氛围编程(Vibe Code)
氛围编程的标准循环是 说清需求 => AI 生成 => 预览检验 => 精准反馈 => AI 修复,循环推进 成败的关键在反馈质量——同一句”加载失败”,给 F12 报错原文的三轮修好,只说”看不见图”的修五遍也没动不会写提示词也能做出能跑的应用,这是氛围编程(vibe code)的门槛;但要从”能跑”走到”能交付”,靠的是下面这几条反馈纪律。
一、反馈的三条纪律
1. 报错给原文,不给感受
“看不见图""做的很乱”这类自然语言,AI 无法精准定位;F12 的错误日志,AI 基本一把过。反馈时带上报错原文 + 文件行号 + 触发操作(具体模板见预览排障)。 配套纪律:删对话 = 删现场。有用户反复改不好就”把这个对话删了重新发起”——新对话里 AI 看不到之前生成的代码和改过 5 遍的历史,反而更定位不了,而且删掉的内容连技术支持也找不回来。不需要删,AI 可以在原对话里自修复。2. 渐进式、结果驱动,一步一验收
不要一句话要 10 个页面 + 全部交互 + 完美 UI。正确节奏是先让 AI 把地图和管网搞出来,跑通后再逐层加页面、调细节——每步都有可验收的结果,错了知道错在哪一步。第一轮就要大而全,结果往往是”看着都有、处处是坑”,返工成本远高于渐进式。3. 提示词不行,先让 AI 帮你写提示词
不会写提示词没关系:把需求先发给 DeepSeek,让它生成结构化提示词,再复制给工作平台的 AI。把两份回答放在一起对比,反复临摹几次,就摸清了 AI 的”性格”和对话方式——这比背提示词模板有效得多。二、真实踩坑对照
以下每一条都来自实际的氛围编程现场:三、需求陈述模板
一条合格的首轮需求包含五件事,缺一件就多一轮往返:- 数据口径写死:“管网数据采用本对话中上传的文件”这类指认,能避免 AI 用模拟数据顶替真实数据。
- 验收判据写在需求里:把”能看到什么算做完”提前说清,AI 交付前会自检,你验收也有依据。
- tk/token 只留在对话里:含 token 的 URL 不要写进对外交付的文档、页面或截图。
四、过软件工程这道门槛
氛围编程有一个分水岭:能不能从”自然语言预研”进化到”软件工程”——需求能拆步、反馈带日志、结果做验收、版本能回退。迈过去,产出就不再是单页面 demo,而是页面之间联动跳转、人机交互完整的系统;迈不过去,就会一直停在”改 5 遍还是不行”的循环里。 判断自己是否已经过线,看三个行为:- 反馈里出现的是
Uncaught TypeError: ... at app.js:147而不是”坏了""很乱”; - 大需求会主动拆成”先地图管网 → 再十个页面 → 再补空区块”的阶梯;
- 收到成果会先核一眼数字量级和预览,再进入下一轮。
使用提示: 每次卡住时先自问——“我把 F12 的原文给 AI 了吗?我是不是该把这一步拆小一点?“这两个动作能解决氛围编程里八成的挫败。