从需求到落地：以规划驱动为核心的 AI 协作开发方法论
Vibe Coding（氛围编程）是由 Andrej Karpathy 于 2025 年提出的新型开发范式——以自然语言驱动、让 LLM 生成大部分代码。本指南整合四篇精华文献，提炼出以「从需求到落地」为主干、「工具与方法论知识」为侧枝的系统化实践框架。
核心原则：
- 规划驱动：拒绝让 AI 自主规划，否则代码库将失控成为巨石文件
- 上下文即一切：垃圾进，垃圾出；上下文是 vibe coding 的第一性要素
- 模块化优先：多文件模块，拒绝单体巨文件
- 人机协同：AI 是执行者，人是决策者与审核者
无论开发应用还是游戏，第一步都是产出一份清晰的需求文档：
游戏 → GDD (Game Design Document) 应用 → PRD (Product Requirements Document)
快速启动提示词：
你是资深软件工程师。我们将一起为一个项目构建 Product Requirements Document。
要点：
- 每次只问一个问题
- 每个问题基于前一个回答展开
- 对每个重要细节深入挖掘
想法：<在此粘贴你的想法>
PRD 应包含的核心章节：
- 项目概述 (Project Overview)
- 核心需求 (Core Requirements)
- 核心功能 (Core Features)
- 核心组件 (Core Components)
- 用户流程 (App/User Flow)
- 技术栈 (Tech Stack)
- 实施计划 (Implementation Plan)
- 不要一次性给出所有需求：AI 是「yes机器」，需要分步引导
- 给足上下文：明确编程语言、技术栈、受众群体
- 使用结构化格式：Markdown 或 AsciiDoc，XML 标签强调重点
- 逆向思维：从「满足需求」为起点构建，而非从技术出发
| 场景 | 推荐技术栈 |
|---|---|
| Web 前端 | Next.js + Vercel / React + React Router / TanStack / Remix / FastHTML |
| 后端 | Python + FastAPI / Node.js + Express |
| 小型游戏 | Vanilla JS + Three.js (3D) / PixiJS (2D) |
| 全栈快速原型 | Bolt.new / Lovable → GitHub → 本地 Cursor 继续 |
选型原则：
- 优先「最简单但最健壮」的组合
- 前后端分离，避免过早耦合
- 使用 mock/dummy 数据先行，后续接入真实后端
将 PRD 转化为可执行的分步任务：
基于生成的 PRD，创建一个详细的分步实施计划。
将计划拆分为相互依赖的小任务。
确保每个步骤足够小，可一次完成，但又足够大以成功完成项目。
使用软件开发和项目管理的最佳实践，不要有复杂度的剧烈跳跃。
将任务相互关联，创建依赖列表，不应有孤立任务。
要点：
- 使用 markdown 格式
- 每个任务和子任务都是复选框项
- 为每个任务提供足够的上下文
- 每个任务有编号 ID
- 每个任务列出依赖的任务 ID
在 Vibe Coding 中，项目目录不仅是存放代码的地方，更是 AI 的“外脑”和上下文记忆库（Memory Bank）。
标准目录结构参考：
my-project/
├── docs/
│ ├── specs.md # PRD 需求文档
│ └── todo.md # 实施任务框架
├── memory-bank/ # 记忆库（核心真相源）
│ ├── specs.md # 业务目标
│ ├── tech-stack.md # 技术栈与架构原则
│ ├── implementation-plan.md # 分步实施计划与测试条件
│ ├── progress.md # 进度记录（当前完成状态）
│ └── architecture.md # 架构图示与模块职责说明
└── src/ # 代码目录
如何创建与初始化？ 无需手工新建文件，应利用 AI 一次性生成初始框架：
- 先建立空项目并初始化版本控制：
mkdir my-project && cd my-project && git init - 使用以下 Prompt 让 AI 直接生成并写入结构：
初始化 Prompt 模板：
请阅读我的初步项目构思：[在此处粘贴你的初步想法]。
请帮我设计一个标准的 Vibe Coding 项目结构，并在当前工作区直接创建 `memory-bank`（或 `docs`）目录。
请根据我的愿景，自行生成并写入以下文件及内容：
1. `specs.md`（项目需求与目标）
2. `tech-stack.md`（推荐最简且健壮的技术选型记录）
3. `implementation-plan.md`（将开发分解为附带测试验证条件的小任务，格式为 Check-list）
4. `progress.md`（必须保持完全为空，留作后续 AI 记录执行步骤之用）
5. `architecture.md`（必须保持完全为空，留作后续文档化架构说明之用）
请确保 `specs.md`、`tech-stack.md` 和 `implementation-plan.md` 的内容尽量详实，符合最佳工程实践。而 `progress.md` 和 `architecture.md` 仅创建空文件即可。
如何维护与管理工作区内容？ 记忆库的核心价值在于**“实时同步”**。一旦文档与代码脱节，AI 的决策就会崩溃：
