什么是 Vibe Coding
Vibe Coding 这个概念来自 Andrej Karpathy，核心理念是：你不需要逐行手写每一行代码，而是通过描述你的意图，让 AI 帮你生成大部分实现。你的角色从”写代码的人”变成了”指挥代码的人”。
这听起来像是偷懒，但实际上它要求更高层次的能力 — 你需要清晰地理解自己要构建什么，能够判断 AI 生成的代码质量，并且知道什么时候该手动干预。对我来说，这是一种全新的编程体验。
“There’s a new kind of coding I call ‘vibe coding’, where you fully give in to the vibes, embrace exponentials, and forget that the code even exists.” — Andrej Karpathy
项目背景：Scholar AI
Scholar AI 是一个学术研究辅助工具。作为一个经常需要阅读论文、整理文献的大学生，我深知这个过程有多痛苦。我想要一个工具，能帮我快速检索相关论文、自动生成摘要、甚至支持多语言翻译。
这个想法在我脑子里酝酿了很久，但传统的开发方式意味着至少需要一两周的时间。直到我开始尝试 Vibe Coding — 三天后，一个可用的 MVP 就上线了。
- 项目名：Scholar AI
- 技术栈：Python / FastAPI / React / PostgreSQL / ChromaDB
- 核心功能：论文检索 · 智能摘要 · 多语言翻译 · RAG 问答
- 开发周期：3 天（MVP）
- GitHub：37chengshan/scholar-ai
Day 1：后端 从零搭建
第一天的目标很明确：搭建一个能跑起来的后端。我用 Claude 作为主要的编码助手，通过描述需求来生成代码。
定义 API 接口
先用自然语言描述需要哪些接口，让 AI 生成 OpenAPI spec，再基于 spec 生成 FastAPI 路由代码。这一步花了大约 30 分钟。
数据库设计
描述数据模型的关联关系，让 AI 生成 SQLAlchemy 模型和 Alembic 迁移脚本。遇到一些类型映射问题，手动调整了几个字段。
RAG 管道搭建
这是最有趣的部分。描述了检索增强生成的流程：文档分块 → 向量化 → 检索 → 生成。AI 帮我搭好了 ChromaDB 集成和 OpenAI API 调用的骨架。
Day 2：前端 快速成型
第二天转向前端。我选择 React + TypeScript，配合 shadcn/ui 组件库。Vibe Coding 在前端开发中的效率提升更加明显 — 描述一个页面的布局和交互，AI 几乎能一次性生成可用的组件代码。
关键心得：不要试图一次描述整个页面。拆成小组件，逐个描述，效果好得多。比如”一个搜索框，带自动补全，下拉显示论文标题和作者”比”做一个搜索页面”得到的结果精准得多。
Vibe Coding 不是让你不动脑，而是让你把精力花在更重要的地方 — 产品思考和用户体验。
个人体会Day 3：集成 与打磨
第三天做集成和细节打磨。前后端联调、错误处理、加载状态、响应式布局 — 这些”脏活”反而是 Vibe Coding 效率最高的地方。描述一个问题，AI 给出修复方案，你验证，继续。
几个踩过的坑：
- CORS 配置：AI 生成的 CORS 中间件配置有时会漏掉特定的 header，需要手动补充
- 流式响应：SSE (Server-Sent Events) 的实现细节比较多，AI 第一次生成的代码有 bug，但描述清楚错误后修复很快
- 向量数据库性能：ChromaDB 的默认配置在数据量大时会变慢，需要手动调优索引参数
总结与反思
三天完成一个全栈 AI 应用的 MVP，这在以前是不可想象的。Vibe Coding 真正改变了我的开发节奏 — 从”写代码”变成了”描述需求、验证输出、迭代优化”的循环。
但它也有局限。对于复杂的业务逻辑、性能关键路径、以及需要深度理解底层原理的场景，手写代码仍然不可替代。Vibe Coding 最适合的是快速原型和标准化功能的实现。
我的建议：把 Vibe Coding 当作你的”编码副驾驶”，而不是”自动驾驶”。保持对代码的理解和控制，才能真正发挥它的威力。