---

🖼️ 概览

Vibe Coding 是一个与 AI 结对编程的终极工作流程，旨在帮助开发者丝滑地将想法变为现实。本指南详细介绍了从项目构思、技术选型、实施规划到具体开发、调试和扩展的全过程，强调以规划驱动和模块化为核心，避免让 AI 失控导致项目混乱。

核心理念: 规划就是一切。 谨慎让 AI 自主规划，否则你的代码库会变成一团无法管理的乱麻。

注意：以下经验分享并非普遍适用，请在具体实践中结合场景，辩证采纳。

🔑 元方法论 (Meta-Methodology)

该思想的核心是构建一个能够自我优化的 AI 系统。其递归本质可分解为以下步骤：

延伸阅读：A Formalization of Recursive Self-Optimizing Generative Systems

1. 定义核心角色：

• α-提示词 (生成器): 一个“母体”提示词，其唯一职责是生成其他提示词或技能。
• Ω-提示词 (优化器): 另一个“母体”提示词，其唯一职责是优化其他提示词或技能。

2. 描述递归的生命周期：

1. 创生 (Bootstrap):

   • 使用 AI 生成 α-提示词 和 Ω-提示词 的初始版本 (v1)。

2. 自省与进化 (Self-Correction & Evolution):

   • 使用 Ω-提示词 (v1) 优化 α-提示词 (v1)，从而得到一个更强大的 α-提示词 (v2)。

3. 创造 (Generation):

   • 使用进化后的 α-提示词 (v2) 生成所有需要的目标提示词和技能。

4. 循环与飞跃 (Recursive Loop):

   • 将新生成的、更强大的产物（甚至包括新版本的 Ω-提示词）反馈给系统，再次用于优化 α-提示词，从而启动持续进化。

3. 终极目标：

通过此持续的递归优化循环，系统在每次迭代中实现自我超越，无限逼近预设的预期状态。

🧭 道

• 凡是 ai 能做的，就不要人工做
• 一切问题问 ai
• 目的主导：开发过程中的一切动作围绕"目的"展开
• 上下文是 vibe coding 的第一性要素，垃圾进，垃圾出
• 系统性思考，实体，链接，功能/目的，三个维度
• 数据与函数即是编程的一切
• 输入，处理，输出刻画整个过程
• 多问 ai 是什么？，为什么？，怎么做？
• 先结构，后代码，一定要规划好框架，不然后面技术债还不完
• 奥卡姆剃刀定理，如无必要，勿增代码
• 帕累托法则，关注重要的那20%
• 逆向思考，先明确你的需求，从需求逆向构建代码
• 重复，多试几次，实在不行重新开个窗口，
• 专注，极致的专注可以击穿代码，一次只做一件事（神人除外）

🧩 法

• 一句话目标 + 非目标
• 正交性，功能不要太重复了，（这个分场景）
• 能抄不写，不重复造轮子，先问 ai 有没有合适的仓库，下载下来改
• 一定要看官方文档，先把官方文档爬下来喂给 ai
• 按职责拆模块
• 接口先行，实现后补
• 一次只改一个模块
• 文档即上下文，不是事后补

🛠️ 术

• 明确写清：能改什么，不能改什么
• Debug 只给：预期 vs 实际 + 最小复现
• 测试可交给 AI，断言人审
• 代码一多就切会话

📋 器

集成开发环境 (IDE) & 终端

• Visual Studio Code: 一款功能强大的集成开发环境，适合代码阅读与手动修改。其 Local History 插件对项目版本管理尤为便捷。
• 虚拟环境 (.venv): 强烈推荐使用，可实现项目环境的一键配置与隔离，特别适用于 Python 开发。
• Cursor: 已经占领用户心智高地，人尽皆知。
• Warp: 集成 AI 功能的现代化终端，能有效提升命令行操作和错误排查的效率。
• Neovim (nvim): 一款高性能的现代化 Vim 编辑器，拥有丰富的插件生态，是键盘流开发者的首选。
• LazyVim: 基于 Neovim 的配置框架，预置了 LSP、代码补全、调试等全套功能，实现了开箱即用与深度定制的平衡。

