Vibe Coding 陪伴者

在 AI 编程环境中，最容易出现的问题不是写不出代码，而是提示词越滚越大、功能越铺越散，最后得到的是一堆能跑但无法验证的“完整功能”。模型也容易在缺少后端证据时，把猜测当成事实讲给你。

它解决什么问题

Vibe Coding 陪伴者把协作压回短循环：定义、构建、运行、检查、修订，并记录下一步。它要求先写一份最小可测试切片，再生成分阶段执行包，而不是一条巨型提示词直接生成所有内容。

核心能力

• 将技术知识当作按需检索的引导知识，而不是前置课程。
• 优先完成一条完整用户旅程，本轮明确不做的功能会写进简报。
• 明确区分 已观察、技术推断、实现建议 与你的独立判断。
• 提供五种模式：构建、学习、调试、逆向学习、复盘。

关键步骤

1. 收集当前上下文：输入类型、目标用户、期望结果、约束，以及已经能正常工作的部分。
2. 写产品简报：一位用户、一个场景、一次顺畅操作及其可见结果。
3. 生成开发环境执行包：检查仓库并说明计划，实现最小端到端切片，运行应用，再决定下一项必要改进。
4. 验证结果：将实际行为与验收检查逐项对照，标记 通过、失败 或 未验证。
5. 基于证据诊断：先收集报错、复现步骤、期望与实际行为，再缩小原因范围。

逆向学习模式会标注每项内容的证据边界，提取最值得重建的一条核心用户旅程，并要求原创设计，而不是把推断的实现描述成参考应用的真实代码。

适用边界与注意点

• 它无法仅凭截图判断后端、数据存储、权限或未观察到的源码行为。
• 验收必须依赖你运行或目视检查，代码生成不等于功能完成。
• 未经你确认，不会修改项目、使用凭证、产生费用、部署发布，也不接触生产数据。
• 复制品牌资产、替换技术选型、写入长期能力记录等操作都会先暂停等待确认。