无尘阁日记

无尘阁日记

从零开始Vibe Coding:它讲清了怎么当甲方,没讲清怎么验收
silcano

微信读书《从零开始Vibe Coding:用AI做出你的第一个产品》,程序员鱼皮 著,微信读书出品,出品时间 2026 年 5 月。这本书没有出版社,也没有 ISBN——版权页上只有一句"本书由微信读书出品并制作与发行",这是微信读书自制书的常见形态,也决定了它后来的一系列特征:它更像一套被排成书的系列课程,而不是一本被编辑打磨过的出版物。全书分三大板块:基础必读(概念、流程、二十多个项目实战)、经验技巧(五大心法、对话工程、上下文管理、幻觉处理、效率、质量、重构、性能、安全、成本、协作、美化)、产品变现(需求、文档、选型、架构、研发流程、盈利模式、付费策略、SEO 与 GEO)。我从版权页读到最后一页"全书完",全书读完,没有跳章。
说明:加引号的句子都是从原文照录,可以逐字核对。这本书里"教学"的部分我基本不评价——它把 Vibe Coding 的操作流程讲得比市面上大多数付费课清楚,这一点我认。我只谈三件事:它哪几段是真东西、它哪几段其实是广告、以及它教人审 AI 的代码,为什么从头到尾没审过 AI 写的文档。

这本书教你的不是写代码,是怎么当甲方。

先把这本书的定位说清楚,不然接下来容易误判。它不是一本讲"AI 编程有多神奇"的爽文书,也不是一本讲"提示词怎么写"的技巧手册,它真正在做的事情,是把"用自然语言指挥 AI 做产品"这件事,拆成一套可以照着走的工序:怎么想需求、怎么写需求文档、怎么定技术方案、怎么给 AI 立规矩、怎么一步一步迭代、怎么审、怎么测、怎么修、怎么省钱、怎么上线、怎么变现。它全部的野心在书名里那半句——"用 AI 做出你的第一个产品"。注意,是"第一个",不是"下一个",也不是"最好的"。这个限定词很诚实,也很关键,后面我会拿它说事。

另一件要先说的事:这本书有一半篇幅是广告。二十多个"项目实战"(作品集网站、待办进阶版、Markdown 笔记、番茄钟、天气查询、AI 聊天助手、写作助手、图片生成、AI 万能视频下载总结器、GitHub 文档翻译 SaaS、AI 海龟汤、Yupi Code、塔罗牌占卜、AI 热点监控、Kimi 文档阅读助手、AI 零代码应用生成平台、AI 超级智能体、TRAE 学习英雄小程序……)每一个的结尾都是同一句话的变体:"完整视频教程、文字教程(预计 3~7 天学完)",然后指向"编程导航"。我不认为这算欺骗——他确实把每个项目的思路、技术选型、踩的坑都写出来了——但读者得心里有数:你买的是一本"课程导流册 + 方法论讲义"的合订本。用这个预期去读,你会觉得值;用"一本系统教材"的预期去读,你会觉得被塞了一嘴传单。

一 · 它唯一真正的新命题:规划比代码贵

全书最锋利的一句话,出现在讲"五大心法"的第一条里:

花在规划上的 5 分钟,能省下你在返工上的 30 分钟。

这句话本身不新,软件工程讲了五十年。新的地方在于它给这个老道理换了一个全新的成本结构。传统开发里,写代码是最贵的一环,所以"先想清楚"是一种节约;AI 编程里,写代码几乎不要钱了,那"想不清楚"就变成了一种纯粹的支出——你花五分钟让 AI 生成一堆错东西,再花五十分钟让它改,最后发现源头是自己没想明白。

作者对这个机理的解释,是全书写得最准的一段:

"AI 会优先让代码能跑起来,而不是让代码结构合理。一旦代码能跑了,AI 就会倾向于在现有代码上打补丁,而不是重新设计。这就像盖房子——如果地基歪了,后面怎么修都会歪。"