AI 模型 & 服务

• Claude Opus 4.5: 性能强大的 AI 模型，通过 Claude Code 等平台提供服务，并支持 CLI 和 IDE 插件。
• gpt-5.1-codex.1-codex (xhigh): 适用于处理大型项目和复杂逻辑的 AI 模型，可通过 Codex CLI 等平台使用。
• Droid: 提供对 Claude Opus 4.5 等多种模型的 CLI 访问。
• Kiro: 目前提供免费的 Claude Opus 4.5 模型访问，并提供客户端及 CLI 工具。
• Gemini CLI: 提供对 Gemini 模型的免费访问，适合执行脚本、整理文档和探索思路。
• antigravity: 目前由 Google 提供的免费 AI 服务，支持使用 Claude Opus 4.5 和 Gemini 3.0 Pro。
• AI Studio: Google 提供的免费服务，支持使用 Gemini 3.0 Pro 和 Nano Banana。
• Gemini Enterprise: 面向企业用户的 Google AI 服务，目前可以免费使用。
• GitHub Copilot: 由 GitHub 和 OpenAI 联合开发的 AI 代码补全工具。
• Kimi K2: 一款国产 AI 模型，适用于多种常规任务。
• GLM: 由智谱 AI 开发的国产大语言模型。
• Qwen: 由阿里巴巴开发的 AI 模型，其 CLI 工具提供免费使用额度。

开发与辅助工具

• Augment: 提供强大的上下文引擎和提示词优化功能。
• Windsurf: 为新用户提供免费额度的 AI 开发工具。
• Ollama: 本地大模型管理工具，可通过命令行方便地拉取和运行开源模型。
• Mermaid Chart: 用于将文本描述转换为架构图、序列图等可视化图表。
• NotebookLM: 一款用于 AI 解读资料、音频和生成思维导图的工具。
• Zread: AI 驱动的 GitHub 仓库阅读工具，有助于快速理解项目代码。
• tmux: 强大的终端复用工具，支持会话保持、分屏和后台任务，是服务器与多项目开发的理想选择。
• DBeaver: 一款通用数据库管理客户端，支持多种数据库，功能全面。

资源与模板

• 提示词库 (在线表格): 一个包含大量可直接复制使用的各类提示词的在线表格。
• 第三方系统提示词学习库: 用于学习和参考其他 AI 工具的系统提示词。
• Skills 制作器: 可根据需求生成定制化 Skills 的工具。
• 元提示词: 用于生成提示词的高级提示词。
• 通用项目架构模板: 可用于快速搭建标准化的项目目录结构。
• 元技能：Skills 的 Skills: 用于生成 Skills 的元技能。
• tmux快捷键大全: tmux 的快捷键参考文档。
• LazyVim快捷键大全: LazyVim 的快捷键参考文档。
• 二哥的Java进阶之路: 包含多种开发工具的详细配置教程。
• 虚拟卡: 可用于注册云服务等需要国际支付的场景。

---

编码模型性能分级参考

建议只选择第一梯队模型处理复杂任务，以确保最佳效果与效率。

• 第一梯队: codex-5.1-max-xhigh, claude-opus-4.5-xhigh, gpt-5.2-xhigh
• 第二梯队: claude-sonnet-4.5, kimi-k2-thinking, minimax-m2, glm-4.6, gemini-3.0-pro, gemini-2.5-pro
• 第三梯队: qwen3, SWE, grok4

---

📚 相关文档与资源

• 交流社区:
  • Telegram 交流群
  • Telegram 频道
• 个人分享:
  • 我的学习经验
  • 编程书籍推荐
• 核心资源:
  • 元提示词库: 用于生成提示词的高级提示词集合。
  • 元技能 (Meta-Skill): 用于生成 Skills 的 Skill。
  • 技能库 (Skills): 可直接集成的模块化技能仓库。
  • 技能生成器: 将任何资料转化为 Agent 可用技能的工具。
  • 在线提示词数据库: 包含数百个适用于各场景的用户及系统提示词的在线表格。
  • 第三方系统提示词仓库: 汇集了多种 AI 工具的系统提示词。
• 项目内部文档:
  • prompts-library 工具说明: 该工具支持在 Excel 和 Markdown 格式之间转换提示词，并包含数百个精选提示词。
  • coding_prompts 集合: 适用于 Vibe Coding 流程的专用提示词。
  • 系统提示词构建原则: 关于如何构建高效、可靠的 AI 系统提示词的综合指南。
  • 开发经验总结: 包含变量命名、文件结构、编码规范、架构原则等实践经验。
  • 通用项目架构模板: 提供多种项目类型的标准目录结构与最佳实践。
  • Augment MCP 配置文档: Augment 上下文引擎的详细配置说明。
  • system_prompts 集合: 用于指导 AI 开发的系统提示词，包含多个版本的开发规范与思维框架。

