Vibe Coding 提升班 — 完整大纲

Vibe Coding 不是传统的逐行写代码，而是用自然语言描述你要什么，AI 帮你实现。你负责架构决策和质量把关，AI 负责写代码和调 bug。这节课讲 Vibe Coding 为什么是未来的开发范式、和传统开发的本质区别、以及 AI Coding Agent 正在怎样改变软件工程的工作方式。

了解什么是大语言模型、Token 的概念、System/User Prompt 的区别，以及主流 AI 模型的定位。

阅读「Vibe Coding 是什么」章节。自主节奏完成，巩固本节课的知识点。

三大工具安装配置：Claude Code（Anthropic 官方 CLI，最强的 Agent 编程工具）、Cursor（VS Code 改的 AI 编辑器，补全和对话都好用）、Codex CLI（OpenAI 的命令行工具）。这节课从安装到配置 API Key 到第一次运行，三个工具都跑通。环境配好后面才能专注内容。

认识目前最流行的 AI IDE——Cursor。掌握 Composer 多文件编辑、@ 引用上下文、Tab 补全，以及如何用 .cursorrules 让 AI 记住你的项目规矩。

阅读「安装 Cursor 与环境准备」章节。自主节奏完成，巩固本节课的知识点。

Claude Code 擅长大项目多文件编辑和 Agent 式自主完成任务；Cursor 擅长实时补全和快速迭代单文件；Codex CLI 擅长命令行一条指令搞定；Gemini 在 Google 生态和多模态场景有优势。这节课做同一个任务的四工具对比实验，让你知道什么场景用什么工具，不是「选一个用到底」。

理解 AI 模型的核心参数——Temperature 控制创造力，Top-P 控制多样性，max_tokens 控制长度，学会针对不同任务选择最佳参数。

阅读「工具与模型最新动态」章节。自主节奏完成，巩固本节课的知识点。

阅读「AI 模型对比参考」章节。自主节奏完成，巩固本节课的知识点。

PRD（Product Requirement Document）是项目的蓝图——写清楚做什么、不做什么、怎么拆模块、先做哪个后做哪个。这节课讲用 AI 辅助 PRD 的完整流程：从一句话需求 → Claude 帮你展开成功能列表 → 拆成模块 → 定义每个模块的输入输出 → 排优先级。PRD 写得好，后面 AI 写代码的质量直接翻倍。

学习如何通过明确的任务描述，让 AI 精准理解并执行你的需求。掌握动词开头、约束条件和任务拆分。

阅读「从想法到 PRD（用 AI 写 PRD）」章节。自主节奏完成，巩固本节课的知识点。

上节课讲了 PRD 流程，这节课实操。给 Claude 你的产品需求，让它自动生成完整 PRD：功能模块拆解、技术栈建议、数据库 Schema 草案、API Endpoint 列表、前端页面结构。你审核、修改、补充。一个 10 页的 PRD 文档，人工写 2 天，Claude 辅助 2 小时。

掌握将复杂任务拆解为多个 Prompt 步骤串联执行的编排技术，学习 Pipeline、Map-Reduce、校验回环三种核心模式。

Claude 的 Prompt 不是随便写的——好的 Prompt 模板能让 Claude 输出的代码质量差 10 倍。这节课给你 6 个经过验证的 PRD/开发 Prompt 模板：需求分析模板、模块拆解模板、代码生成模板、Code Review 模板、Bug Fix 模板、重构模板。每个模板有具体的变量位和示例，直接复制修改就能用。

学习如何指定输出格式，让 AI 的回答结构化、可预测、易于使用。掌握列表、表格、JSON、Markdown 等格式的应用场景。

掌握 Few-shot prompting 技巧，学会通过提供示例来引导 AI 产出一致、高质量的输出。

阅读「高质量 Prompt 模板」章节。自主节奏完成，巩固本节课的知识点。

Prompt Engineering 管的是单条指令的质量，Context Engineering 管的是 AI 能看到的所有信息。同一条 Prompt 在不同 Context 下输出完全不同。这节课讲 Context Engineering 的核心：CLAUDE.md 文件写什么（项目规范和约束）、.cursorrules 怎么配（编码风格和模式）、什么信息放上下文什么不放、怎么设计项目结构让 AI 更好理解你的代码。

学习为 AI 构建最优上下文的艺术：四种上下文来源、窗口预算管理、动态组装策略。

深入理解 .cursorrules 的设计哲学，掌握 Cursor 项目规则的编写模式，学会让 Cursor AI 在 Composer 和 Tab 补全中都遵循你的项目规范。