这句话值得抄下来。它解释了一个很多人有感受但说不清的现象:第一次让 AI 做完一个东西,你惊喜;第三次让它加功能,你开始烦躁;第五次,你不敢动代码了。原因不是 AI 变笨了,是它在第一次就跑通的那一刻,悄悄把架构锁死了——锁在一个"能跑但结构随机"的形态上。之后所有的修改都是在往这个随机形态上叠补丁,叠到最后连它自己也读不懂自己写的东西。

所以这本书给出的整套流程,本质上是"如何在 AI 跑通第一版之前,把架构钉死"。它的五步是:需求研究(Research,让 AI 联网查竞品)、写 PRD、技术设计、写 AGENTS.md、然后才是小步开发迭代。前四步一行代码都不产出。这套流程听起来啰嗦,但它对付的正是上面那个机理。

二 · 五个心法里,两个是旧的、一个是真的新的

作者把方法论整理成"五大核心心法":先做规划、MVP 思维、迭代优于完美、上下文是王道、像产品经理一样思考。这个整理很好记,但含金量并不均匀,得拆开看。

"MVP 思维"和"迭代优于完美"是旧的。这两个东西在敏捷开发里叫最小可行产品和增量交付,讲了二十年。作者本人的表述也没什么新东西:"先做一个最简单、但能用的版本,然后再慢慢完善",举例是记账应用第一版只做"记录一笔支出"和"查看所有支出"。这是标准教材写法。它们不是错的,只是不构成"这本书值得读"的理由。

"像产品经理一样思考"是半旧的,但在这个语境里被赋予了新的必要性。传统开发里,程序员不需要当产品经理,因为有产品经理;AI 编程里,如果你自己就是需求方,那"把模糊想法翻译成明确规格"这件事就没人替你做了。作者举的例子很到位:不要说"做一个好看的按钮",要说"做一个圆角、蓝色背景、白色文字、鼠标悬停时变深蓝色的按钮"。这类"具体而非抽象"的对照,全书出现了很多次,是它最有教学价值的部分。

真正新的,是"上下文是王道"。这一条不是修辞,它有明确的物理基础,作者也点破了:

"AI 没有记忆。每次你开始一个新的对话,它都不知道你之前说过什么。"

这句话听起来像常识,但它是整本书所有操作技巧的根。你之所以要写 PRD、要写 README.md、要写 TODO.md、要写 CLAUDE.md 或 AGENTS.md 或 .cursorrules,不是因为"文档是好东西"这种道德劝说,而是因为 AI 的窗口有限、且每次对话都从零开始——你不给它文档,它就只能猜。文档在这里不是知识沉淀,是运行时的输入参数。

三 · 上下文工程:全书最该单独卖钱的一章

如果这本书只能保留一章,我选讲上下文管理的那一章。它把一件很模糊的事拆成了三层,而且每一层都给了具体动作。

三层是:项目级上下文(技术栈、设计规范、目录结构)、功能级上下文(当前这个功能要做什么、依赖谁)、对话级上下文(刚才讨论过什么、生成了哪些代码)。作者打的比方很准——这三层分别是 AI 的"长期记忆、中期记忆、短期记忆"。

对话级那一层,他给的管理办法极其朴素:"一个对话只做一件事。"不要在一个对话里既讨论登录、又讨论支付、还讨论性能优化。理由也很物理:对话越长,早期内容被挤出窗口的概率越高,AI 就开始"失忆"。

项目级那一层,他给了几份具体文件的职责划分,这部分可以直接抄:README.md 是项目身份证(技术栈、目录结构、开发规范、怎么运行);TODO.md 是进度账本(已完成、进行中、待开发、已知问题);CLAUDE.md 是给 AI 的项目手册(项目概述、技术栈、重要决策、下一步计划);.cursorrules 或 AGENTS.md 是团队规约(代码风格、禁止项、必须项)。

