尚硅谷Vibe Coding实战教程

这门课讨论的是「Vibe Coding」——用自然语言向 AI 描述意图，由 Claude Code、Codex 这类命令行编程代理去改代码、跑命令、交付结果。它不是提示词技巧合集，也不是教你怎么让 AI 写一段算法题，而是把 AI 编程工具真正接进日常开发流程。

它解决的是哪些具体场景

如果你现在的工作里出现下面几种情况，这门课的内容会对得上：手上有存量项目，想加功能但读代码就要花半天；需要批量重命名、迁移接口、补测试、改配置，重复劳动占比过高；团队开始要求用 AI 工具提效，但你只会把代码粘进对话框，来回搬运，效率反而更低。

课程要处理的核心问题，是怎么把「描述需求—AI 执行—你验收」变成一个可重复的闭环。重点不在某一条提示词写得多漂亮，而在于：给它多大范围的上下文、怎么切分任务、改完之后怎么确认没有引入副作用。

学完之后能独立做什么

按课程的项目实战部分推进下来，比较务实的预期是：

• 能在自己的项目里配置并使用 Claude Code、Codex 这类工具，而不是停留在网页对话框；
• 能把一个中等规模的需求拆成 AI 可执行的小步骤，逐条下达并检查结果；
• 遇到 AI 改错代码时，知道怎么用版本控制回退、怎么缩小范围重新提问，而不是从头再来；
• 对「哪些活适合交给它、哪些活必须自己盯」形成自己的判断。

需要说清楚的是，这类工具的能力边界仍然明显：涉及复杂业务逻辑、历史包袱重的模块，以及需要跨系统判断的改动，AI 给的结果经常需要人兜底。这门课教的是协作方式，不是替代判断力。

资料适合什么基础

资料里包含编辑整理的文档、一段起步说明，以及按阶段划分的视频部分，整体偏实战演示，不是逐条讲 API 的规格文档。

比较适合的读者是：写过至少一个完整项目，熟悉命令行基本操作，会用 Git 做提交和回滚，对 JavaScript/TypeScript 或 Python 里至少一门有实际编写经验。

如果你完全没有编程基础，或者从没在终端里跑过命令，这门课会显得有些跳步——它默认你能看懂 AI 改出来的代码，也有能力判断对错。零基础的话，建议先补编程和 Git，再回来学这一块。

怎么用这份资料

不建议按顺序从头看到尾。更省时间的方式是：先用自己手头一个真实的、改动量可控的任务跟着走一遍，把工具装好、跑通一次完整流程；遇到卡点再回去看对应的演示片段。等流程跑顺了，再挑一个稍大的需求做第二次练习。

看视频时容易被演示的流畅感带偏。建议把每次 AI 的改动都当成一次代码评审来看，提交前自己读一遍 diff——这个习惯比记住任何提示词模板都更有用。