阅读「Cursor Rules 编写指南」章节。自主节奏完成，巩固本节课的知识点。

阅读「Context Fundamentals」章节。自主节奏完成，巩固本节课的知识点。

代码报错了，怎么让 AI 帮你修？不是直接粘贴报错信息就行。这节课讲 Claude 辅助 Debug 的最佳实践：1）给完整的错误堆栈不要截断；2）说清楚你在做什么操作触发了这个错误；3）附上相关代码文件的上下文；4）让 Claude 先分析原因再给方案。还有 Cursor 的 inline debug 和 Claude Code 的 /debug 命令对比。

AI 写的代码不可能一次就对。学会读懂错误日志、识别 AI 常犯的错误模式，以及如何把错误信息精准地喂给 AI 让它自己修复——这才是 Vibe Coding 的核心技能。

学习如何用 Prompt 让 AI 生成高质量、可直接运行的代码，避免常见的代码生成陷阱。

阅读「用 AI 做 Debug」章节。自主节奏完成，巩固本节课的知识点。

把前面课讲的 Prompt 技巧和 Context Engineering 方法整理成可复用的模板。包括：Claude 的 System Prompt 最佳写法、上下文窗口管理策略（什么时候该新开对话 vs 继续当前对话）、大项目的上下文分层策略（全局规范 → 模块规范 → 任务指令）。这些模板直接写进你的 CLAUDE.md。

学会使用约束来精确控制 AI 输出：长度限制、格式要求、内容边界、风格规定和禁止事项。

Claude Code Skills 是插件机制——给 Claude 装上特定能力。比如一个 「code-review」 Skill 让 Claude 按你公司的代码规范审查代码，一个「deploy」 Skill 让 Claude 自动部署到 Vercel。这节课讲 Skills 的架构：怎么定义、怎么注册、怎么被 Claude 调用、和 MCP 的关系。

学习如何定义工具（Function）、设计参数 Schema，让 LLM 在对话中自主决定何时调用工具、如何处理结果。

认识 Anthropic 官方出品的终端 AI 编程工具 Claude Code。理解它和 Cursor 的本质区别，掌握 CLAUDE.md 配置和权限模式的选择策略。

阅读「Claude Code Skills 进阶」章节。自主节奏完成，巩固本节课的知识点。

上节课讲了 Skills 概念，这节课写一个真实的 Skill。从 agent.md 模板开始（Skill 的说明书），定义 Skill 的名称、描述、触发条件、可用工具、执行步骤。然后写实现代码，注册到 Claude Code。课后你有一个能用的自定义 Skill——比如自动跑测试并生成报告的 Skill。

掌握 Claude Code 的 Skills 框架和 Agent Teams 协作模式。学会把反复使用的 AI 能力封装成可复用的 Skill，以及如何用多个 Agent 协同完成复杂任务。

学习如何设计结构化、可维护的 System Prompt，包括角色定义、行为规则、边界设定和版本管理。

阅读「Claude Skill Codebook 简明教程」章节。自主节奏完成，巩固本节课的知识点。

Claude Code 的 Skills 不只是概念——Anthropic 已经内置了很多实用 Skills。这节课深入 Claude Code 的 Skills 实践：/commit Skill 自动生成 commit message、自定义 Slash Command、Sub-agents（把任务分配给子 Agent 并行执行）、Hooks（在工具调用前后自动执行脚本）。实操配置 3-5 个 Skills 到你的项目。

阅读「Claude Code 自定义命令」章节。自主节奏完成，巩固本节课的知识点。

Claude Code Skills 的目录结构、配置文件格式、Anthropic 官方文档参考。包括 .claude/ 目录下的 settings.json、commands/ 目录、skills/ 目录的组织方式。这节课是参考资料课——不是听讲的，是你配置 Skills 时随时回来查的工具书。

阅读「Claude Code 全面拆解」章节。自主节奏完成，巩固本节课的知识点。

掌握 Claude Code 的 Skills 框架和 Agent Teams 协作模式。学会把反复使用的 AI 能力封装成可复用的 Skill，以及如何用多个 Agent 协同完成复杂任务。

MCP 是 Model Context Protocol——让 AI 调用外部工具和服务的标准协议。Claude 要查数据库、读文件系统、调第三方 API，都通过 MCP。这节课讲 MCP 的 Client-Server 架构：Client（AI 工具端）发起请求 → Server（你写的服务端）执行操作 → 返回结果。Tool 和 Resource 的区别、Transport 层怎么工作。

理解 MCP（Model Context Protocol）的核心概念，掌握如何在 Claude Code 中配置 MCP Server，让 AI 不再局限于读写本地文件，而是能访问 GitHub、数据库、API 等外部服务。