---

项目目录结构概览

本项目 vibe-coding-cn 的核心结构主要围绕知识管理、AI 提示词的组织与自动化展开。以下是经过整理和简化的目录树及各部分说明：

.
├── CODE_OF_CONDUCT.md           # 社区行为准则，规范贡献者行为。
├── CONTRIBUTING.md              # 贡献指南，说明如何为本项目做出贡献。
├── GEMINI.md                    # AI 助手的上下文文档，包含项目概述、技术栈和文件结构。
├── LICENSE                      # 开源许可证文件。
├── Makefile                     # 项目自动化脚本，用于代码检查、构建等。
├── README.md                    # 项目主文档，包含项目概览、使用指南、资源链接等。
├── .gitignore                   # Git 忽略文件。
├── AGENTS.md                    # AI 代理相关的文档或配置。
├── CLAUDE.md                    # AI 助手的核心行为准则或配置。
│
├── i18n/zh/documents/           # 存放各类说明文档、经验总结和配置详细说明。
│   ├── Methodology and Principles/ # 方法论与原则
│   ├── Templates and Resources/    # 模板与资源
│   └── Tutorials and Guides/       # 教程与指南
│
├── libs/                        # 通用库代码，用于项目内部模块化。
│   ├── common/                  # 通用功能模块。
│   │   ├── models/              # 模型定义。
│   │   │   └── __init__.py
│   │   └ató utils/               # 工具函数。
│   │       └ató backups/         # 内部备份工具。
│   ├── database/                # 数据库相关模块。
│   │   └ató .gitkeep             # 占位文件，确保目录被 Git 跟踪。
│   └ató external/                # 外部集成模块。
│       ├── my-nvim/             # 用户的 Neovim 配置。
│       ├── prompts-library/     # 提示词库管理工具（Excel-Markdown 转换）。
│       │   ├── main.py          # 提示词库管理工具主入口。
│       │   ├── scripts/         # 包含 Excel 与 Markdown 互转脚本和配置。
│       │   ├── prompt_excel/    # 存放 Excel 格式的原始提示词数据。
│       │   ├── prompt_docs/     # 存放从 Excel 转换而来的 Markdown 提示词文档。
│       │   ─ató ... (其他 prompts-library 内部文件)
│       ─ató XHS-image-to-PDF-conversion/ # 小红书图片转PDF工具。
│
├ató i18n/zh/prompts/             # 集中存放所有类型的 AI 提示词。
│   ├── assistant_prompts/       # 辅助类提示词。
│   ├── coding_prompts/          # 专门用于编程和代码生成相关的提示词集合。
│   │   ─ató ... (具体编程提示词文件)
│   │
│   ├── system_prompts/          # AI 系统级提示词，用于设定 AI 行为和框架。
│   │   ─ató ... (其他系统提示词)
│   │
│   ─ató user_prompts/            # 用户自定义或常用提示词。
│       ├── ASCII图生成.md         # ASCII 艺术图生成提示词。
│       ├── 数据管道.md            # 数据管道处理提示词。
│       ─ató ... (其他用户提示词)
│
├ató i18n/zh/skills/              # 集中存放所有类型的 skills 技能。
    ├── claude-skills            # 生成 SKILL 的元 SKILL
    │   ├── SKILL.md
    │   ─ató ... (其他)
    ─ató ... (与其他 skill)

---

🖼️ 概览与演示

一句话：Vibe Coding = 规划驱动 + 上下文固定 + AI 结对执行，让「从想法到可维护代码」变成一条可审计的流水线，而不是一团无法迭代的巨石文件。

你能得到

• 成体系的提示词工具链：i18n/zh/prompts/system_prompts/ 约束 AI 行为边界，i18n/zh/prompts/coding_prompts/ 提供需求澄清、计划、执行的全链路脚本。
• 闭环交付路径：需求 → 上下文文档 → 实施计划 → 分步实现 → 自测 → 进度记录，全程可复盘、可移交。

