上下文”。未来，一个优秀开发者的价值，或许不再仅仅体现在他能写出多精妙的代码，更体现在他能否为 AI 精准、高效地构建解决问题所需的完整上下文。管理和组织这些上下文本身，就将成为一项核心技能。

总结

“氛围编程”不仅仅是一种新潮的说法，它深刻地揭示了人机协作的新范式。我们正从一个精确控制的时代，迈向一个模糊引导、高效协同的时代。正如视频最后所说，AI 模型日新月异，我们必须保持开放心态，持续试验。

与其担忧被 AI 取代，不如主动学习如何成为一名优秀的“指挥家”，掌握与 AI 共舞的艺术。这或许就是未来十年软件开发者的核心竞争力所在。