首页 文章 精选 留言 我的

精选列表

搜索[VibeCoding],共48篇文章
优秀的个人博客,低调大师

如何使vibecoding简洁高效

# 当AI成为你的软件工厂:一套可落地的多角色协作体系 去年年底我接手了一个不小的项目,从零开始搭建一套业务管理系统。那段时间我每天都在想同一个问题:如果能有一个完整的研发团队该多好,PM理需求、BA写规格、架构师出方案、开发写代码、QA做测试,各司其职,我只需要把握大方向就行。 这个念头催生了我在CodeBuddy里搭建的那套东西。几个月跑下来,确实摸出了一些门道,分享给对这个方向感兴趣的朋友。 --- ## 为什么需要给AI角色划边界 一开始,我也试过用一个通用提示词让AI帮我完成所有事情。结果很典型:需求还没聊清楚,AI已经开始给数据库建表了;我还在说业务逻辑,它已经把接口文档写好了。看起来效率很高,实际上后面改起来非常痛苦——因为它在不合适的时间做了不合适的事情,导致后面的决策全被带偏了。 后来我意识到一个道理:如果让AI同时扮演产品经理、架构师和开发,它大概率会忍不住越界。这不是AI不听话,而是我们的指令本身就给了它太多自由。它不知道什么时候该做什么事,更不知道什么事情不该做。 所以我做了一件事:**把角色拆开,并且把每个角色的权限焊死。** PM就只负责产出项目愿景,从技术实现里完全抽离;BA的产出物里绝不允许出现“Redis缓存”或“建三张表”这类字眼,只准写业务流程和字段含义;架构师只画框和线,定义接口和约束,绝对不能下沉到具体代码实现;全栈开发就是个“无脑执行者”,按方案逐字翻译成代码,遇到设计缺陷不准自己补,必须上报;QA负责发现Bug,但只写缺陷报告,不准在报告里附上修复代码。 这套规则的核心逻辑很简单:**让每个AI角色只做一个人的活,谁也别替谁打工。** --- ## 流水线的意义不在于慢,在于不乱 有人说,这种瀑布式的流程太慢,新功能要跑完PM到QA六七个环节才能交付。但从实际体验来看,慢只是表面感受,真正的好处是**不乱**。 我的主Agent被设定成一条固定的流水线:PM先出愿景,BA接着写需求规格,方案审查官第一次介入审批,通过后交给架构师出技术方案,审查官二次把关,然后才轮到全栈开发编码,最后QA测试、审查官终审发准出许可。 每一步的输入和产出都固定死了,主Agent只负责传递工件事和调度下一次会议,绝不允许自己补位,也绝不允许下游角色去修复上游的漏洞。 这套规矩的威力在于:一旦某个环节出了问题,你能立刻定位到是哪个角色干的,不会出现“架构师写了错的设计,开发帮它改了,QA测试通过了,但最后上线出问题找不到责任人”的混乱局面。 说句实在话,刚开始执行的时候确实觉得有点拖沓,一个简单的功能也要走完整套流程。但跑了两个迭代之后,我发现返工率大幅下降了,因为每个环节的产出都经过审查,错误被拦截在了上游,不会一路传导到代码里再回头重写。 --- ## 紧急情况怎么处理 把重型流程跑通之后,我遇到的下一个问题就是:线上出了Bug怎么办?总不能让AI从PM开始重新走一遍流程吧,那样用户早跑了。 所以后来我加了一套**快反通道**。 主Agent现在会自动识别“报错”“崩溃”“热修”这类关键词,一旦命中就直接切到快速模式,跳过PM和BA,直接让架构师以诊断模式切入——只查病因,不写药方,定位到具体的文件和行号。然后方案审查官做一个轻量级的安全判断:如果发现这个Bug牵涉到核心底层数据结构,直接驳回并提示转回重型流程;如果只是局部问题,就放行给全栈开发做最小改动修复,最后由QA做狙击式回归测试,只测Bug场景和冒烟路径,不跑全量用例。 这套双轨制跑下来,效果还挺不错的。日常迭代走重型流程保证质量,紧急修复走快反通道保证响应速度,两套规则在同一个主Agent里切换,不会互相干扰。 --- ## 一点实践后的体会 很多人问过我:这么复杂的规则,值得花这个精力去配置吗? 我的答案是:如果你的项目只是做一个一次性Demo,确实没必要。但如果你在跑一个持续迭代的真实产品,这套体系的价值会随着时间推移慢慢体现出来。 它最大的好处不是效率,而是**确定性**。你知道每个AI角色会在什么时间做什么事、产出什么东西、不会做什么事,你就能把精力真正放在决策上,而不是疲于奔命地检查AI到底有没有乱来。 当然,这套规则不是一次性写死就完事了,我也还在不断调整。但核心原则一直没变:**让每个AI角色守住自己的边界,让主Agent守住流程的纪律。** 如果你也在尝试用AI辅助软件开发,不妨从这个角度想想——也许我们需要的不是一个全能的AI,而是一群守规矩的AI。

优秀的个人博客,低调大师

AI编程和VibeCoding-有哪些高效的做法和习惯?