⚙️ 架构与工作流程

核心资产映射：

i18n/zh/prompts/
  coding_prompts/        # 需求澄清、计划、执行链的核心提示词
  system_prompts/        # 约束 AI 行为边界的系统级提示词
  assistant_prompts/     # 辅助/配合型提示
  user_prompts/          # 可复用的用户侧提示词
i18n/zh/documents/
  Templates and Resources/代码组织.md, Templates and Resources/通用项目架构模板.md, Methodology and Principles/开发经验.md, Methodology and Principles/系统提示词构建原则.md 等知识库
backups/
  一键备份.sh, 快速备份.py  # 本地/远端快照脚本

graph TB
  %% GitHub 兼容简化版（仅使用基础语法）

  subgraph ext_layer[外部系统与数据源层]
    ext_contrib[社区贡献者]
    ext_sheet[Google 表格 / 外部表格]
    ext_md[外部 Markdown 提示词]
    ext_api[预留：其他数据源 / API]
    ext_contrib --> ext_sheet
    ext_contrib --> ext_md
    ext_api --> ext_sheet
  end

  subgraph ingest_layer[数据接入与采集层]
    excel_raw[prompt_excel/*.xlsx]
    md_raw[prompt_docs/外部MD输入]
    excel_to_docs[prompts-library/scripts/excel_to_docs.py]
    docs_to_excel[prompts-library/scripts/docs_to_excel.py]
    ingest_bus[标准化数据帧]
    ext_sheet --> excel_raw
    ext_md --> md_raw
    excel_raw --> excel_to_docs
    md_raw --> docs_to_excel
    excel_to_docs --> ingest_bus
    docs_to_excel --> ingest_bus
  end

  subgraph core_layer[数据处理与智能决策层 / 核心]
    ingest_bus --> validate[字段校验与规范化]
    validate --> transform[格式映射转换]
    transform --> artifacts_md[prompt_docs/规范MD]
    transform --> artifacts_xlsx[prompt_excel/导出XLSX]
    orchestrator[main.py · scripts/start_convert.py] --> validate
    orchestrator --> transform
  end

  subgraph consume_layer[执行与消费层]
    artifacts_md --> catalog_coding[i18n/zh/prompts/coding_prompts]
    artifacts_md --> catalog_system[i18n/zh/prompts/system_prompts]
    artifacts_md --> catalog_assist[i18n/zh/prompts/assistant_prompts]
    artifacts_md --> catalog_user[i18n/zh/prompts/user_prompts]
    artifacts_md --> docs_repo[i18n/zh/documents/*]
    artifacts_md --> new_consumer[预留：其他下游渠道]
    catalog_coding --> ai_flow[AI 结对编程流程]
    ai_flow --> deliverables[项目上下文 / 计划 / 代码产出]
  end

  subgraph ux_layer[用户交互与接口层]
    cli[CLI: python main.py] --> orchestrator
    makefile[Makefile 任务封装] --> cli
    readme[README.md 使用指南] --> cli
  end

  subgraph infra_layer[基础设施与横切能力层]
    git[Git 版本控制] --> orchestrator
    backups[backups/一键备份.sh · backups/快速备份.py] --> artifacts_md
    deps[requirements.txt · scripts/requirements.txt] --> orchestrator
    config[prompts-library/scripts/config.yaml] --> orchestrator
    monitor[预留：日志与监控] --> orchestrator
  end

---

📈 性能基准 (可选)

本仓库定位为「流程与提示词」而非性能型代码库，建议跟踪下列可观测指标（当前主要依赖人工记录，可在 progress.md 中打分/留痕）：

指标	含义	当前状态/建议
提示命中率	一次生成即满足验收的比例	待记录；每个任务完成后在 progress.md 记 0/1
周转时间	需求 → 首个可运行版本所需时间	录屏时标注时间戳，或用 CLI 定时器统计
变更可复盘度	是否同步更新上下文/进度/备份	通过手工更新；可在 backups 脚本中加入 git tag/快照
例程覆盖	是否有最小可运行示例/测试	建议每个示例项目保留 README+测试用例

