聊聊最近Vibe Coding的感受

講者在過去10天裡進行了一場深度的AI編程實驗。起點是公司業務部門的痛點——員工需要在多個系統間手工複製貼上、核對數據、填表發貨，日常工作耗時耗力。講者決定利用新興的AI編程工具，將整套流程系統化上線，這個決策引發了一系列令人矚目的後續發展。

時間壓縮到極致的第一個例子是：當天晚上7點收到需求，晚上10點第一版原型就完成了。他用Python和Reflex框架快速實現，但發現框架在AI修改時不夠順暢。第二天早上，他一句話讓AI在原有代碼基礎上完全重寫成Node.js + Next.js框架，結果AI不僅理解了之前討論的所有需求邏輯，還自動清理了Python的遺留代碼，整個重構在同一天完成。第三天上午進行架構重構，下午上線。後續幾天源源不斷的功能需求疊加上去，整個系統就在迭代中逐漸完善。

同時發生的還有其他三個項目。他為朋友開發了電商爬蟲程序，爬取13家店鋪超1萬條記錄，不僅是列表頁還包含每個商品的詳情頁分類等深度資訊。爬蟲最初性能較慢，他用AI優化了幾輪，最終性能提升10倍，全量數據幾小時即可完成。他還為另一家公司開發ERP SDK，涵蓋600多個接口——既有廠商官方開放的接口，也有他通過分析瀏覽器請求、讓AI實現的非官方接口（繞過廠商API限制）。最後還寫了一個雙色球預測程序，整合了時序分析、機器學習、回歸等多種演算法。整個過程中，他還在做自媒體內容創作、錄製視頻、編寫文案。

講者用的主要工具是樹（Tree），一個較小眾的AI編程平台。他購買了最高級會員套餐，月費約1300元，提供無限Token額度。儘管如此，他仍因消耗過快而試驗過OpenAI的平價套餐（兩小時用完）和中轉站方案（幾小時消耗），最後還是決定用Tree的無限額度最划算。這反映出AI編程任務對算力的海量饑渴。

貫穿整個過程最重要的洞察是：AI編程效率取決於使用者的技術背景與架構思維。講者發現，擁有10多年軟件開發經驗的自己能夠清晰描述需求、預見系統瓶頸、精確指導AI調整，效率遠超預期；而公司內缺乏編程背景的員工即使用同樣工具，效率相差數十倍。最有意思的是，新手看到AI返回的設計方案時，往往因為缺乏軟件工程知識而無法判斷是否合理；有經驗的開發者則能立刻看出過度設計的地方，提出簡化方案，讓AI重新迭代。

整個流程也不是一次提示成型，而是設定目標→出方案→人工review→篩選功能→迭代優化的循環。例如爬蟲開發時，講者會先讓AI出整體方案，發現複雜後要求簡化，AI再出簡化方案；又如開發業務系統時，AI會提議使用阿里云KMS密鑰管理服務，講者認為過度複雜就要求改成本地加密，AI再迭代出更簡潔的方案。這種人機協作模式看似互動頻繁，但總耗時遠低於傳統純人工開發。

---

#