大家好,我是人月聊IT。 [Vibe Coding](https://zhida.zhihu.com/search?content_id=800340545&content_type=Answer&match_order=1&q=Vibe+Coding&zhida_source=entity) 这两年被人说得越来越玄,好像一句话丢过去,一个系统就自己长出来了。我一般要先纠正一下,我自己用的定义很朴素,Vibe Coding 就是基本不去接触、也不主动修改代码的编程方式。这句话的重点其实在后半截,不在“不写代码”,而在需求描述得足够清楚。所以效率高不高,基本不取决于你换了哪个工具。 最贵的浪费不是 AI 写错,是我们想到一点做一点。查看团队成员的 AI 编程对话日志时,我看到不少这样的现象:某个按钮加个校验,来一次对话;把某个控件位置调整一下,又来一次对话;增加一个字段,来一次对话;等字段加完了再实现字段功能,又得来一次对话。每一次 AI 执行就要花五到十分钟,执行完还得跑单元测试,这段等待时间里你也没法好好利用,只能干等着。 头一个习惯也简单,就是先把需求和业务想清楚,别在自己都没想明白之前,就贸然驱动 AI 开始写代码。否则你会和 AI 之间产生大量往复、来回迭代和修改,所有时间都耗费在反反复复的调整上。这里有个判断要立住,AI 可以辅助你梳理需求,但无法替你“想”需求,需求的主控权一定要牢牢把握在自己手里,这个顺序颠倒过来,后面全是返工。 需求探索这件事,最好也别靠一次对话撞出来,而是分阶段跑。我开源项目里那个“AI 需求探索”的提示词,就是按传统的面向对象分析设计和[本体建模](https://zhida.zhihu.com/search?content_id=800340545&content_type=Answer&match_order=1&q=%E6%9C%AC%E4%BD%93%E5%BB%BA%E6%A8%A1&zhida_source=entity)思路,拆成八到九个阶段分步骤帮你探索。跑完之后,一个需求涉及的业务流程、场景、核心业务域、业务对象、业务规则、业务能力与行为,包括组织、权限、角色,基本都能梳理清楚,然后落成一份完整的软件需求规格说明书。 ![](https://developer.qcloudimg.com/http-save/audit-8165035/880abe63c69321640f24a128c1ca664f.webp) 第二个习惯,驱动 AI 编程时先要一份完整的需求加设计方案,别一上来就写代码。我会要求 AI 先输出一份需求加设计方案的综合文档,里面既包含核心需求,也包含数据库设计、接口设计、组件划分、技术框架和开发语言选型。稍微复杂一点的内容,一定要分阶段、分步骤,先确认方案,再动手实现,这份方案越完整,后面静默开发才越跑得动。 方案确认无误之后,就可以启动静默式开发。你甚至可以在白天整理需求和方案,晚上把所有事情交给 AI,如果再加上常说的循环工程,AI 自己跑个三四个小时就能把全部代码输出出来。这是我们以前人与人团队协同的惯用模式,但在 AI 时代一定要改。过去人之所以要开发一步再想下一步,是因为人的认知能力有限,往往要把当前功能做出来才能想清楚后续怎么做。 ![](https://developer.qcloudimg.com/http-save/audit-8165035/80429bca79b2c0a3abb0ba341a1d2a39.webp) 往深一层说,开发者的核心产出也变了。有句话说得好,[Prompt is the new code](https://zhida.zhihu.com/search?content_id=800340545&content_type=Answer&match_order=1&q=Prompt+is+the+new+code&zhida_source=entity),提示词就是新代码。再往下推,开发者未来要交付的可能不再是 .java 或者 .py 文件,而是结构化的 .md 文档。不管是需求规格、系统设计还是详细的功能规约,这些用 Markdown 精心写出来的文档正在成为新的源代码,因为 AI 理解和执行开发任务的基础,正是这些精确、无歧义的结构化指令。 ![](https://developer.qcloudimg.com/http-save/audit-8165035/001a447b6f3ccd5ff5af02a9db908c33.webp) AI 编程的第一步,多半就是拿 Markdown 结构化地写文档,可程序员天生不愿意写文档,总想到哪里写到哪里,这个习惯不适合快速转到 AI 编程上来。我自己做一个小系统,一开始也不生成代码,先建一个 DesignDoc 子目录写文档,至少包括总体系统介绍与技术架构选型、数据库和对象设计、UI 与界面规范约束,以及各个功能点设计,功能点可以拆成多个 md 文件分开放。 之所以要费这个劲做结构化,是因为提示词本身就是需求,它没被结构化、工程化地管理,不利于后面多轮迭代变更和优化。而且软件复杂性从来不会消失,只是位置前移。技术建模这些年越来越简单了,低代码、智能化、模型驱动都在解决技术实现这一端,可整体复杂性并没有解决,它从技术建模转到了业务建模。把现实世界抽象为一个业务模型,这件事仍然相当复杂,仍然是难以快速完成的。 ![](https://developer.qcloudimg.com/http-save/audit-8165035/82447b7a4e7406a88b825591da772d55.webp) 往下再走一层,就到了我自己觉得最要紧的一个认知转变,AI 的关键不是提示词,而是上下文。上下文工程把上下文从单一提示扩展成包含七个维度的完整信息体系,系统指令、用户提示、对话历史、长期记忆、外部检索信息、可用工具和输出格式定义。它还有四个特点,系统性、动态性、精准性和格式敏感性,重视信息的呈现方式,简洁摘要优于原始数据堆砌。AI 代理的失败主要源于上下文失败,而不是模型缺陷。 ![](https://developer.qcloudimg.com/http-save/audit-8165035/b41b2d3751f53da651c614586daae27d.webp) 上下文一长,分而治之就绕不开了。大项目要拆解为小项目、小组件,按架构里分而治之的思路来做。我自己在进 [Spec Coding](https://zhida.zhihu.com/search?content_id=800340545&content_type=Answer&match_order=1&q=Spec+Coding&zhida_source=entity) 之前会前置一个复杂项目的分解过程,先把它拆成具体的组件或者微服务模块,再进入具体编码,目的就是降低 AI 整个的上下文负担和记忆能力压力。