---

🗺️ 路线图

gantt
    title 项目发展路线图
    dateFormat YYYY-MM
    section 近期 (2025)
    补全演示GIF与示例项目: active, 2025-12, 15d
    prompts 索引自动生成脚本: 2025-12, 10d
    section 中期 (2026 Q1)
    一键演示/验证 CLI 工作流: 2026-01, 15d
    备份脚本增加快照与校验: 2026-01, 10d
    section 远期 (2026 Q1-Q2)
    模板化示例项目集: 2026-02, 20d
    多模型对比与评估基线: 2026-02, 20d

---

🚀 入门指南（这里是原作者的，不是我写的，我更新了一下我认为最好的模型）

要开始 Vibe Coding，你只需要以下两种工具之一：

• Claude Opus 4.5，在 Claude Code 中使用
• gpt-5.1-codex.1-codex (xhigh)，在 Codex CLI 中使用

本指南同时适用于 CLI 终端版本和 VSCode 扩展版本（Codex 和 Claude Code 都有扩展，且界面更新）。

*(注：本指南早期版本使用的是 Grok 3，后来切换到 Gemini 2.5 Pro，现在我们使用的是 Claude 4.5（或 gpt-5.1-codex.1-codex (xhigh)）)*

(注2：如果你想使用 Cursor，请查看本指南的 1.1 版本，但我们认为它目前不如 Codex CLI 或 Claude Code 强大)

---

⚙️ 完整设置流程

1. 游戏设计文档（Game Design Document）

• 把你的游戏创意交给 gpt-5.1-codex 或 Claude Opus 4.5，让它生成一份简洁的 游戏设计文档，格式为 Markdown，文件名为 game-design-document.md。
• 自己审阅并完善，确保与你的愿景一致。初期可以很简陋，目标是给 AI 提供游戏结构和意图的上下文。不要过度设计，后续会迭代。

2. 技术栈与 CLAUDE.md / Agents.md

• 让 gpt-5.1-codex 或 Claude Opus 4.5 为你的游戏推荐最合适的技术栈（例如：多人3D游戏用 ThreeJS + WebSocket），保存为 tech-stack.md。
  • 要求它提出 最简单但最健壮 的技术栈。
• 在终端中打开 Claude Code 或 Codex CLI，使用 /init 命令，它会读取你已创建的两个 .md 文件，生成一套规则来正确引导大模型。
• 关键：一定要审查生成的规则。 确保规则强调 模块化（多文件）和禁止 单体巨文件（monolith）。可能需要手动修改或补充规则。
  • 极其重要： 某些规则必须设为 "Always"（始终应用），确保 AI 在生成任何代码前都强制阅读。例如添加以下规则并标记为 "Always"：

    # 重要提示：
    # 写任何代码前必须完整阅读 memory-bank/@architecture.md（包含完整数据库结构）
    # 写任何代码前必须完整阅读 memory-bank/@game-design-document.md
    # 每完成一个重大功能或里程碑后，必须更新 memory-bank/@architecture.md
    

  • 其他（非 Always）规则要引导 AI 遵循你技术栈的最佳实践（如网络、状态管理等）。
  • 如果想要代码最干净、项目最优化，这一整套规则设置是强制性的。

3. 实施计划（Implementation Plan）

• 将以下内容提供给 gpt-5.1-codex 或 Claude Opus 4.5：
  • 游戏设计文档（game-design-document.md）
  • 技术栈推荐（tech-stack.md）
• 让它生成一份详细的 实施计划（Markdown 格式），包含一系列给 AI 开发者的分步指令。
  • 每一步要小而具体。
  • 每一步都必须包含验证正确性的测试。
  • 严禁包含代码——只写清晰、具体的指令。
  • 先聚焦于 基础游戏，完整功能后面再加。

4. 记忆库（Memory Bank）

• 新建项目文件夹，并在 VSCode 中打开。
• 在项目根目录下创建子文件夹 memory-bank。
• 将以下文件放入 memory-bank：
  • game-design-document.md
  • tech-stack.md
  • implementation-plan.md
  • progress.md（新建一个空文件，用于记录已完成步骤）
  • architecture.md（新建一个空文件，用于记录每个文件的作用）

