Vibe Coding 使用指南

用户提问

Q: 怎么去进行"规划驱动 + 上下文固定 + AI结对执行"？怎么使用方法论文档和最佳实践？怎么去使用大量AI提示词？怎么去使用技能库？怎么去使用项目模板和工具？

详细解答

一、如何进行"规划驱动 + 上下文固定 + AI结对执行"

1. 规划驱动（Planning-Driven）

核心理念：先规划再编码，避免 AI 失控

实施步骤：

Step 1: 创建 Memory Bank

bash 复制代码

mkdir my-project
cd my-project
mkdir memory-bank

Step 2: 生成核心文档

product-requirements.md - 产品需求文档
tech-stack.md - 技术栈选型
implementation-plan.md - 实施计划（最重要）
progress.md - 进度记录
architecture.md - 架构说明

Step 3: 人工审查

仔细审查每个文档
确保实施计划的每一步都清晰可执行
修改不合理的地方

关键原则：

✅ 实施计划要拆分成小步骤（每步 < 1小时）
✅ 每步都要有验证标准
✅ 严禁在计划中写代码
❌ 不要让 AI 自主规划（会失控）

2. 上下文固定（Context Anchoring）

核心理念：通过固定的上下文文件，确保 AI 始终知道项目约束

实施步骤：

Step 1: 创建 CLAUDE.md

markdown 复制代码

# 项目上下文文件

## 项目概述
[项目简介]

## 核心约束
- 必须遵守的规则
- 技术限制
- 代码规范

## 禁止的行为
- 不要添加未要求的功能
- 不要过度设计
- 不要修改核心架构

## 开发流程
每次开始工作时使用的提示词模板

## API 设计
[API 规范]

## 数据模型
[数据库设计]

## 当前状态
[项目进度]

Step 2: 每次开始工作时的标准提示词

复制代码

阅读 /memory-bank 所有文档，然后执行实施计划的第 X 步。
我会负责跑测试。在我验证测试通过前，不要开始第 X+1 步。
验证通过后，更新 progress.md 和 architecture.md。

关键原则：

✅ 上下文文件要简洁明确
✅ 明确"能做什么"和"不能做什么"
✅ 每次新会话都要重新加载上下文

3. AI 结对执行（AI Pair Programming）

核心理念：人机协作，人负责验证，AI 负责实现

工作流程：

复制代码

1. 读取上下文 → 2. 执行一步 → 3. 人工验证 → 4. Git 提交 → 5. 新会话 → 重复

详细步骤：

Step 1: 启动会话

复制代码

# 在 Claude Code 或其他 AI 工具中
阅读 memory-bank 所有文档，执行实施计划第 1 步

Step 2: AI 执行

AI 读取文档
AI 实现代码
AI 说明完成了什么

Step 3: 人工验证

bash 复制代码

# 运行测试
npm test

# 手动测试
npm run dev
# 访问 http://localhost:3000 验证功能

Step 4: 提交代码

bash 复制代码

git add .
git commit -m "完成实施计划第 1 步：项目基础设置"

Step 5: 新建会话

关闭当前会话
开启新会话
重新加载上下文
继续下一步

关键原则：

✅ 一次只做一步
✅ 每步都要验证
✅ 频繁切换会话（避免上下文污染）
❌ 不要让 AI 连续执行多步

二、如何使用方法论文档和最佳实践

1. 开发经验文档

位置：i18n/zh/documents/Methodology and Principles/开发经验.md

核心内容：

变量命名规范
文件结构规范
编码规范（单一职责、DRY、KISS）
系统架构原则
程序设计核心思想

使用方法：

复制代码

1. 项目开始前，阅读开发经验文档
2. 将核心原则写入 CLAUDE.md
3. 在实施计划中引用这些原则

示例：

markdown 复制代码

# CLAUDE.md

## 代码规范
- 遵循 PEP 8（Python）
- 函数名使用小写+下划线
- 类名使用大驼峰
- 单一职责原则
- DRY 原则（不要重复）
- KISS 原则（保持简单）

2. 项目架构模板

位置：i18n/zh/documents/Templates and Resources/通用项目架构模板.md

包含的模板：

Python Web/API 项目
数据科学/量化项目
Monorepo（多项目仓库）
Full-Stack Web 应用

使用方法：

bash 复制代码

# 1. 选择合适的模板
# 2. 复制目录结构
mkdir -p src/{core,api,data} tests docs scripts

# 3. 创建必要文件
touch requirements.txt .gitignore README.md

三、如何使用大量 AI 提示词

1. 提示词库位置

目录结构：

复制代码

i18n/zh/prompts/
├── coding_prompts/      # 编程相关提示词（40+ 个）
├── system_prompts/      # 系统级提示词
├── assistant_prompts/   # 辅助提示词
└── user_prompts/        # 用户提示词