软件工程解决复杂性其实就两个思路,分而治之和流水线作业,其中分解这一块短期还不能完全交给 AI 去做。 ![](https://developer.qcloudimg.com/http-save/audit-8165035/3982504af32c639b5b7fac5295423ba1.webp) 有个动作特别实用,却常被忽略,及时让 AI 归纳总结。沟通几轮之后,主动让 AI 总结当前已经完成的工作和输出物,下次发起新对话时先让 AI 读这个总结文件,它就能快速了解项目整体概况,大大方便后续工作的衔接。哪怕前面的细节内容忘了,也不影响后面的推理和输出。很多人把 AI 越改越乱归罪于模型,其实多数是上下文长度和记忆能力的问题,这个动作能省掉大量重复解释。 对 To B 项目来说,原型这一步我不建议省。用 AI 或者原型工具先做一个完完整整、不挂数据库、可以做业务交付的原型,拿它去和用户快速沟通确认,能大幅减少后续的需求变更。原型里已经明确的内容,就不要再重复写进软件需求文档里。这里有个值得记的规律,原型和对象、行为、规则这些规约,最终都是要固化成 rules 加提示语模板,配到前端开发、后端开发和测试链条上去的。 ![](https://developer.qcloudimg.com/http-save/audit-8165035/69db892a68be874cd29dcdc9bd08bc15.webp) 刚启动一个项目时,别急着用那些复杂的工程化框架。它们会消耗大量 tokens,内置了很多治理、管控、质量安全方面的能力,导致跑一次非常耗时,生成的东西不一定是你需要的。当前常被拿来比较的两种规约驱动模式也各有脾气,Spec Coding 偏规格导向,讲究需求精确和可验证;[BMAD](https://zhida.zhihu.com/search?content_id=800340545&content_type=Answer&match_order=1&q=BMAD&zhida_source=entity) 偏流程导向,讲究开发完整和分阶段,选哪个往往看项目规模和团队人数。刚开始用轻量级框架就够,需求明确、方案明确即可。测试策略也要克制,功能变更时只针对当前变更测试即可,手工触发 AI 半天跑一次全量 E2E 就足够。 ![](https://developer.qcloudimg.com/http-save/audit-8165035/f5ec6c35c56b29eb0efe5fdcd417c721.webp) 但也不能一转身就倒向另一头。AI 工程化不能走两个极端,一个是一句话 Vibe Coding,一个是强文档化、过重的文档化,反而丧失了 AI 的优势。我常用一个例子解释,一页纸的需求交给团队里的张三李四,做出来的功能基本差不多;交给外面能力没问题的人,做出来千差万别,你要让外人做出同样效果,需求文档可能要从一页变成五页十页。真正的最佳解,是需求就一页,AI 做出来和团队成员做的一样。 要做到这一点,靠的是把团队已有的规范标准、经验技能、约定俗成的规则全部融进去,也就是 Rule 定义和 CLAUDE.md 这类规约文件。往上再走一步,就是把团队共性经验打包成 Skill。我一直讲,Skill 可以简单理解为提示词工程加上下文工程加 MCP,再加代码片段、参考模板和最佳实践的一个组合。团队整体的开发能力和效率,也就落在把共性经验显性化、沉淀、输入给 AI 这件事上。 还有个小技巧,先抽象再泛化。我们原来写技术方案,习惯丢一个类似的方案让 AI 参考模仿,但输出的方案虽然像,有些关键点会丢掉。更好的做法是先丢给 AI 两到三个技术方案,让它先抽象出写方案的核心模式、要点、关键项和约束规则,形成一个写技术方案的元模型。这个元模型你审核补充之后,再拿它加上参考方案丢回去,输出的精度会明显提升,细节也不容易丢。 该泼的冷水也要泼。不懂计算机科学、连基本理工科思维都没有的人,想把 AI 编程用好基本是妄想。那些零基础一句话做项目的演示,场景多数是已知的、有标准解法的通用问题,问题足够标准、没什么变化,当然好解决。真到复杂需求里,要么你能写得出足够精确的提示语需求,要么你能完整读懂 AI 输出的代码。你自己玩玩小工具没有问题,但要拿它做企业生产系统,有几个人敢打包上线? 再往前一步,就是驾驭者工程。OpenAI 提出 [Harness Engineering](https://zhida.zhihu.com/search?content_id=800340545&content_type=Answer&match_order=1&q=Harness+Engineering&zhida_source=entity) 这个词的时候,有人做了个很好的比喻,大模型是 CPU,提示词工程和上下文工程是内存,而 Harness 是操作系统。用马来做比方更直观,提示词工程是喊话模式,上下文工程是给路标和地图,驾驭者工程则是给马装上马鞍、套上缰绳、路旁修起围栏,防止它跑进别人的农田,也防止它碰上障碍就自己趴下。 ![](https://developer.qcloudimg.com/http-save/audit-8165035/c6bfbecd7826f82f930a1aea94e2516c.webp) 驾驭者工程到底加了什么?我理解是三块。一块是架构约束与架构可控,不是只把约束写进 Rules 或者 CLAUDE.md,而是针对这些约束配上自动化检查的技能包或智能体,让它能自动校验。接着是反馈闭环,AI 写完程序自己运行、自己调试、自己修复,而且不只看功能,还要看安全、可靠、性能这些非功能性的东西。还有一块是全生命周期管理,把长周期记忆和会话管理从单个项目延展到组织级去。 ![](https://developer.qcloudimg.com/http-save/audit-8165035/c78d156849e8cb1b9088ce8ef50d4e8a.webp) 还有个更难的关口,组织级。AI 编程要变成组织级的工程能力太难了,很多时候我们仍然是按传统岗位分工,对需求、设计、前端、后端各个角色分别做 AI 赋能,这种情况下想成倍提升效率基本不可能,就像一个老马车装了个 V8 引擎,跑着跑着只能散架。更好的方式是一个人从头到尾全链路拉通,其他配合的可能是 AI 智能体,也可能是真人,因为只要存在沟通交互,上下文就是不连贯的。 回到开头那个问题,这些习惯说穿了都不新鲜。想清楚,说清楚,需求的主控权先留在自己手里,该沉淀的规约和技能包沉淀下来,剩下的交给 AI 去跑,跑完了再回头看它哪里没做对。工具过两年大概率又要换一批,换来换去也就那么回事,这事真不用太操心。