- AI 自动维护纪律：在项目全局规则（如
.cursorrules或CLAUDE.md）中强制写入此要求：“每次你完成implementation-plan.md的任何一个子步骤后，必须主动打开并更新progress.md记录已做事项；若修改了整体文件结构或数据库表，必须同步更新architecture.md，不得遗漏。” - 人类手动纠偏：如果开发中途代码跑不通且无法推进，人类不仅要执行
git reset撤销错误代码，还必须亲自打开progress.md和architecture.md，手动删除这段走入死胡同的错误进展记录。确保记忆库重回干净无误的状态后，再重新开启新对话。 - 作为所有会话的通用锚点：每次重启或新建聊天窗口时，你的第一句话永远应当是：“请先完整读取
memory-bank/里的所有文件，仔细了解当前的进度状态，然后告诉我计划中接下来该做哪一步。”
在 Cursor 中创建 .cursor/rules/ 文件夹，定义项目级规则。
必须设置的「Always」规则：
# 重要提示：
# 写任何代码前必须完整阅读 memory-bank/@architecture.md（包含完整数据库结构）
# 写任何代码前必须完整阅读 memory-bank/@specs.md
# 每完成一个重大功能或里程碑后，必须更新 memory-bank/@architecture.md
规则创建技巧：
- 使用 AI 本身生成规则（让 GPT/Claude 读取你的 PRD 和技术栈，自动生成规则）
- 规则强调模块化，禁止单体巨文件
- 包含代码格式、风格、命名规范
在正式让 AI 写代码前，必须执行“消除歧义”步骤，保证 AI 完全理解了所有计划。
1. 消除歧义 Prompt（开工前）：
请阅读 `/memory-bank` 文件夹下的所有文档。
请问 `implementation-plan.md` 中的步骤安排对你来说 100% 清晰吗？
在开始写代码前，你还需要我澄清哪些问题，才能让你对接下来要做的事情完全没有任何疑问？
2. 首次执行 Prompt（Step 1）：
请阅读 `/memory-bank` 下的所有文档，然后执行实施计划的【第 1 步】。
注意：我会负责运行测试并验证。在我向你验证测试通过之前，绝对不要开始第 2 步！
当验证通过后，请你打开 `progress.md` 记录你做了什么（供后续开发者参考），并将新的架构梳理添加到 `architecture.md` 中解释每个文件的作用。
3. 循环迭代 Prompt（Step N，新开聊天窗口）：
请遍历 `memory-bank` 中的所有文件，并阅读 `progress.md` 了解之前的工作进度。
现在请继续执行实施计划的【第 N 步】。
在我验证测试通过之前，同样不要开始下个步骤。
核心工作流图解：
┌─────────────────────────────────────────────────────────┐
│ 1. 阅读 memory-bank 所有文档 │
│ 2. 消除歧义（向人类提问澄清） │
│ 3. 使用 Ask/Plan 模式确认当前步骤的方案 │
│ 4. 执行代码生成 │
│ 5. 人类运行测试验证 │
│ 6. 测试通过后，AI 更新 progress.md 和 architecture.md │
│ 7. Git 提交代码 │
│ 8. 记录 Prompt 日志（人类或大模型记录思考过程） │
│ 9. 清理上下文（新建聊天窗口），进入下一步循环 │
└─────────────────────────────────────────────────────────┘
- 小步快跑：每步完成一个具体任务，不贪多
- 验证驱动：每步必须有测试，测试通过才继续
- 新聊天窗口：每次任务开始使用新 chat，让 LLM 保持充足上下文空间
- 先 Ask 后 Act：先用 Plan 模式确认方案，再执行
在 Vibe-Coding 中，代码只是结果，Prompt 与思考决策才是真正的沉淀。你必须记录每个核心 Prompt 及其背后的业务考量，便于未来复盘、Debug 和团队移交。
如何记录？ 你可以自己找个地方手写，但更推荐将其加入到开发大循环中，让 AI 帮你完成底层文档，你自己补充“思考”。
记录 Prompt 模板（加入到每个任务收尾时）：
执行工作流日志记录协议：
请在项目根目录检查 `history.md`（Prompt 日志）文件是否存在。若不存在请先创建，若存在则在文件末尾追加更新。
请读取我们刚刚完成的这轮代码迭代上下文，自动推断任务名称，并提炼为以下 Markdown 结构写入文件：
```markdown
## {{YYYY-MM-DD}} - 任务：{{自动推断的当前任务简明名称}}
### Prompt
{{高度提炼我向你发送的核心需求或指令意图，剔除冗余沟通词汇}}
### 思考
{{简述你对该阶段任务的架构理解、核心逻辑或关键设计决策}}
### 意外
{{记录执行过程中发生的未覆盖报错、需求变更、踩坑点，或是你产生的被我撤销的过度设计。若完全顺利，则填“无”}}
完整的日志结构示例（history.md）：
## 2026-03-09 - 任务：用户认证模块
### Prompt
实现 JWT 身份验证模块，并确保在中间件拦截无 token 请求。
### 思考
用户需要支持 token 刷新，所以需要设计 refresh token 流程，否则频繁掉线体验极差。