🎮 Vibe Coding 开发基础游戏

现在进入最爽的阶段！

确保一切清晰

• 在 VSCode 扩展中打开 Codex 或 Claude Code，或者在项目终端启动 Claude Code / Codex CLI。
• 提示词：阅读 /memory-bank 里所有文档，implementation-plan.md 是否完全清晰？你有哪些问题需要我澄清，让它对你来说 100% 明确？
• 它通常会问 9-10 个问题。全部回答完后，让它根据你的回答修改 implementation-plan.md，让计划更完善。

你的第一个实施提示词

• 打开 Codex 或 Claude Code（扩展或终端）。
• 提示词：阅读 /memory-bank 所有文档，然后执行实施计划的第 1 步。我会负责跑测试。在我验证测试通过前，不要开始第 2 步。验证通过后，打开 progress.md 记录你做了什么供后续开发者参考，再把新的架构洞察添加到 architecture.md 中解释每个文件的作用。
• 永远 先用 "Ask" 模式或 "Plan Mode"（Claude Code 中按 shift+tab），确认满意后再让 AI 执行该步骤。
• 极致 Vibe： 安装 Superwhisper，用语音随便跟 Claude 或 gpt-5.1-codex 聊天，不用打字。

工作流

• 完成第 1 步后：
  • 把改动提交到 Git（不会用就问 AI）。
  • 新建聊天（/new 或 /clear）。
  • 提示词：阅读 memory-bank 所有文件，阅读 progress.md 了解之前的工作进度，然后继续实施计划第 2 步。在我验证测试前不要开始第 3 步。
• 重复此流程，直到整个 implementation-plan.md 全部完成。

✨ 添加细节功能

恭喜！你已经做出了基础游戏！可能还很粗糙、缺少功能，但现在可以尽情实验和打磨了。

• 想要雾效、后期处理、特效、音效？更好的飞机/汽车/城堡？绝美天空？
• 每增加一个主要功能，就新建一个 feature-implementation.md，写短步骤+测试。
• 继续增量式实现和测试。

🐞 修复 Bug 与卡壳情况

常规修复

• 如果某个提示词失败或搞崩了项目：
  • Claude Code 用 /rewind 回退；用 gpt-5.1-codex 的话多提交 git，需要时 reset。
• 报错处理：
  • JavaScript 错误： 打开浏览器控制台（F12），复制错误，贴给 AI；视觉问题截图发给它。
  • 懒人方案： 安装 BrowserTools，自动复制错误和截图。

疑难杂症

• 实在卡住：
  • 回退到上一个 git commit（git reset），换新提示词重试。
• 极度卡壳：
  • 用 RepoPrompt 或 uithub 把整个代码库合成一个文件，然后丢给 gpt-5.1-codex 或 Claude 求救。

💡 技巧与窍门

Claude Code & Codex 使用技巧

• 终端版 Claude Code / Codex CLI： 在 VSCode 终端里运行，能直接看 diff、喂上下文，不用离开工作区。
• Claude Code 的 /rewind： 迭代跑偏时一键回滚到之前状态。
• 自定义命令： 创建像 /explain $参数 这样的快捷命令，触发提示词：“深入分析代码，彻底理解 $参数 是怎么工作的。理解完告诉我，我再给你任务。” 让模型先拉满上下文再改代码。
• 清理上下文： 经常用 /clear 或 /compact（保留历史对话）。
• 省时大法（风险自负）： 用 claude --dangerously-skip-permissions 或 codex --yolo，彻底关闭确认弹窗。

其他实用技巧

• 小修改： 用 gpt-5.1-codex (medium)
• 写顶级营销文案： 用 Opus 4.1
• 生成优秀 2D 精灵图： 用 ChatGPT + Nano Banana
• 生成音乐： 用 Suno
• 生成音效： 用 ElevenLabs
• 生成视频： 用 Sora 2
• 提升提示词效果：
  • 加一句：“慢慢想，不着急，重要的是严格按我说的做，执行完美。如果我表达不够精确请提问。”
  • 在 Claude Code 中触发深度思考的关键词强度：think < think hard < think harder < ultrathink。

❓ 常见问题解答 (FAQ)

