Vibe Coding 循环

适用对象：通用｜状态：✅ 内容已整理｜ 更新于：2026-06-01

过去，要让计算机帮你做事，你得会写代码。现在不一样了：你用中文把需求说清楚，AI 把代码写出来并跑给你看。 你的角色从”执行者”变成了”设计者和验收者”。

这种新的协作方式有个名字叫 Vibe Coding。别被这个词吓到——它的核心是一个谁都能上手的循环，不需要任何编程基础。

这个循环长什么样

四步，转圈跑：

第一版几乎从不完美，这很正常。Vibe Coding 的精髓就是不追求一次到位，靠快速转圈逼近满意结果。转个三五圈，往往就成了。

说需求 ─→ AI 产出 ─→ 你检查 ─→ 不满意？把问题说清楚
   ↑                                      │
   └──────────────────────────────────────┘
                  满意 → 收工

更进阶一点：你不必只跟一个 AI 对话。可以让几个 AI 分别扮演不同角色，像一条小流水线——这正是一些团队（包括写出这套教程的团队）真实在用的方式：

这里有个反直觉但很关键的点：写的那个和审的那个，最好是两个独立的对话。 让同一个 AI 既写又审，它会下意识维护自己刚写的东西、看不出毛病。换一个”干净的脑子”专门来挑错，才挑得出来。一个 default yes，一个 default no，两种相反的注意力互相制衡。

假设你是一位完全不会编程的社科老师，手上有两份 CSV 数据，想做点定量分析。整个过程就是一轮一轮的 Vibe Coding：

第 1 圈——你说：

我有两份 CSV（城市层面数据，列名见下方）。
请帮我按城市 ID 把它们合并，剔除明显的离群值，然后看 X 和 Y 是否显著相关。
先复述一遍你的理解，确认后写 Python 代码，每步加中文注释，并把结果跑出来给我看。

AI 产出——它复述需求、写代码、在后台跑、把合并后的样本量和相关性结果报给你。

你检查——你发现”样本量怎么只剩 30 个城市？是不是离群值剔太狠了？”

第 2 圈——你说”离群值的标准放宽一点，别删这么多”，它改了重跑。

转两三圈，你就拿到了一份自己看得懂、信得过的分析结果——全程你一行代码都没写，但每一步都在你的判断之下。