最有价值的是他讲了"上下文断裂"怎么识别——这个几乎没人写。他列了四个信号:AI 突然用了不同的技术栈(你明明用 React,它给你写 Vue 代码);代码风格和之前不一致;AI 重复问你已经回答过的问题;你自己都觉得乱了、说不清当前状态。发现这四个信号,就要立刻修,不要继续往下走。

修复的办法他也分了级:先重新贴一遍上下文;不行就用一句"回到正轨"的提示词;还不行就开新对话,把需求文档、方案文档、当前代码一起丢过去让它重建记忆;最彻底的是切断上下文从头来。这套分级处理,比大多数"提示词技巧"实用得多,因为它承认了一个事实:有些对话是救不回来的,越救越贵。

四 · 死循环止损线,以及"骂 AI"这套东西的问题

在讲幻觉和死循环的那一章,作者给了一条非常硬的操作规程,我认为是全书第二值钱的东西:

死循环经常这样出现:第一次,AI 用了一个不存在的库;第二次,你告诉它有问题,它改了一下,但还是同样的错;第三次,你再次指出,它又改了一下,还在同一个地方打转;第四次,你开始怀疑人生。连续三次相同错误,就该切断了。

"连续三次"是个可执行的阈值,不是"感觉不对就重开"这种废话。配套的判断标准也给得清楚:AI 开始道歉并说"让我重新尝试"、你发现自己在重复说同样的问题——出现这两条,基本可以确认它被困住了。

但这一章也暴露了全书一个挺严重的方法论偏差。作者教人怎么让 AI 听话时,用了一套情绪化手段,而且相当得意:

"不要不好意思纠正 AI,请尽情地骂它、羞辱它、甚至可以把它当做臭狗一样教训。它不会生气,反而会根据你的反馈给出更好的答案。"

省钱那一章更进一步,给出了一整套"暴躁指令",其中包括"如果你不听话,世界上就会死一只小猫""如果你输出不必要的内容,每多给出一些字,就会有一只小动物死掉",还引用了坊间流传的"奶奶漏洞"(让模型扮演已过世的祖母)。他甚至自己也承认"这些指令虽然看起来搞笑,但确实有效"。

我的看法是:这些技巧在当下这个模型世代确实有边际效果,但它有三个代价,作者一个都没提。

第一,它不可迁移。你今天靠"死一只小猫"压住了模型的冗余输出,明天换个模型、换个版本、换个厂商,这句话可能就完全没用了,甚至反过来引发拒答。而真正稳定的做法是结构化约束——明确输出格式、明确禁止项、明确"只给这个函数不要给整个文件"。作者其实也写了这些(他的"省钱提示词"里前面几段就是正经的格式约束),但他把情绪化那部分和正经那部分混在一起讲,读者容易只记住好玩的。

第二,它训练的是错误的直觉。当"骂"成为默认手段,人就会把调试失败归因于"AI 不听话",而不是"我的需求没说清"。这本书自己在别处明明写了正确的归因方式——"如果我把这个需求给一个真人开发者,他能做对吗?如果答案是'不确定',那很可能是需求本身不够清晰"——但这两套逻辑在书里没有打通,各说各的。

第三,它掩盖了真正的问题。作者在讲效率时提了一句很关键的话:"我发现越强的 AI 就越容易把简单的需求搞复杂。"这句话如果展开,能写成一整章:为什么强模型倾向于过度工程、为什么"禁止增加需求文档中没有提到的功能"这类负面约束比正面要求有效、为什么"最小功能原则"必须反复强调。但他只写了一句就过去了,转头去讲快捷键和代码片段了。

五 · 花钱这一章,讲得比大多数付费课实在

成本控制那一章是我意料之外的好。它没有停在"选便宜的模型"这种废话上,而是把计费结构讲清楚了:

输出 token 一般比输入 token 贵 3~5 倍。也就是说,让 AI 少说几句话,比让它少看点东西更能省钱。所以一定要管住 AI 的嘴。

以及一个很多人不知道的机制:每次发消息时整个对话历史都会重新发送一遍,所以"50 轮对话 = 50 倍成本";而且输入超过 20 万 token 之后价格还会翻档。这两条一摆出来,"为什么长对话特别烧钱"就不再是玄学了。

他给的省钱动作也都是可执行的:简单的格式化、写注释、简单重构用便宜模型;常规功能、代码审查、写单测用中档;只有架构设计、复杂算法、疑难 bug 才上顶配。原话的比喻很土但很准:"就像你不会让公司的 CTO 去打印文件。"

还有一条容易被忽略但很重要的:缓存。他说相同上下文重复使用时价格能降到十分之一,所以"尽量保持上下文稳定,比如 Cursor Rules、引用的文件不要频繁改动"。这是一个反直觉的结论——大多数人以为省钱靠少说话,实际上靠的是别让上下文漂移。

团队那一段也给了个真实数字:他们团队"通过培训和规范,把人均成本降低了 40%"。这个数字没有说明统计口径,我不太信它的精度,但方向是对的:AI 成本的大头不是模型单价,是使用习惯。

六 · 从玩具到产品:点数机制那段是硬货

第三个板块(产品变现)是整个书里最不像"教程"、最像"经验"的部分。作者在这里拿出了他在腾讯和创业时攒的东西:需求分析要从自己、用户、竞品三个方向出发;需求要拆到功能点级别,再按 P0 到 P3 排优先级;技术选型要先明确"有限条件 + 特定场景",再谈最优解;架构设计要先学经典(分层、微服务、事件驱动),再结合实际痛点改。

其中讲得最实的是"点数机制"那一节。大部分人做付费产品时,第一反应是"给每个功能设一个次数上限"——AI 对话剩 10 次、AI 绘画剩 5 次、AI 写书剩 0 次。作者指出这条路会走进死胡同:功能一多,购买组合指数级增长,定价没法统一,数据库还得不停加列(chatLeftNum、drawLeftNum……)。他的解法是把所有次数统一抽象成一个 points,不同功能消耗不同点数;再往前一步,把"哪个功能消耗多少点"抽到 JSON 配置里,公共方法按 type 取配置,代码里连 if-else 都不留;最后一步更细——把点数基数放大(比如 1 次 = 10 点),这样"AI 绘画 20 点、额外用以图生图再加 10 点"这类小数需求就不会卡住。

这段的价值不在代码,在于它示范了一种思路:面对 AI 时代快速膨胀的功能列表,怎么用一次抽象把复杂度按下去。这是他作为工程负责人的真实判断,不是从文档里抄的。

SEO 与 GEO 那两章也超出预期。尤其是 GEO(生成式引擎优化)那一章,他引了 2025 年 315 晚会曝光的案例:有人用 AI 批量生成软文,编造"量子纠缠传感"的黑科技、伪造专家评测和用户好评,39.9 元一套服务,发出去两个小时,多款主流大模型就把一个根本不存在的手环推荐给了用户,还一本正经地介绍它的卖点。他引了那个平台运营者的原话——"一年可能上亿的广告费,花个几百万投点毒,总行吧"——然后说:他用的词就是"投毒"。

这一段的分寸拿得很好:他既承认 GEO 是门正经手艺(先给结论、结构化写作、标数据来源、用问题式标题、在权威平台持续输出、保持内容新鲜、做好技术层优化),又明确划了线——技术本身没问题,有问题的是拿假信息去喂模型。比起"教你三招让 AI 推荐你"的爽文,这个态度可信得多。