• Q: 我在做应用不是游戏，这个流程一样吗？

  • A: 基本完全一样！把 GDD 换成 PRD（产品需求文档）即可。你也可以先用 v0、Lovable、Bolt.new 快速原型，再把代码搬到 GitHub，然后克lon到本地用本指南继续开发。

• Q: 你那个空战游戏的飞机模型太牛了，但我一个提示词做不出来！

  • A: 那不是一个提示词，是 ~30 个提示词 + 专门的 plane-implementation.md 文件引导的。用精准指令如“在机翼上为副翼切出空间”，而不是“做一个飞机”这种模糊指令。

• Q: 为什么现在 Claude Code 或 Codex CLI 比 Cursor 更强？

  • A: 完全看个人喜好。我们强调的是：Claude Code 能更好发挥 Claude Opus 4.5 的实力，Codex CLI 能更好发挥 gpt-5.1-codex 的实力，而 Cursor 对这两者的利用都不如原生终端版。终端版还能在任意 IDE、使用 SSH 远程服务器等场景工作，自定义命令、子代理、钩子等功能也能长期大幅提升开发质量和速度。最后，即使你只是低配 Claude 或 ChatGPT 订阅，也完全够用。

• Q: 我不会搭建多人游戏的服务器怎么办？

  • A: 问你的 AI。

---

📞 联系方式

• GitHub: tukuaiai
• Twitter / X: 123olp
• Telegram: @desci0
• Telegram 交流群: glue_coding
• Telegram 频道: tradecat_ai_channel
• 邮箱: tukuai.ai@gmail.com (回复可能不及时)

---

✨ 支持项目

救救孩子，感谢了，好人一生平安🙏🙏🙏

• Tron (TRC20): TQtBXCSTwLFHjBqTS4rNUp7ufiGx51BRey
• Solana: HjYhozVf9AQmfv7yv79xSNs6uaEU5oUk2USasYQfUYau
• Ethereum (ERC20): 0xa396923a71ee7D9480b346a17dDeEb2c0C287BBC
• BNB Smart Chain (BEP20): 0xa396923a71ee7D9480b346a17dDeEb2c0C287BBC
• Bitcoin: bc1plslluj3zq3snpnnczplu7ywf37h89dyudqua04pz4txwh8z5z5vsre7nlm
• Sui: 0xb720c98a48c77f2d49d375932b2867e793029e6337f1562522640e4f84203d2e
• 币安 UID: 572155580

---

✨ 贡献者

感谢所有为本项目做出贡献的开发者！

特别鸣谢以下成员的宝贵贡献 (排名不分先后):
@shao__meng | @0XBard_thomas | @Pluvio9yte | @xDinoDeer | @geekbb @GitHub_Daily

---

🤝 参与贡献

我们热烈欢迎各种形式的贡献。如果您对本项目有任何想法或建议，请随时开启一个 Issue 或提交一个 Pull Request。

在您开始之前，请花时间阅读我们的 贡献指南 (CONTRIBUTING.md) 和 行为准则 (CODE_OF_CONDUCT.md)。

---

📜 许可证

本项目采用 MIT 许可证。

---

Vibe Coding 快速上手指南

本指南旨在帮助开发者快速搭建基于 Vibe Coding 理念的 AI 结对编程环境，将想法高效转化为现实。核心理念是"规划驱动"与"模块化"，避免让 AI 自主规划导致代码混乱。

🌍 环境准备

在开始之前，请确保你的开发环境满足以下基本要求。推荐优先使用国内镜像源以提升下载速度。

系统要求

• 操作系统: Windows 10/11, macOS (Intel/Apple Silicon), 或 Linux (Ubuntu 20.04+)
• 内存: 建议 8GB 以上（运行本地模型或大型 IDE 插件时建议 16GB+）
• 网络: 稳定的互联网连接（访问 AI 模型服务必需）

前置依赖

请安装以下基础工具：

1. Git: 版本控制工具。
   • 国内加速下载：清华大学开源软件镜像站
2. Python 3.9+: 大多数 AI 工具和脚本的基础。
   • 国内加速下载：PyTorch 镜像站 Python 索引 或使用 pyenv 管理。
3. Node.js (可选): 部分前端工具链需要。
   • 国内加速下载：淘宝 Node.js 镜像

