氛围编程在“道、法、术”三个层面的理解🧣

在过去八个月的时间里，我一直在深入研究"氛围编程"。今天，我想和大家系统地分享我对氛围编程在"道、法、术"三个层面的理解。

首先，我们来谈谈"道"的层面，也就是氛围编程的核心理念和哲学。我个人认为，Beyond vibe coding本书在这方面写得最好，它从理论角度深入探讨了这一概念。

氛围编程，它不仅仅是一种技术，更是一种全新的编程哲学。

在AI与编程结合的背景下，我发现，人工智能（AI）目前能够完成大约70%的简单编程工作。但那剩余的30%呢？它们涉及复杂的架构、安全性、可靠性以及人性部分，这些最终仍然需要我们人工来执行。我个人认为，自然语言很可能是下一代编程语言的形式。

接下来，我们进入"法"和"术"的层面，也就是具体的工具和实践。我发现，在掌握氛围编程的"术"层面，更多时候在于掌握相关的工具。

当前主流工具概览：
- 国内： 百度、字节、阿里、腾讯、华为等公司提供的工具。
- 国际： 像cursor、AWS (kiro)、V0、Lovable、Replit等在线工具。

在这八个月的实践中，我深切体会到解决实际问题是核心，工具只是外在形式。

现在我遇到的一个实际问题，就是需要一个能够翻译英文PDF的中文网站。我尝试用上面的所有氛围编程的工具去实现，但未能成功。

提示词：

一个专业的、用户友好的英文PDF中文翻译网站。主要功能包括上传英文PDF文件、启动翻译过程、下载翻译后的中文PDF文件以及查看翻译进度。采用干净的白色、蓝色和绿色配色方案。

我的实践与挑战：
- cursoer： 我认为它是目前使用效果较好的工具之一。它支持初始化安装、MCP制作及基础操作。
- Firebase： 我尝试用它制作英文PDF中文翻译网站，但未能成功实现功能。
- 美团的Nocode系统： 需要申请API才能接入，当时也未能实现预期功能。
- V0系统和bolt系统： 我尝试后也未能成功。
- Lovable： 虽然功能尚未完全实现，但部署后的网页页面效果最佳，原型制作速度快、效果好。如果大家想做原型，我推荐使用L。
- Replit： 前端样式表现尚可，但部署需要升级付费计划。
- Deepseek： 制作原型时，前端样式表现也不错。
- 国内其他工具 (如Trae、阿里的Qoder、Codeboddy)： 它们普遍使用了类似Claudle4.0的模型，导致制作出的样式基本相同。

最终，我是通过"豆包 "的工具解决了这个问题。这个工具已经直接实现了文档上传、翻译和下载的完整功能。这个经历让我明白了一个重要的道理：很多时候我们不需要重复造轮子，因为很可能已经有现成的工具解决了类似的问题。

工具的价值，不在于其设计是否复杂，而在于它能否真正解决问题。能解决问题的工具就是好工具，反之，功能再强大也无用。

展望未来，在AI编程领域，我认为竞争的核心将聚焦于两个方面。

AI编程学习路径建议：
- 1.0版本体系 (以Trae为例)： 我认为这是当前最快上手的学习体系。它涵盖了AI管理、编辑器、MCP、上下文模型和规则等方面。学习者需掌握构建AI管理体系、配置MCP、完成上下文协议、配置和使用对应模型，以及掌握相关工具。
- 2.0版本体系： 在1.0基础上，2.0版本强调学习如何集成SaaS服务、后端AI服务以及掌握前端架构能力。
未来竞争的关键要素是：
- 模型质量： 工具是谁的模型做得好，谁就能脱颖而出。
- 宏观架构能力 (提示词工程能力)： 人的能力是编写和优化提示词的能力，它能够决定你是否能更好地解决对应问题。宏观架构能力越强，做出的东西就会越好。掌握正确的提示词工程，是解决对应问题的核心知识。

无论工具如何演进，我们最终的核心目标始终是：用工具来解决我们遇到的实际问题。