[AI 分享] Vibe Coding入門

 

摘要 : 解析Vibe Coding、AI大模型、Agent與工程化落地，說明AI如何從輔助寫碼走向自動完成開發流程。

內容:

過去不少程式設計師使用AI寫程式時，仍得自己在聊天框與本地編輯器之間反覆複製貼上、切換視窗、搬運報錯資訊，不但操作繁瑣、效率低，也因上下文割裂，常讓AI生成的程式碼難以直接融入專案。

所謂 Vibe Coding，是一種更自動化的開發方式。使用者只需提出需求，AI便能自行閱讀本地程式碼、修改檔案、編譯執行，遇到報錯再自行根據錯誤資訊修正，直到功能完成並通過測試。開發者從「手動搬運工」轉變為主要負責提需求與驗收結果的人。

這種模式之所以成形，是因為AI程式設計不再只停留在雲端聊天框。聊天介面本身只是外殼，真正具備理解需求、規劃邏輯與生成程式碼能力的是底層的大語言模型。Vibe Coding關注的核心，其實是這個「大腦」如何與本地開發環境深度結合。

目前常見的大模型選擇包含 Claude、GPT、Gemini，以及千問、DeepSeek 等模型。它們各有特色，有的偏向程式碼品質與邏輯細膩，有的強在通用能力或生態整合，也有的在效能與性價比上表現突出。但即使模型再聰明，仍有一個限制：它本身無法直接操作使用者本地電腦。

為了解決雲端模型無法觸碰本地系統的問題，就需要 Agent。Agent 是運行在本地電腦上的執行程式，像是雲端大模型的手腳與眼睛。大模型負責思考與決策，Agent 則負責讀取檔案、修改程式碼、執行命令與回傳結果，兩者配合後，AI才能真正從「會寫」進一步變成「會做」。

實際流程中，使用者只要提出需求，例如新增一個按鈕，Agent 會將需求轉給雲端模型；模型分析後要求讀取本地檔案，Agent 便讀取並回傳內容；接著模型再下達修改與執行測試的指令，由 Agent 在本地完成。再往下一步，若結合規範文件與測試驅動等工程化方法，還能進一步約束AI輸出，降低Bug風險，讓它在面試與實戰中真正產生價值。