七 · 它的短板

现在说不好的地方。我列五条,都是读完全书之后的实感。

第一,商业动机污染了内容结构。二十多个"项目实战"全部指向同一套付费课程,导致这本书的篇幅分配严重失衡:真正的方法论(心法、对话、上下文、幻觉、成本)加起来不到三分之一,剩下的全是"我给你演示一个项目,完整教程在那边"。更麻烦的是,这些项目章节的写法高度模板化——项目介绍、功能演示、技术选型、架构设计、AI 编程开发流程、项目收获,六段循环二十遍。读到第五个项目你就能预判下一段写什么。作为书,这是结构病;作为课程目录,它是合格的。

第二,关键数字没有出处。这本书里撒了不少漂亮数字,几乎没有一个是能追的。比如讲 AGENTS.md 时写"这个标准由 OpenAI、Anthropic、Google 等公司共同推动,目前已经有超过 8 万个开源项目在使用"——没给统计时间、没给统计口径、没给来源。讲 GEO 时写"有数据显示,AI 搜索带来的流量转化率可以达到传统搜索的 5 倍以上"——"有数据显示"四个字后面什么都没有。讲权威性时写"有研究显示,约 80% 以上被 AI 引用的来源都具备至少 3 项以上的权威信号"——同样无出处。唯一给了明确来源的是 QuestMobile 的"截至 2025 年 12 月,中国 AI 原生应用月活用户突破 7.22 亿",而这条恰恰是全书最不重要的一条。

这个毛病很讽刺:他在 GEO 那一章反复强调"用具体数据代替模糊描述""引用权威机构的研究""让 AI 能识别出这是谁写的",自己写书时却大量使用无源数据。按他自己给的标准,这本书的 GEO 得分不会高。

第三,教人审 AI 的代码,却不审 AI 写的文档。这是我认为最实质的缺陷。全书有一整章讲代码质量保障,讲得还不错:要审功能正确性、可读性、错误处理、性能、安全;要用多个 AI 交叉验证;要写测试;要用 ESLint 和 Prettier;要知道"AI 只知道技术,不了解你的业务逻辑"。这些都对。

但整本书的核心工作流是这样:让 AI 生成 PRD → 人工"确认" → 让 AI 生成技术架构文档 → 人工"确认" → 让 AI 按文档写代码。问题在于,"人工确认"这四个字,全书没有一处讲清楚该怎么确认。你凭什么判断一份 AI 写的 PRD 是完整的?你怎么知道技术架构文档里那张表设计得对不对?如果读者有能力审这些,他大概也不需要这本书;如果他没有能力审,那这套流程的风险就全压在那个没有定义的"确认"动作上。

更值得注意的是,作者自己在书里演示过 AI 生成文档翻车的现场:让 AI 写产品需求文档,AI"已经有些迫不及待想写代码了",文档里塞了一堆用不上的附加功能,他的处理是"人工重点关注要实现的核心功能,移除掉不需要的附加功能"。这个动作具体怎么做、依据什么标准删,他没写。而这恰恰是整套方法论里最该被讲清楚的一步——因为一旦 PRD 错了,后面的架构、代码、测试会全部忠实地错下去,而且错得很有条理。

第四,所有的成功指标都停在"能跑"。这本书里每一个项目的验收标准几乎都是同一句话:"跑通核心业务流程""可以正常运行""不到 1 天就做完并且上线"。没有一处出现过上线后的真实数据:有多少用户、留存多少、崩过几次、成本多少、有没有人付费。连他自己那个 AI 产品(书里叫"鱼聪明 AI"),也只出现过"内测用户 100 个""按 1 万甚至 10 万用户的标准去设计系统"这类规划性表述,没有出现过一次运营结果。

这不是苛求。既然书名叫"做出你的第一个产品",那"产品"和"能跑的东西"之间的差别,就应该被讲清楚。而这本书在最关键的那道门槛前停住了:它证明 AI 能让你在一天内做出一个可演示、可上线的东西,但它没有证明这个东西会有人用。作者显然知道这个差别(他在变现板块讲了盈利模式、付费策略、冷启动、竞品分析),但两块内容之间没有桥——前面的项目实战从不回头算账,后面的商业讨论从不回指前面的项目。