优秀的个人博客,低调大师

AI编程入门教程01-VibeCoding前的正确姿势是,先去Github上找对应项目

大家好,我是**卡卡罗特。** 你是不是也有这种感觉——刷视频看到"**用AI五分钟做出一个网站**",热血沸腾。 结果打开教程一看:API、GitHub、CI/CD、Https认证,Vercel部署……非常的懵逼。 ![](https://developer.qcloudimg.com/http-save/yehe-4860696/6799656987df6e8c94037c8f151a237b.jpg) 别怀疑自己,不是你的问题。 **市面上绝大多数AI编程教程,是写给程序员看的。** ![](https://developer.qcloudimg.com/http-save/yehe-4860696/1a8d134afcfd76f5884b4da405ebd7ee.jpg) --- 我在大厂做了8年Java后端开发,写过业务代码,也搞过Agent。 因为我女朋友最近在学习AI编程😂**,想做一些小工具解决工作上的问题**。 她说看了很多文章和视频,都很劝退,最后都是我来跟她讲怎么用,是怎么回事。 ![](https://developer.qcloudimg.com/http-save/yehe-4860696/58e1346cd6dc90511dfc8cb9d42b5da9.png) 所以我太清楚这些教程对零基础的人有多劝退了。 我才知道,哇,对非程序员而言,有了AI之后,写代码竟然还这么难。 > 真是隔行如隔山。 所以我决定写一套真正**面向非程序员的AI编程教程。** ![](https://developer.qcloudimg.com/http-save/yehe-4860696/68f83f3456523ae3eeca90c51aa679d1.jpg) 这套教程会从最基础的东西讲起,中间会穿插一些**计算机基础知识、**编程、AI相关的知识,比如: - AI编程工具选取,Claude Code,Codex怎么用? - API 是什么? - 前后端分离是什么意思? - 怎么在项目里面加入数据库? - GitHub 是什么,怎么用? - 怎么用AI写一个小程序、一个网站、一个浏览器插件? - 做完之后,怎么利用AI部署上线,让别人也能访问? **非常适合非程序员、编程小白看AI编程入门系列教程**🤔 ![](https://developer.qcloudimg.com/http-save/yehe-4860696/33d24e72967de463f500d70a7cde8eda.jpg) AI编程,说洋气一点,也叫**Vibe Coding,**中文叫”氛围编程”。 > 搞AI的都比较那啥,你用AI写一个项目,就可以说成vibe一个项目。一听就感觉你是个大佬。🤔 现在AI编程那么火,借助 Claude Code、Codex,一个人非常容易做出一个”**像样**”的”项目”。 对于程序员而言,因为积累了很多编程经验和计算机知识,从编程角度出发,个人边界被无限放大。 借助AI,一个人可以做出一个完整、复杂的项目。 但是,对于非程序员而言,尽管现在AI能力很强,”**一句话就能做出一个项目**”,但是这样的项目是否真的能达到企业级水平,并且上线部署? **我觉得挺难的。** ![](https://developer.qcloudimg.com/http-save/yehe-4860696/1264c1145d9e64a92bd2328495be10a6.jpg) 因为你没有系统学习过计算机知识,没有在企业上过班,积累相关的经验。 完整开发出一个项目,对于大多数人而言,大概率只是一个自嗨项目,自己玩玩还行。 **为什么这么说??**? **第一、技术知识的欠缺。** 比如,假设你是做一个网站。 你可能不知道前后端分离是什么意思?为什么要前后端分离?API是什么意思? **什么时候该引入数据库?** ![](https://developer.qcloudimg.com/http-save/yehe-4860696/cd2d1d95218cd369b89853a48fa10af9.png) **第二、实战经验的欠缺。** 假设你需要做一个AI生成图片,或者视频的网站。 为了吸引用户,你宣传说新用户注册奖励10¥额度。**你拿钱真金白银吸引用户。** 如果注册系统的安全风控没有做好,比如使用**用户名+密码,你就让用户注册。** 技术大佬很大概率会写一个批量注册脚本,然后分分钟你的数据库就多了几千个用户。 每个用户10¥,额度一下被盗刷了几万。 ![](https://developer.qcloudimg.com/http-save/yehe-4860696/e9bb83adedf7124318e5e3a96e6c03f0.jpg) 如果你说,肯定不能直接通过用户名+密码啊。 **至少加个手机号短信吧? **短信验证码通过后,才允许注册。 ok,那技术大佬,分分钟批量调用你的短信接口,短信是有成本的,算你1毛钱一条,批量调几千次,也要好几百。 ![](https://developer.qcloudimg.com/http-save/yehe-4860696/0628b9e22a15ffcf8c3d59fc3a0ef8a0.jpg) 如果你说,技术大佬没事干啊,**为什么来刷我的接口?** 是的,他们就是没事干,**看你的网站赚钱眼馋。** 或者他们的网站也提供类似的生成图片的功能,他们是你的竞争对手。**把你网站搞垮,用户就跑去用他们的网站了。