KeyFrame內部研究專用

The Ultimate Beginner’s Guide to Vibe Coding (Replit)

Zinho Automates13 min中文
觀看原始影片

三句話摘要

用 AI 代碼生成工具(Replit)無碼快速構建網站、應用、在線商店與遊戲的完整實戰指南。 無需編碼、用自然語言幾分鐘內就能構建生產級應用(網站、應用、商店、遊戲),真實支援使用者認證與支付整合,徹底改變了應用開發的進入門檻。 規劃優先於編碼:開啟 Plan 模式讓 AI 先映照應用的完整架構、資料庫設計與元件配置,在生成前逐一審核,避免後續返工修改。

重點整理

  1. 規劃優先於編碼:開啟 Plan 模式讓 AI 先映照應用的完整架構、資料庫設計與元件配置,在生成前逐一審核,避免後續返工修改。

  2. 用業務敍述取代功能清單:不是說「加一個五行導航欄」,而是完整描述你的生意在做什麼,讓 AI 自動推導必需功能和設計。

  3. 真實應用的隱形分界線:必須在提示詞中明確加入「每個使用者只能看到自己的資料」,否則所有新用戶都會互相看到彼此的訊息,這是演示與實用應用的本質差異。

  4. 迭代而非宿命:首次輸出只是起點,可用後續提示詞反覆微調設計、排版或功能,逐步逼近理想狀態,不必被第一版鎖死。

實用技巧與重點

  • 工具:Replit(搭載 Agent 4 引擎)
  • 核心設定:
  • Plan Toggle:前置規劃模式
  • Agent Mode:Economy(成本最優、速度品質均衡)
  • App Testing:預設開啟、自動測試
  • 內建整合:Gmail、Discord、Google Calendar、Docs、Drive、Sheets、GitHub、Shopify
  • 設計迭代工具:Canvas 功能同時生成多個設計方向供對比選擇
  • 四條核心法則:
  • 每次都開啟 Plan Mode
  • 保持 Economy 模式,無特殊需求勿升級
  • 用真實瀏覽器標籤測試(非模擬環境)
  • 用後續提示詞迭代,首次輸出非終點

結論

無需編碼、用自然語言幾分鐘內就能構建生產級應用(網站、應用、商店、遊戲),真實支援使用者認證與支付整合,徹底改變了應用開發的進入門檻。

完整解析

Vibecoding 這個概念在網路上到處流行,但大多數教學影片只展示激動人心的部分——輸入提示詞、看著應用憑空出現——然後就停止。它們從未說明如何把一個看起來亮麗的演示變成真正能營運的生意。這支影片要展示全貌。

講者用 Replit 這個 AI 代碼平台來示範。它不只是應用構建器,而是一個多功能系統,能建網站、行動應用、設計工具、試算表、投影片、文件、動畫、數據視覺化、3D 遊戲——全在同一瀏覽器頁籤內完成「規劃→代碼→託管→取得實時連結」的全流程。

第一個案例是為特種咖啡烘焙廠 Ember and Oak 構建官網。開啟 Plan 模式、選 Economy 代理、寫提示詞時完整描述業務(我們是誰、賣什麼、網站要做什麼),AI 先映照頁面架構、組件、色彩與字體。用戶審核後開始構建。期間可用 Canvas 功能同時檢視三種設計方向,選最符合品牌的版本。一個提示詞加迭代後,真正活的官網就上線了。

第二個案例是構建健身紀錄應用,這是多數教學跳過的部分。需要真實使用者帳戶、登入機制、資料持久化。最關鍵的細節是在提示詞明確說「每個使用者只能看到自己的資料」,否則所有帳戶都會互相看到彼此的紀錄。同樣三步流程,一個能在行動裝置上運作的真實應用誕生——使用者隔離、紀錄追蹤,全自動完成。

第三個案例進階到商業層面:構建接受真實支付的在線商店。AI 先設計店面流程,再由使用者連接 Shopify 帳戶(平台內建整合),AI 完成購物車與結帳。結果是真正的店面,能收真實訂單、真實金款。這代表從「構建應用」升級到「構建賺錢生意」的轉變。

最後是 3D 無盡跑酷遊戲,展示平台極限。玩家自動向前、躲避障礙、累積分數。一個簡潔提示詞就夠。講者再用後續提示詞加入雙人同屏對戰(方向鍵 vs WASD),遊戲從單人變雙人。

視頻歸納四條核心法則:開啟 Plan 模式讓 AI 先規劃、保持 Economy 模式不必要不升級、用真實瀏覽器測試、用後續提示詞迭代改進。

8 min
AI 技術中文11月17日

Muse AI 国内注册方法来了!无需排队、无需信用卡,全程免费!

一路向前看原片 ↗
  • IP環境是核心要素:乾淨的住宅IP搭配日本節點能大幅提升註冊成功率,講者稱日本節點「幾乎秒過」,可選美國但成功率較低。
  • 全新郵箱是必要條件:系統會記錄每個郵箱的註冊歷程,曾排隊或卡在信用卡驗證的信箱會直接失敗,必須使用全新未註冊過的郵箱才能完全規避之前的失敗記錄。
AI 技術中文11月17日

Meta 改写 K-Means,训练轮次降到十分之一​ | K-Means | e-means | Meta FAIR | 聚类算法 | 向量检索 | Faiss | DINO10B | 向量数据库

Best Partners TV看原片 ↗
  • 從累加到衰減的中心維護:傳統小批量更新會累積歷史統計量造成早期分配記錄長期影響,而 e-Means 用指數移動平均使新分配能即時調整中心,早先統計逐漸失效,避免陷入次優解。
  • 死簇復活機制是關鍵改進:消融實驗顯示這項改動影響最大,透過每 5 批次檢查樣本不足的中心,從較大簇拆分一半重新安排,將樣本不足 10 個的中心比例從 26.3% 降到 0.3%。
AI 技術英文11月17日

Goal Engineering - The New Buzzword

Prompt Engineering看原片 ↗
  • 長期開放式目標中最難提供的上下文不是文件或 API,而是人類的判斷力與品味。傳統的檔案查詢或技術規格是相對容易部分,真正瓶頸在於定義「什麼是好的結果」。
  • Actively AI 初期採用單一代理處理多種任務類型失敗,因為人類審查者必須在十種不同的任務格式間切換心智模式,造成效率低落。重新架構為多個專一代理後,人類可在相同心智模式下快速連續審查。