推荐核心工具

根据 Vibe Coding 理念，推荐以下组合以获得最佳体验：

• IDE: Visual Studio Code 或 Cursor (AI 原生编辑器)。
• 终端: Warp (集成 AI) 或系统自带终端 + tmux。
• 包管理器: 推荐使用 pip 配合国内镜像源。

---

🚀 安装步骤

本仓库主要包含方法论、提示词库（Prompts）和技能库（Skills），无需复杂的编译安装。核心在于配置你的开发工具和获取资源。

1. 克隆项目仓库

使用 Git 将本指南及资源库下载到本地。

git clone https://github.com/tukuaiai/vibe-coding-cn.git
cd vibe-coding-cn

提示: 如果下载速度慢，可使用国内镜像加速（如适用）或手动下载 ZIP 包解压。

2. 配置 Python 虚拟环境 (推荐)

为隔离项目依赖，建议创建虚拟环境。

python -m venv .venv

# Windows 激活
.venv\Scripts\activate

# macOS / Linux 激活
source .venv/bin/activate

3. 安装辅助工具 (可选)

如果你需要使用本地模型或特定 CLI 工具，可参考以下安装命令：

• 安装 Ollama (本地大模型管理):

  # macOS / Linux
  curl -fsSL https://ollama.com/install.sh | sh
  
  # Windows: 请访问官网下载安装包
  

• 配置 pip 国内镜像源 (永久生效):

  pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
  

4. 导入提示词与技能

本项目的核心价值在于 prompts 和 skills 目录。

• 浏览资源: 直接查看 ./i18n/zh/prompts/ 和 ./i18n/zh/skills/ 目录下的 Markdown 文件。
• 在线表格: 推荐直接访问项目提供的 提示词在线表格 复制所需内容。

---

💻 基本使用

Vibe Coding 不是一款单一的软件，而是一套工作流。以下是基于该理念的最简启动示例。

第一步：设定目标与规划 (道)

在与 AI 对话前，先明确“一句话目标”和“非目标”。不要直接让 AI 写代码，先让它做规划。

示例提示词 (复制到 Cursor/Claude/ChatGPT):

# 角色
你是一位资深的全栈架构师，擅长通过规划驱动开发。

# 目标
我要构建一个基于 Python 的简易待办事项 (Todo) API，支持增删改查。

# 非目标
- 不需要前端界面
- 不需要用户认证系统
- 暂时不考虑 Docker 部署

# 任务
1. 请分析需求，设计模块结构（实体、链接、功能）。
2. 输出项目目录结构树。
3. 定义核心接口文档（Input/Process/Output）。
4. 等待我确认后再开始编写具体代码。

第二步：迭代开发与优化 (法 & 术)

遵循“接口先行，实现后补”和“一次只改一个模块”的原则。

1. 生成代码: 确认规划后，指示 AI 生成具体模块代码。

   请根据刚才规划的目录结构，先实现 `models.py` 和 `database.py`。
   注意：只修改这两个文件，不要变动其他未提及的文件。
   

2. 调试修复: 遇到报错时，提供“预期 vs 实际”及最小复现步骤。

   [错误信息]: FileNotFoundError: ...
   [预期]: 程序应自动创建数据库文件。
   [实际]: 程序因路径不存在崩溃。
   [最小复现]: 运行 `python main.py` 即触发。
   请修复此问题，并解释原因。
   

3. 上下文管理: 当对话过长或代码量过大时，开启新会话，并将当前核心代码片段和新指令作为上下文输入，避免 AI 迷失。

第三步：利用元方法论进化 (进阶)

利用项目中的 α-提示词 (生成器) 和 Ω-提示词 (优化器) 概念，不断优化你的工作流。

• 操作: 将你自己写的提示词发给 AI，要求其扮演 Ω-提示词 进行优化。

  你是一个提示词优化专家 (Ω-Prompt)。请分析以下我使用的提示词，指出其逻辑漏洞，并生成一个更强大、更清晰的 v2 版本：
  
  [在此粘贴你的旧提示词]
  

通过以上步骤，你将建立起一套高效、可控的 AI 结对编程流程，真正实现“丝滑地将想法变为现实”。