2. 核心提示词推荐

需求分析阶段：

项目上下文文档生成.md - 生成项目文档
智能需求理解与研发导航引擎.md - 需求分析

设计阶段：

系统架构.md - 架构设计
系统架构可视化生成Mermaid.md - 生成架构图

开发阶段：

高质量代码开发专家.md - 代码生成规范
代码重构.md - 代码重构指导

文档阶段：

AI生成代码文档-通用提示词模板.md - 生成文档
精华技术文档生成提示词.md - 技术文档

3. 使用方法

方法 1：直接复制

复制代码

1. 打开提示词文件
2. 复制内容
3. 粘贴到 AI 对话框
4. 根据项目调整参数

方法 2：在线表格

复制代码

1. 访问 Google Sheets 提示词库
2. 搜索需要的提示词
3. 直接复制使用

方法 3：集成到项目

markdown 复制代码

# CLAUDE.md

## 开发规范
[粘贴"高质量代码开发专家.md"的核心内容]

## 架构原则
[粘贴"系统架构.md"的核心原则]

四、如何使用技能库（Skills）

1. 技能库位置

目录：i18n/zh/skills/

可用技能：

claude-skills/ - 元技能（生成其他技能）
ccxt/ - 加密货币交易
postgresql/ - 数据库操作
telegram-dev/ - Telegram 机器人开发
等等...

2. 技能的结构

每个技能包含：

复制代码

skill-name/
├── SKILL.md          # 技能定义
├── references/       # 参考文档
└── examples/         # 示例代码

3. 使用方法

Step 1: 查看技能说明

bash 复制代码

cat i18n/zh/skills/postgresql/SKILL.md

Step 2: 集成到项目

markdown 复制代码

# CLAUDE.md

## 技能集成

### PostgreSQL 技能
[粘贴 SKILL.md 的核心内容]

AI 现在具备以下能力：
- 数据库设计
- SQL 查询优化
- 索引设计
- 等等...

Step 3: 使用技能

复制代码

# 在 AI 对话中
基于 PostgreSQL 技能，帮我设计用户表的数据库结构

4. 生成新技能

使用元技能：

复制代码

1. 读取 i18n/zh/skills/claude-skills/SKILL.md
2. 使用元技能生成新的技能定义
3. 保存为新的 SKILL.md

五、如何使用项目模板和工具

1. 通用项目架构模板

使用步骤：

Step 1: 选择模板

复制代码

根据项目类型选择：
- Python Web/API 项目
- 数据科学项目
- Monorepo
- Full-Stack 应用

Step 2: 创建目录结构

bash 复制代码

# Python Web 项目示例
mkdir -p src/{core,api,data,external}
mkdir -p tests/{unit,integration}
mkdir -p docs scripts logs

Step 3: 创建配置文件

bash 复制代码

# 创建必要文件
touch requirements.txt
touch .gitignore
touch .env.example
touch README.md
touch CLAUDE.md

Step 4: 填充模板内容

python 复制代码

# src/__init__.py
# src/main.py
# src/config.py
# 等等...

2. 提示词转换工具

位置：libs/external/prompts-library/

功能：Excel ↔ Markdown 互转

使用方法：

bash 复制代码

cd libs/external/prompts-library
python main.py

3. 备份工具

位置：backups/

使用方法：

bash 复制代码

# 一键备份
./backups/一键备份.sh

# 快速备份
python backups/快速备份.py

六、完整工作流程示例

场景：创建一个博客应用

Phase 1: 规划（1小时）

复制代码

1. 使用提示词生成 PRD
2. 使用提示词生成技术栈文档
3. 使用提示词生成实施计划
4. 人工审查和修改所有文档

Phase 2: 设置（30分钟）

复制代码

1. 创建项目目录结构
2. 创建 CLAUDE.md
3. 创建基础配置文件
4. Git 初始化

Phase 3: 开发（迭代）

复制代码

每个迭代：
1. 新建 AI 会话
2. 加载上下文："阅读 memory-bank，执行第 X 步"
3. AI 实现代码
4. 人工验证测试
5. Git 提交
6. 更新 progress.md
7. 重复

Phase 4: 完成

复制代码

1. 所有步骤完成
2. 最终测试
3. 生成文档
4. 部署

七、常见问题

Q1: 如何避免 AI 过度设计？

在 CLAUDE.md 中明确禁止过度设计
实施计划要具体，不给 AI 发挥空间
每步验证时检查是否添加了不必要的功能

Q2: 如何处理 AI 生成的错误代码？

立即停止
使用 Git 回退
修改提示词，重新生成
或者人工修复

Q3: 如何管理多个项目？

每个项目独立的 memory-bank
使用统一的 CLAUDE.md 模板
共享提示词库和技能库

八、最佳实践总结

核心原则

规划优先 - 先规划再编码
上下文固定 - 通过文档固定约束
小步迭代 - 一次只做一步
频繁验证 - 每步都要测试
新建会话 - 避免上下文污染

工作习惯

✅ 每天开始前读一遍 memory-bank
✅ 每步完成后更新 progress.md
✅ 遇到问题立即停止，不要让 AI 继续
✅ 定期备份代码
✅ 使用 Git 管理版本

避免的陷阱

❌ 不要让 AI 连续执行多步
❌ 不要跳过人工验证
❌ 不要在没有规划的情况下开始编码
❌ 不要忽视 AI 的警告和建议
❌ 不要过度依赖 AI，要保持思考