### 意外
AI 自动补充了 Redis 缓存模块，但这超出了目前的需求。沟通后已撤销并删除了 Redis 层代码。| 错误类型 | 处理方式 |
|---|---|
| JavaScript/前端 | 浏览器 F12 控制台 → 复制错误给 AI |
| 后端 | 终端错误信息 → 复制给 AI |
| 视觉问题 | 截图发给 AI |
调试辅助工具：
- BrowserTools：自动捕获浏览器错误和截图
- 回退 Git：
git reset回到上一个 commit，换 prompt 重试 - 全局视野：用 RepoPrompt 或 uithub 将整个代码库压缩为单文件，丢给 AI 分析
| 平台 | 适用场景 |
|---|---|
| Vercel | Next.js 前端 |
| Render / Fly.io / CloudFlare | 通用后端服务 |
| Railway | 全栈应用 |
- 每新增一个主要功能，创建
feature-implementation.md - 包含：功能描述、分步实现、验收测试
- 继续增量式实现和测试
| 工具 | 特点 | 推荐场景 |
|---|---|---|
| Cursor | 最多人用，生态完善 | 入门首选 |
| Claude Code | 终端原生，深度定制 | 高级用户 |
| Codex CLI | OpenAI 出品 | 复杂项目 |
| Windsurf | Codeium 出品 | 免费额度 |
| VSCode + Copilot | 传统编辑器 + AI | 习惯 VSCode 用户 |
| 模型 | 适用场景 |
|---|---|
| Claude Opus 4.6 | 复杂逻辑、深度理解 |
| GPT-4.1 | 通用编码 |
| GPT-4.1-mini | 快速简单修改 |
| gpt-5.3-codex (xhigh) | 大型项目、复杂逻辑 |
| Kimi K2 / GLM-4 | 免费/国产模型 |
模型选择原则：
- 选最新版本
- 编程任务选支持 tools 的模型
- 参考 OpenRouter Models 排行榜
- Bolt.new：提示 → 运行 → 编辑 → 部署全栈 Web/移动应用
- Lovable：几秒从想法到应用
- v0 (Vercel)：构建 Next.js 前端
- Replit：描述想法，代理构建
- 分而治之：不要一次问完，分步骤、分模块
- 给足细节：明确语言、框架、受众
- 强调约束：「不要做 X」比「做 Y」更重要
- 强制思考：「慢慢想，不着急，严格按我说的做」
- 触发深度思考（Claude）：
think<think hard<think harder<ultrathink
- 切换不同模型
- 准备多个 API Key（按量付费，便宜）
- 了解各平台限制（如 Anthropic）
- ❌ 不信任 AI 生成的代码 → 始终验证
- ❌ 不在前端硬编码 API Key → 存后端环境变量
- ✅ 查询 API 用 HTTPS
- ✅ 表单输入必做验证与清理
- ❌ 不在 localStorage 存敏感数据
- ✅ 运行安全扫描工具
MCP 是 LLM 与外部工具/资源交互的标准协议：
- MCP Server：暴露资源或工具（如数据库、文件系统）
- MCP Client：LLM 通过客户端调用服务器
- 当前只有 Anthropic Claude 原生支持 MCP
常用 MCP 服务器：
- BrowserTools：调试辅助
- Filesystem：文件操作
- GitHub：仓库操作
- 目的主导：一切动作围绕「目的」展开
- 先结构后代码：想好架构再动手
- 帕累托法则：关注重要的 20%
- 重复尝试：AI 生成不好？多试几次
- 模仿优先：先问 AI 有没有现成仓库可改
- 接口先行：定义接口，再实现
- 文档即上下文：不是事后补，是开发中同步写
- Debug 最小复现：「预期 vs 实际 + 最小复现步骤」
- 测试 AI 写，断言人审
- 错误收集成册：AI 犯的错误整理为经验文档
- The End of Programming as We Know It - Tim O'Reilly
- The 70% Problem: Hard Truths About AI-Assisted Coding - Addy Osmani
- How to Build an Agent - Thorsten Ball
- Using LLMs for Code - Simon Willison
给 AI 的第一个提示词：
你是一个专业的 AI 编程助手。我想用 Vibe Coding 的方式开发一个项目。
请先问我：
1. 你想做什么项目？（一句话描述）
2. 你熟悉什么编程语言？（不熟悉也没关系）
3. 你的操作系统是什么？
然后帮我：
1. 推荐最简单的技术栈
2. 生成项目结构
3. 一步步指导我完成开发
要求：每完成一步问我是否成功，再继续下一步。
文档基于以下四篇精华文献整理：
- automata/aicodeguide (Vilson Vieira & Eric S. Raymond)
- vibe-coding-cn (tukuaiai)
- vibe-coding (Nicolas Zullo)
- 各工具官方文档
记住：Vibe Coding = 规划驱动 + 上下文固定 + AI 结对执行 = 从想法到可维护代码的流水线。