AI Code Guide：AI 辅助编程完全指南

作者：Vilson Vieira & Eric S. Raymond｜整理：技术前沿

AI 编码的浪潮已经来袭。每周都有新模型发布，Cursor、Claude Code、Vibe Coding……信息散落四处，让人无从下手。这份来自 GitHub 的开源指南（已获 2.4k Stars），尝试把关于 AI 辅助编程的一切整合到一处——从完全没写过代码的新手，到想提升效率的资深工程师，都能从这里找到答案。

一、什么是 AI 编码、Vibe Coding 和 Agent Coding？

这三个词常常被混用，但它们有细微差别：

• AI 编码（AI Coding）：泛指所有借助 AI 模型辅助写代码的行为，包括代码补全、重构、Debug 等。
• Vibe Coding：由 Andrej Karpathy 提出的概念。你不需要精通编程，只需描述想法，让 AI 把代码生成出来——你更像一个产品经理，AI 是全栈工程师。
• Agent Coding：AI 不只是被动地补全代码，而是以「智能体」的方式主动规划任务、调用工具、执行多步骤操作，把整个项目从规划到实现都做完。

「Either having AI as your copilot or being the copilot for an AI agent.」
——你可以把 AI 当副驾，也可以自己做副驾配合 AI 智能体飞行。

二、工具选择：从入门到专业

指南对工具的划分超级务实，分为三个层次：

纯 Web 工具（适合零基础）

Lovable、v0、Bolt、Replit、Codeium——无需配置本地环境，在浏览器里用自然语言就能做出 Web 应用。缺点是对后端支持有限，适合快速验证想法。

IDE 集成工具（适合有必定基础）

Cursor（最流行）、Windsurf、Zed——基于 VS Code 分叉或插件形式，可在熟悉的编辑器里使用 AI Agent。Cursor 的「Composer」和「Agent」模式能自主修改多个文件、运行命令，接近真正的 Agent Coding 体验。

⚡ CLI Agent 工具（适合进阶用户）

Claude Code（Anthropic 官方出品）、Aider、Amp、Pi——在终端直接运行，拥有文件系统完全权限，适合复杂多文件项目。Claude Code 是目前综合评价最高的 CLI Agent，能理解整个代码库的上下文。

⚠️ 重大提醒：Claude Code API/SDK 按量计费，一天能烧掉几百美元！提议新手选 Pro 或 Max 订阅套餐，不用担心费用超支。

三、Prompt 方法论：怎么”Vibe”出好代码？

指南给出了一套完整的「从想法到产品」工作流——SDD（规格驱动开发），可以直接套用：

五步 SDD 工作流

① 用 AI 生成 PRD

告知 AI 你的想法，让它每次只问一个问题，深挖细节，产出包含「技术栈、核心功能、用户流程、实现计划」的产品需求文档，保存为 docs/specs.md

② 拆分任务清单

基于 PRD 生成带依赖关系的详细任务树，每个子任务要小到能一次实现、大到能推动项目整体进展，保存为 docs/todo.md

③ 写好 AGENTS.md

这是「给 AI 看的 README」。写清楚项目架构、编码风格、约定规范——每次新开会话时，AI 读到这个文件就能快速理解上下文，不用重复解释。

④ 逐任务执行

把每个任务描述像「写给新手工程师的 PR 说明」一样详细。用 XML 标签强调关键部分，不要一口气说「帮我做一个 App」。

⑤ 批判性验证

LLM 是「Yes Machine」——它会尽力满足你，包括给出看上去正的确 则有问题的代码。你必须审查、测试，最终责任在你，不在 AI。

生成 PRD 的基础 Prompt 模板：

You're a senior software engineer.
We're going to build the PRD of a project together.

VERY IMPORTANT:
- Ask one question at a time
- Each question should be based on previous answers
- Go deeper on every important detail required

IDEA:
<paste here your idea>

四、从零启动项目：前端、后端、游戏

前端

推荐优先级：TanStack Start > Next.js > FastHTML。TanStack 最灵活不绑定部署平台；Next.js 生态最成熟但依赖 Vercel；FastHTML 适合 Python 背景、更关注功能而非 UI 的场景。

实用技巧：前期让 AI Agent 使用 mock 数据，避免过早集成真实后端。可以用 MCP + Playwright 或 browser-use 让 AI 直接控制浏览器，自动捕获报错——告别手动复制粘贴错误的痛苦。

后端

推荐 Python + FastAPI，或 Node.js/Bun。后端是写端到端测试的好时机：每个新功能都配套测试，让 AI 帮你写并跑通。后端完成后，把 HTTP 接口文档作为上下文输入，指导 AI 前端从 mock 数据切换到真实 API。

游戏

小游戏用原生 JS + three.js（3D）或 pixi.js（2D）。3D 资产生成推荐 Tripo AI，动画和绑定用 Everything Universe。