** ![](https://developer.qcloudimg.com/http-save/yehe-4860696/41efd8dff16a96a68c9f5e00e1d2aa17.png) **第三、维护火葬场。** AI写出来的代码,很乱,它很喜欢把所有的逻辑写到一个文件里,一个文件可能就几千行代码。 **这样维护起来非常麻烦。而且,非常浪费 Token。** 当你的项目功能越来越多、越来越复杂后,你提问让AI修改,它需要读取很多文件,才能找到修改的位置。 **上下文变得很长,导致幻觉飙升,解决问题能力会越来越差。** ![](https://developer.qcloudimg.com/http-save/yehe-4860696/fe71cb3ace4408c6dcdd87e7ed021d43.jpg) 说上面这些,是一些编程小白经常会遇到的一些问题。 做一个项目也没有想象中那么简单,考虑的东西非常多。 尤其是用户量上来之后,代码层面需要做很多安全限制,架构优化。 **之后,这些常见的坑,在这个系列教程中,全部会讲到,完全免费🤔。赶紧关注吧,嘿嘿**😁 当然,**实践是最好的老师,**先动起来,先下载AI编程软件,先玩起来。 ![](https://developer.qcloudimg.com/http-save/yehe-4860696/a46f1bba1a98b339c68228f068e39dff.jpg) 在开始AI编程前,我想问你一个问题,**你为什么想学习AI编程?**🤔 **自己做一个个人博客,公司需要部署一个官网,还是自己有商品需要在网上需要卖?** 这里我要给你泼一下冷水。 其实很多”需求”,**并不一定需要通过AI从零开始做一个,不用重复造轮子。** --- 原因有很多🤔。 第一、你自己从0到1学习**,会踩各种坑**,当你有个好想法,很容易会被劝退。 第二、软件行业发展了那么多年,**已经有了非常多成熟免费的软件可以达到你的目的,**直接使用就行了。 第三、就算你开发出来一个项目,但是把它部署到远程服务器,开放给用户或者其他人用,对于小白而言,这中间也是很复杂的。 比如你要购买服务器、域名、HTTPS 认证等等。 **问题还有很多。** ## 怎么判断自己想做的网站已经有了? 你可以先去Github上搜索一下,是否已经有类似功能的**开源项目**了。 **什么叫开源项目?** 🤔 也就是别人把源代码公开了,你可以在Github上搜索。 Github是全球最大的开源项目网站**。你几乎可以在里面找到任何项目**。 ![](https://developer.qcloudimg.com/http-save/yehe-4860696/946cabf20ed33c524ea6e20d6303c2ea.png) 假设你是一个摄影大佬,你想做一个摄影网站,可以上传你拍的照片或视频。 你可以直接在Github 上根据 **关键词** 搜索,比如: ![](https://developer.qcloudimg.com/http-save/yehe-4860696/3d0075af45f7245f89a58bbad8de2605.png) 然后你找一个**点赞数高的项目,**大概率能找到满足你条件的。 直接在Github上搜索可以,**但是我不建议,**哒咩🙅‍♂️。 ![](https://developer.qcloudimg.com/http-save/yehe-4860696/86146b8c3d1bd36b289f85c51da6293d.jpg) 我建议你直接问AI,推荐**ChatGPT。** ![](https://developer.qcloudimg.com/http-save/yehe-4860696/18b01572f8d9926bb51994d3521f8cbe.png) ChatGPT 推荐的项目 Star 数比你高得多,说明这个项目很完整,很好用。 ![](https://developer.qcloudimg.com/http-save/yehe-4860696/54de14fa337b0cb390ec65b1f30af300.png) 当然国内的 AI 也可以,这里我推荐使用**豆包。** ![](https://developer.qcloudimg.com/http-save/yehe-4860696/52d18592418c8044e3d08b22ca27a997.png) ![](https://developer.qcloudimg.com/http-save/yehe-4860696/980164dee8667c8d40540f0372cb2cc2.png) 豆包也推荐了PhotoPrism 这个项目🤔 你可以理解成,AI已经知道了GitHub上有什么项目,这些项目分别解决什么问题,有什么功能,它都知道。 所以你直接跟它描述你的需求,**它很容易找出一个符合你诉求的项目,非常方便。** ## 常见需求 下面是我能想到大家学习AI编程的一些常见的诉求,但是已经有现成、功能非常强大的网站了。 那你就不用从0到1 Vibe一个了。 ### 1、博客 如果你的目的是,你要写一些文章,分享你的创作内容。 你可以在很多现有的平台更新,比如微信公众号、知乎,CSDN,掘金社区,Github.... 如果你说,这些平台可能会把你的文章删了。你想你的文章不受管控,你想写什么就写什么。 我就要部署一个博客系统,分享自己的心得。 OK,没问题。 现在有很多热门的博客系统,非常方便,颜值也很高。你不必重新开发了。 有哪些?