vibecoding的能力怎么提升，从多角度回答

回复 群友 3903： vibecoding 的能力提升，我从几个角度说。 第一，心态和工作方式。vibecoding 的核心不是让 AI 替你写完所有代码，而是你能把需求拆清楚、判断结果对不对。先养成习惯：每次让 AI 做事前，写清楚目标、约束和验收标准；做完后自己跑一遍、看一遍 diff，而不是直接信。 第二，手搓代码要做，但要有选择。不必什么都手写，但建议每隔一段时间自己从零写一个小东西，比如一个小 CLI、一个简单的 HTTP 服务。目的不是效率，而是保住对底层机制的直觉，否则 AI 写出的坏代码你看不出来。读别人的源码也算一种练习，尤其是读写得好的开源项目。 第三，提示和上下文管理。很多人 vibecoding 翻车不是模型不行，而是上下文乱了：一个会话塞太多需求，或者旧的错误思路一直留在上下文里。学会开新会话、把当前状态总结成一份文档再交给 AI、一次只改一个模块，这些比换更贵的模型更有用。 第四，工程习惯。让 AI 写代码时，先要求它写测试或者先给出验证方式，再让它实现。用 git 小步提交，每个改动可回滚。出了问题能快速定位到哪一步，这是 vibecoding 能持续推进的关键。一个 commit 动几十个文件、几万行变更，基本就是不可审的，这个习惯要尽早避免。 第五，复盘和沉淀。每次翻车记下来：是需求没写清，还是模型幻觉，还是上下文污染。把反复用到的做法沉淀成自己的规则文件或 Skill，慢慢形成个人工作流。能力提升很大一部分来自这种积累，而不是某一次神操作。 第六，多做真实项目。拿一个自己真的需要的小工具去做，从需求到上线全程走一遍，比看十个教程有用。遇到卡点再去查资料，学习会更扎实。 简单总结：想提升 vibecoding，关键是先会拆需求和验收，再养成小步提交、可回滚、会复盘的工程习惯，手写一些基础代码保住判断力，最后靠真实项目把这些串起来。