五、MCP、SLOP、A2A：三大协议详解

MCP（Model Context Protocol）

Anthropic 开发的标准，让 LLM 通过「工具调用」连接外部系统——数据库、API、浏览器、文件系统……MCP 就是 AI 世界的 USB 接口：统一规范，即插即用。
2026 年更新：直接给 Agent bash 权限，用 curl 调 API 一般比 MCP 更省 Token。MCP 更适合有复杂状态管理需求的场景。

SLOP（Simple Language Open Protocol）

Nathan Wilbanks 提出的极简协议：用普通 HTTP GET/POST 暴露工具给 AI，无需复杂配置。比 MCP 更轻量，适合快速给 Agent 挂接自定义工具。

A2A（Agent to Agent）

Google 主导的 Agent 间通信协议。多个 AI Agent 协同完成任务时，需要一套标准让它们相互「交接工作」——A2A 就是这个标准。配合 MCP，可以构建出完整的「多智能体流水线」。

六、上下文管理：让 AI 不”失忆”

AI 会话有上下文窗口限制，长对话后 AI 会「忘记」前面的内容，开始犯低级错误。几个实战技巧：

• AGENTS.md / CLAUDE.md：把项目规范写进去，每次新会话自动恢复「记忆」。
• 上下文打包工具：用 repomix 或 files-to-prompt 把整个代码库打包成单文本，直接投喂给 AI，让它掌握全局。
• 会话记录：Claude Code 自动保存会话，下次用 /resume 继续；Pi 用 /share 生成可分享链接。
• 多模型分工：用 Opus/GPT-4o 做规划，用 Sonnet 或开源模型做执行，并行跑多个模型选最优。

七、测试与调试：别让 AI 帮你”作弊”

指南特别强调了基于属性的测试（Property-based Testing）：不只写针对特定输入的示例测试，而是描述函数应满足的「性质」，让框架自动生成数百个随机输入验证。

• Python：用 hypothesis
• JavaScript/TypeScript：用 fast-check

⚠️ 注意：AI 有时会为了「让测试通过」而直接把答案 hardcode 进去——这是作弊。写测试时必须检查 AI 生成的代码是否真的在测逻辑。

调试提议：复制报错扔给 AI 修复是最基础的。进阶方案：用 BrowserTools MCP 或 Playwright 让 AI 直接控制浏览器，自动抓截图和控制台错误，省去手动复制的麻烦。

八、安全清单：AI 生成代码也要守规矩

• 不信任 AI 生成代码，始终做 Code Review
• API 密钥绝不 hardcode，禁止出目前前端代码中
• 所有 API 请求必须走 HTTPS
• HTML 表单必须做输入验证和消毒（XSS 防御）
• 敏感数据不要存 localStorage / sessionStorage / Cookie
• 定期运行安全漏洞扫描工具检查依赖包

九、2026 年 AI 编码工具全景

十、进阶：让 Claude Code 运行任意模型

想在 Claude Code 里用 Kimi K2 或其他模型？用 claude-code-router 可以实现：

# 安装 Claude Code CLI
npm install -g @anthropic-ai/claude-code

# 安装路由器
npm install -g @musistudio/claude-code-router

# 通过路由器启动（自动代理到你配置的模型）
ccr code

在
~/.claude-code-router/config.json 里配置 OpenRouter API Key 和目标模型，就能把 Claude Code 的能力嫁接到 Kimi、Minimax 等任意模型上——这是目前最实用的低成本 Agent Coding 方案之一。

十一、AI 编码圈里，这些人值得关注

指南列出了一批活跃于 AI 编码领域的关键人物，这里精选几位最具代表性的：

Andrej Karpathy — Vibe Coding 提出者

Simon Willison — AI 工具布道者

Steve Yegge — Gas Town 创始人

Eric S. Raymond — 开源运动先驱

Addy Osmani — Google Chrome 工程师

Geoffrey Huntley — 自治 Agent 实验者

Thorsten Ball — Amp 核心开发者

写在最后

AI Code Guide 的价值，不在于它覆盖了多少工具，而在于它提供了一套务实的思维框架：

• 写代码之前，先想清楚要什么——PRD 是 AI 编码的起点，而不是终点
• AI 是强劲的协作者，但不是责任的替代者——代码出了问题，你才是最终负责人
• 测试、安全、代码审查，这些好习惯在 AI 时代不是可选项，而是必选项
• 别被工具数量淹没——选一个上手，深入用好，比什么都强

AI 编码的门槛正在急速降低，但上限依旧由你的思维深度决定。工具帮你跑得更快，方向还得你来把握。

延伸资源

• 原文仓库：https://github.com/automata/aicodeguide（MIT 开源协议，2.4k Stars）
• 深度学习课程：Vibe Coding 101 with Replit（DeepLearning.AI 出品）
• 入门视频：Cursor AI Tutorial for Beginners (2025 Edition) — YouTube
• 相关阅读：《AI 编程之禅》—— 16 条 AI 时代编程哲学（本号已发布）
• 相关阅读：《Anthropic 高效 Agents 构建指南》（本号已发布）

本文内容整理自开源项目 AI Code Guide，作者：Vilson Vieira & Eric S. Raymond
原始仓库遵循 MIT 协议 | 整理发布：技术前沿