比如: - **Ghost:**专为写作者设计,界面简洁,支持订阅和付费内容。 ![](https://developer.qcloudimg.com/http-save/yehe-4860696/9d109ac9c9cfdf668aebf99903459716.png) - **Hexo:**静态博客,部署到 GitHub Pages 可以完全免费,速度也快。 ![](https://developer.qcloudimg.com/http-save/yehe-4860696/383fed4e7db21e7459c2ced30b940e72.png) 有非常丰富的主题社区,很多都是免费的,当然你也可以自己开发。 ![](https://developer.qcloudimg.com/http-save/yehe-4860696/5f1c54c2eed051e12ffc9033de6019ed.png) 这几个系统都有大量现成主题,你不需要自己设计页面,直接套用就好。 实际上,博客系统非常多样,也各自有各自的优势,感兴趣可以问下ChatGPT,找到适合你的博客系统。发 --- ### 2、公司官网 如果你的需求是要部署一个公司的官网。 那也是有很多现成成熟的方案的。 比如 **WordPress。** 这个是现存最大的博客平台,全球60%的网站用的都是它。功能非常庞大。 你可以用它部署一个博客系统,做公司官网,甚至卖货。 如果你说,这个系统不是PHP写的吗?PHP不是很老的语言吗? emmm,是PHP,但是PHP语言也在逐渐发展。不妨碍它是世界上功能最全的系统。 **如果你说WordPress系统丑?** 它有主题功能,你可以通过主题美化。 ![](https://developer.qcloudimg.com/http-save/yehe-4860696/42877fe5a50619d7dda9a33db7344479.png) 目前网上也有非常多的主题供你选择,几乎囊括了方方面面所有诉求。 比如说你可以把这个做成一个**导航站,**或者做成一个电商平台来卖货。 ![](https://developer.qcloudimg.com/http-save/yehe-4860696/f974a4377f53e6c9612b03aae5afff26.png) 很多搞跨境电商的都是通过这个做个人独立站的。 ![](https://developer.qcloudimg.com/http-save/yehe-4860696/b9040d577e721e123baf42dd461b6e76.png) 如果你觉得Wordpress自带的功能不够用。那你可以去了解一下它的**插件系统。** 你可以借助AI自己开发一个插件,实现你需要的功能。 **这要比你借助AI从零到一开发一个这样的平台快得多。** ### 3、管理系统? 如果你是需要那种后台管理系统,登录之后只给你自己一个人用,管理公司的一些数据。 比如像这种。 ![](https://developer.qcloudimg.com/http-save/yehe-4860696/34499c7037f7434a174ff2d96c283b33.png) 目前开源系统也有非常多,这种叫**后台管理系统。** 比如上面这个系统是RuoYi开发框架,功能非常多,内置了注册登录、权限校验等功能。 你可以往里面加功能,借助AI二次开发。不用从0到1开发。节省非常多的时间。 ### 4、电商网站 如果你是要卖货,也有很多现成方案,完全不需要自己开发。 **国内卖货:** - 淘宝、拼多多、微信小店(原视频号小店)——零门槛开店,平台帮你解决支付、物流、流量。 - 有赞、微店——适合做私域卖货,可以绑定公众号或微信群。 如果你是想部署一个个人网站,做独立站卖货。 OK,非常多。最好用的,当然是 **WordPress + WooCommerce。** 免费开源,搭配插件可以做成完整电商平台,很多做跨境电商的人都在用这个。 ![](https://developer.qcloudimg.com/http-save/yehe-4860696/3ae2ee14e986fc78bfe078b6cabf0f9f.png) 这些系统里,支付、库存、订单、物流通知,基本上都已经内置了。 你只需要把商品上传进去就行了,非常方便。 --- ## 那什么时候才应该学 AI 编程? 说了这么多,你可能会觉得:好像大多数需求都有现成方案,**那我为什么还要学 AI 编程?** 答案是:**当现有工具满足不了你,或者你有更具体的想法时,需要个性化的时候。** --- 比如: - 你有一个很具体的内部工具需求,市面上没有完全符合的——比如你们公司有一套自己的报价逻辑,需要一个专门的计算工具。 - 你想把几个现有系统打通,自动化处理数据——比如从表格读数据、自动发邮件、自动更新系统。 - 你想做一个有点不一样的东西——现有模板套不进去,你需要自己定制。 - 你有一个 AI 应用的想法,想接入大语言模型做点有趣的事。 这些场景,才是 AI 编程真正发挥价值的地方。 --- 最后,总结一下,就是在动手学之前,建议你花五分钟想清楚一件事: **我真正想做的是什么?它有没有现成方案?** ![](https://developer.qcloudimg.com/http-save/yehe-4860696/b99782656a4e661a3c06c4a65bace2e3.jpg) **如果你有问题,可以在评论区留言~** 我是卡卡罗特,持续分享**从0到1非程序员AI编程入门教程~** **加个关注再走呗~**