第五,重复。大量的重复。不是观点重复(观点重复在方法论书里可以接受,反复强化有益),是字面重复:同一段总结连续出现两遍的情况,在书里出现得非常频繁——一段话讲完,翻过去,同一段话几乎一字不差地又来一遍。这大概是连载内容汇编成书时留下的痕迹,加上微信读书自制书缺少一轮真正的编辑。对读者来说是纯粹的时间损耗,对一本要卖的书来说是硬伤。

最后提一句立场问题。作者在书里反复用第一人称讲自己的经历("我大二的时候跟队做过一个项目""我在腾讯从 0 到 1 建设 BI 可视化项目时,光是技术选型,就做了好几周"),这些段落是全书最有分量的部分,因为它们是唯一无法从别处抄来的东西。但同一批段落也承担着引流功能——讲完故事就指向课程、指向知识星球、指向他自己的导航站。我不觉得这有什么不道德,只是读者要能分清:哪些句子是他用学费换来的,哪些句子是他用广告位换来的。

《从零开始Vibe Coding》核心知识图谱:讲清了的部分、真金白银的坑、值钱的第三章、它的短板

八 · 那么这本书该给谁看

我的判断是:给三种人,别给另外三种人。

该看的三种:第一,完全没写过代码、但有一个具体想法想做成东西的人。这本书的前两章(概念与流程)能让你少走至少一个月的弯路,尤其是"先规划后开发"这条,能救你无数次返工。第二,写过代码但没做过完整产品的人。第三个板块(需求、文档、选型、架构、研发流程)是这本书真正的差异化价值,市面上讲 AI 编程的书大多只讲怎么写代码,很少有讲"一个产品从想法到上线要经过哪些工序"的。第三,已经在用 AI 写代码、但项目超过三次迭代就乱掉的人。上下文管理、死循环识别、重构两章,能直接解决你的问题。

不该看的三种:第一,想学软件架构和工程规范的人。这本书在这些地方给的是清单,不是原理,你要的深度它给不了。第二,已经能独立带项目的人。你会不断遇到"这个我知道""这个太浅了""这个说法不严谨",性价比极低。第三,反感内容营销的人。你会被那一遍遍重复的"完整视频教程"激怒,然后错过中间那几段真正有用的东西。

还有一个更实用的建议:如果你时间有限,读的顺序应该是——上下文管理那一章 → 幻觉与死循环那一章 → 成本控制那一章 → 点数机制那一节 → 五大心法。前面四块是操作级的,看完就能改你的工作方式;心法放最后,因为它更像总结,先看会被那些你已经知道的道理稀释掉注意力。

它教会你怎么把想法说清楚,但没说清楚"说清楚了"这件事本身该怎么验收。

阅读记录 · 程序员鱼皮《从零开始Vibe Coding:用AI做出你的第一个产品》,微信读书出品,出品时间 2026 年 5 月(版权页仅注明"本书由微信读书出品并制作与发行",无出版社、无 ISBN)。全书三大板块共 68 章,从版权页读至末页"全书完",读完全书,未跳章。微信读书推荐值 74.4%。文中所引原句均照录自书中,未作改写;所述案例(作品集网站、待办进阶版、AI 万能视频下载总结器、GitHub 文档翻译 SaaS、AI 海龟汤、Yupi Code、塔罗牌占卜、AI 热点监控、Kimi 文档阅读助手、AI 零代码应用生成平台、TRAE 学习英雄小程序等)均出自"基础必读"板块的项目实战章节,成本与付费机制细节出自"经验技巧"与"产品变现"板块。

关于作者 · 江天(楠哥)
AI 实战导师 / 企业 AI 落地顾问 / 智能体工程师,17 年跨界、15,000+ 小时 AI 实操、20+ 套已交付工作流。