优秀的个人博客,低调大师

我悟了:无需部署任何 ELK、ClickHouse 等额外复杂监控设施的情况下快速为 vibecoding 产品开启全量访问日志

初创产品上线之后,你是否清楚有多少人访问了主页? 个人开发者是否知道自己站点每天的浏览量?企业内网里的演示项目,客户实际用得怎么样?生产环境的 API,是否能完整回溯每一次请求的内容?一个公开到互联网的站点,每天会遭遇多少恶意扫描和不明请求? 这些问题通常要靠自建日志体系来回答:部署 ELK 或 ClickHouse,编写采集和埋点代码,再长期维护。对于小团队和个人开发者,这个成本往往高于问题本身的价值。 在 orbitproxy 中,你只需要为云端点开启访问日志策略,即可获得完整的请求可观测性,无需部署、也无需维护任何监控基础设施,更不需要修改业务代码。 ## 为什么在网关层做可观测性 在应用与互联网之间放置一层网关,最大的价值之一就是可观测性。网关位于所有流量的必经之路,因此可以在不侵入业务的前提下,记录每一次流向上游服务的请求。基于这些数据,你可以: 1. **掌握网络运行状况**:了解请求耗时、延迟等性能指标。 1. **还原访问行为**:明确谁在何时访问了产品的哪个模块,或调用了哪个 API。 1. **前置发现恶意请求**:在站点公开到互联网之后,及时发现钓鱼探测和恶意扫描并提前防御,而不是在攻击发生后再被动处置。 1. **审计 AI 智能体的行为**:记录 AI 智能体对 MCP 服务的每一次调用,明确它在你的服务器上执行了什么,并标记高危与异常行为。 1. **收录并追踪 Webhook 回调**:为每一次回调留存完整记录,便于对账、排查和重放。 1. **缩短故障定位时间**:异常发生时,直接通过访问日志定位问题,将对客户的影响降到最低。 orbitproxy 基于云端 Gateway 提供这套可观测性能力。你和团队无需自建监控设施,即可完整掌握从 orbitproxy 流向上游服务的 HTTP 流量,使任何 HTTP 服务在整个生命周期内都保持透明、可追踪。 ![](https://developer.qcloudimg.com/http-save/audit-12819712/5524947ac91e9cf99e1bfe817368f75c.png) ## 如何开启 登录 [orbitproxy 控制中心](https://dashboard.app.orbitproxy.cloud/),按以下路径进行配置: **HTTP/TCP 云端点 → 选择目标云端点 → 流量策略 → 访问日志** 访问日志策略只做记录,不会拦截请求,流量仍然正常转发到上游服务。你可以按需选择采集级别,三个级别逐级叠加: |采集级别|记录内容| | --- | --- | |元数据|请求的基本信息,包括 Method、来源 IP、状态码、Path 等| |请求头 / 响应头|在元数据之外,记录完整的请求头与响应头| |请求体 / 响应体|在以上内容之外,记录完整的请求体与响应体| 此外可以按需配置日志保留天数。采集级别越高,记录的信息越完整,对应的存储占用也越多,请根据业务的敏感程度和排查需求选择。 ![](https://developer.qcloudimg.com/http-save/audit-12819712/e2cd4d7cba8216b9b859d0200daead44.png) ## 典型应用场景 ### 1. 追踪异常请求,识别高危行为 在 AI 编程普及的今天,开发者、产品经理、设计师都能快速发布自己的产品。代码门槛降低了,但安全边界、基础设施这类通常由架构经验支撑的能力,却容易被忽视:产品是否正在被端口扫描,密钥是否已经泄露,在早期阶段很少被关注。 而攻击者的自动化扫描,恰恰偏好这类缺少防护的新产品。一旦探测或爆破成功,攻击者往往不会立即动手,而是长期潜伏;等产品获得市场验证、价值上升之后,再发起勒索或窃取数据,这类后果对产品而言可能是致命的。 orbitproxy 的访问日志可以在产品的任何阶段记录并识别异常请求,并为其标注风险级别。 ![](https://developer.qcloudimg.com/http-save/audit-12819712/ca1408b2d2c87fe56006aea33be5214d.png) *上图是 orbitproxy 为用户捕获的一次典型扫描:攻击者持续探测* `.env`*、*`config.json` *以及各类 AI 服务的 API Key 等敏感文件。这类探测只要有一次返回 200,密钥就可能在无声无息间被窃取。* *在这类场景下,真正的难点往往不是防护手段,而是****看不见****。许多团队在早期没有可观测性的概念,所以并不知道自己的服务已经被锁定为目标。orbitproxy 会记录每一个进入上游服务的请求,并对可疑请求标记高危。当你确认存在持续的恶意扫描时,即可立即采取应对措施,例如在访问日志中直接封禁来源 IP。* ### 2. 访客记录与用户画像 在服务企业客户和创业团队的过程中,我们发现一个常见的困境:需要投放广告,却不清楚应当聚焦哪些城市、哪些功能。症结在于缺少用户画像数据。 orbitproxy 会汇总所有访问上游服务(官网、控制台或 API 等)的访客信息。你可以据此了解: - 产品的哪个模块、哪个页面最受关注; - 哪些城市和地域的用户更青睐你的产品。 ![](https://developer.qcloudimg.com/http-save/audit-12819712/6bcf2d74dbf49114f660ef57f3e119b0.png) 借助访问趋势,你还能直观地看到账户级和云端点级的流量走向,进而判断用户的使用高峰与使用习惯,为运营节奏和容量规划提供依据。 ![](https://developer.qcloudimg.com/http-save/audit-12819712/496c8abc27a2d392714207713975016a.png) ### 3. 审计团队 AI 智能体对 MCP 服务的所有操作 Cursor、Claude、Codex 等 AI 智能体已经相当强大。一个生产环境的问题,人工定位可能需要十到二十分钟,而智能体通常只需要数十秒到几分钟。在远程支持或 B 端驻场时,客户的耐心会随时间快速消耗,把生产问题的排查交给 AI,已经成为很多团队的实际选择。 但对团队而言,智能体的行为始终是一个黑盒,并且难以约束。它的效率来自可以在一秒内连续执行数十次操作,而其中任何一步出错,影响都可能迅速放大。大多数时候我们并不关心 AI 具体做了什么,但一旦涉及数据库和敏感环境,频繁且没有边界的操作就会带来真实的不安全感。这也是目前多数企业仍未将 AI 完整接入生产环境的原因之一。 借助 orbitproxy 的 MCP 可观测性,你可以对团队所有 AI 智能体的行为进行全量观测: - 调用了哪个工具、使用了什么 MCP 方法; - 执行了什么 SQL,访问了哪些文件; - 完整的请求内容与响应内容、耗时与流量; - 访问密钥与来源指纹,用于区分是哪一个成员或智能体发起的调用。 对于高风险行为,可以通过风险级别筛选集中查看,并据此判断和处置。这样,团队中每位成员的 AI 智能体都被纳入统一管理,每个智能体做了什么,都有据可查、可以追溯。 ![](https://developer.qcloudimg.com/http-save/audit-12819712/d5a356b433cacd00caa448ec5a623765.png) *上图是一次真实的记录:Cursor 通过 MCP 调用数据库工具执行了一条* `DELETE` *语句。orbitproxy 完整保留了请求头和请求体中的 SQL,并在信号一栏将这次调用标记为「MCP 访问异常」,同时记录了访问来源指纹(macOS Cursor)。请求头中的访问密钥会自动脱敏,不会明文出现在日志里。* ### 4. 统一追踪与管理团队所有 Webhook 端点 Webhook 是业务系统中最容易出问题、也最难排查的一类流量: - **对方主动推送,你无法控制时机。** 回调发生在第三方系统内部,一旦你的服务当时不可用、处理出错或返回了非预期的结果,你往往只能从第三方后台看到一个「回调失败」。 - **回调不支持自定义鉴权。** 微信支付、支付宝这类回调,无法像普通 API 一样要求调用方携带你自定义的凭证。如果上游服务没有做严格的验签,回调就存在被伪造和篡改的风险。 - **对账依赖原始报文。** 订单状态不一致时,需要回溯第三方当时究竟发送了什么、你的服务当时又返回了什么。 orbitproxy 在网关层对这三类问题给出统一的解决方式: **完整收录每一次回调。** 为接收 Webhook 的云端点开启访问日志,并选择「请求体 / 响应体」级别,第三方发来的每一次回调,包括请求头、请求体,以及你的服务返回的响应,都会被完整记录。支付金额、订单号、事件类型等字段可以直接在日志详情中查看,对账时不再需要翻服务端日志或向第三方索要报文。 **拒绝的请求同样留痕。** 配合 Webhook 验证策略,网关会使用平台证书校验回调的来源与报文完整性。伪造或被篡改的请求在网关终止,不会到达你的上游服务。这类请求在访问日志中会标明被哪一条策略拦截,以及拒绝原因,便于判断是配置问题还是确有伪造请求。 **统一视图与多维筛选。** 团队所有 Webhook 端点的日志集中在同一处。你可以按时间范围、状态、结果、错误码、来源 IP 等条件筛选。例如,只看某个时间段内返回非 2xx 的回调,快速定位处理失败的订单。 ![](https://developer.qcloudimg.com/http-save/audit-12819712/be6d63abfa23276c52c81e301c8aee50.png) ![](https://developer.qcloudimg.com/http-save/audit-12819712/d7e56bd41af36ea7a3ea4889a0a1deef.png) **HTTP 请求重放。** 对于已经完整采集请求内容的 HTTPS 云端点,可以在访问日志中将某一次请求重放到上游服务。这在两类场景下尤其有用:一是开发调试时,不必再让第三方重新触发一次回调;二是线上因故障漏处理了某次回调,修复之后可以直接补发。重放产生的请求会在日志中带有「重放」标识,与真实的第三方请求区分开,且重放产生的请求不能被再次重放。重放属于套餐权益,是否可用取决于你当前订阅的套餐。 需要注意的是,重放会让上游服务再次收到同一份请求。对于支付、退款等有副作用的回调,请确保上游服务按业务单号做了幂等处理,再进行重放。 ## **现在就试试吧!** 我们很高兴[orbitproxy控制中心](https://dashboard.app.orbitproxy.cloud/)中为大家带来可观测性能力,我们期待直接向产品团队收到您的反馈 ## **还想了解其他内容?** **可观测性** - [可观测性](https://docs.orbitproxy.cc/docs/gateway/observability):三个采集级别、访问来源指纹、访问趋势与访客分布的完整说明。 - [访问日志策略](https://docs.orbitproxy.cc/docs/policy/access-log):采集级别、日志 Body 上限、保留天数的配置参考。 - [MCP 可观测性](https://docs.orbitproxy.cc/docs/mcp-gateway/observability):记录、监控和调试 AI 对 MCP 端点的每一次访问。 **Webhook 与 MCP 安全** - [Webhook 验证](https://docs.orbitproxy.cc/docs/policy/webhook-verify):在网关校验微信支付、支付宝等回调的来源,伪造请求不会到达你的服务。 - [localhost / 内网服务接收微信支付等第三方 webhook 回调](https://docs.orbitproxy.cc/docs/gateway/use-cases/wechat-webhook):让本地开发环境直接接收第三方回调。 - [MCP 访问控制](https://docs.orbitproxy.cc/docs/policy/mcp-access):按访问密钥授权可调用的 Tools,并限制 SQL 与文件操作。 **更多用法** - [使用 orbitproxy 作为你任何服务的流量入口](https://docs.orbitproxy.cc/docs/gateway/use-cases/traffic-entry):把内网和 localhost 的 HTTP、TCP 服务发布到公网。 - [快速让生产环境服务进入维护熔断模式](https://docs.orbitproxy.cc/docs/gateway/use-cases/maintenance-mode):不改代码、不停服务,在网关一键进入维护模式。 - [连接你的内部 Stdio MCP 服务](https://docs.orbitproxy.cc/docs/mcp-gateway/use-cases/connect-internal):让 Cursor 等 AI 智能体安全访问内网 MCP,不必把数据库和密钥暴露到公网。 - [快速开始](https://docs.orbitproxy.cc/docs/start/quickstart):几分钟内把你的服务发布到公网。

资源下载

更多资源
Mario

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长,特征是大鼻子、头戴帽子、身穿背带裤,还留着胡子。与他的双胞胎兄弟路易基一起,长年担任任天堂的招牌角色。

腾讯云软件源

腾讯云软件源

为解决软件依赖安装时官方源访问速度慢的问题,腾讯云为一些软件搭建了缓存服务。您可以通过使用腾讯云软件源站来提升依赖包的安装速度。为了方便用户自由搭建服务架构,目前腾讯云软件源站支持公网访问和内网访问。

Nacos

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称,一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集,帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

WebStorm

WebStorm

WebStorm 是jetbrains公司旗下一款JavaScript 开发工具。目前已经被广大中国JS开发者誉为“Web前端开发神器”、“最强大的HTML5编辑器”、“最智能的JavaScript IDE”等。与IntelliJ IDEA同源,继承了IntelliJ IDEA强大的JS部分的功能。

用户登录
用户注册