阅读「MCP 服务器配置」章节。自主节奏完成，巩固本节课的知识点。

Claude Code 调用外部工具的底层机制：Claude Skills 定义「能做什么」，ToolUse（Function Calling）定义「怎么调用」，MCP 定义「通过什么协议调用」。这三层怎么串起来？这节课用一个完整案例拆解：Claude 收到任务 → 选择 Tool → 通过 MCP 调用 Server → Server 执行 → 返回结果 → Claude 继续处理。

学习 ReAct（Reasoning + Acting）模式，让 AI 在推理和工具调用之间循环迭代，自主完成复杂任务。

阅读 ai-engineer 方向的学习章节，自主节奏完成。

不是理论了，这节课从零搭一个 MCP Server。用 Claude Code 辅助开发：定义 Server 的 Tool Schema（输入参数和返回格式）→ 实现 Tool Handler → 配置 Transport → 注册到 Claude Code → 测试调用。你会搭一个真实的 MCP Server，比如一个能查询数据库的 Tool 或一个能发邮件的 Tool。

阅读「MCP 配置同步」章节。自主节奏完成，巩固本节课的知识点。

MCP 协议的详细规范参考：JSON-RPC 2.0 消息格式、Tool Definition Schema、Resource URI 格式、Error Code 定义、Auth 机制。和 L13 一样是参考资料课，配置 MCP Server 时随时回来查。附 Anthropic 官方 MCP GitHub 仓库和社区 MCP Server 列表。

理解 MCP（Model Context Protocol）的核心概念，掌握如何在 Claude Code 中配置 MCP Server，让 AI 不再局限于读写本地文件，而是能访问 GitHub、数据库、API 等外部服务。

Agentic Workflow 就是让 AI 自主规划和执行多步任务，而不是你一步步指挥。传统方式：你写 Prompt → AI 回答 → 你再写 Prompt → AI 再回答。Agentic 方式：你给一个目标 → AI 自己规划步骤 → 调工具执行 → 检查结果 → 决定下一步 → 直到完成。这节课讲 ReAct 模式、Tool Use 循环、以及什么任务适合 Agentic 什么不适合。

阅读「AI Agents 与工具调用」章节。自主节奏完成，巩固本节课的知识点。

阅读 ai-engineer 方向的学习章节，自主节奏完成。

Claude Code 本身就是一个 Agent——它能自己决定读哪个文件、改哪段代码、跑什么命令。这节课讲怎么编排复杂的 Agent 工作流：多个 Tool 串联执行、条件分支（如果测试通过就部署，否则修 bug）、Sub-agent 并行（一个 Agent 写前端，另一个同时写后端）。实操配置一个多步骤自动化工作流。

学习多 Agent 架构的核心概念，掌握 Orchestrator + Workers 模式，设计 Agent 间的角色分工和通信协作。

阅读「Claude Code 子代理配置」章节。自主节奏完成，巩固本节课的知识点。

从零搭建一个 AI Agent 项目。不是用框架（LangChain/CrewAI），而是用 Claude Code 原生的 Agent 能力：定义 Agent 的 System Prompt → 配置可用 Tools → 设置执行策略（最大步数、错误处理）→ 测试 Agent 完成一个端到端任务（比如「分析这个 PR 并写 review 意见」）。

阅读 ai-engineer 方向的学习章节，自主节奏完成。

当一个 Agent 需要调用 5-10 个不同的 Tool 时，执行结构怎么设计？这节课分析 Claude Agent 的内部执行流程：思考（选择下一步）→ 调用 Tool → 处理结果 → 再次思考。重点讲多 Tool 场景的挑战：Tool 调用顺序依赖、并行 vs 串行、错误恢复、Token 消耗控制。

阅读 ai-engineer 方向的学习章节，自主节奏完成。

理解为什么 AI 编程工具总是

理解为什么 AI 编程工具总是

Claude 不是唯一选择。Gemini 2.5 Pro 在代码生成的某些场景（特别是 Google 技术栈和多模态输入）表现很强。这节课用 Gemini 做编码和调试：Gemini Code Assist 在 VS Code 中的使用、Gemini API 直接调用、用图片/截图描述 UI 让 Gemini 生成代码。和 Claude 对比同样的任务。

同一个任务——比如「根据这个设计稿实现 React 组件」——分别用 Claude、Gemini、Codex 做，结果会不同。这节课做系统的多模型对比实验：代码质量、推理能力、长上下文处理、速度、成本。每个模型的强项和弱项用数据说话，不是主观感觉。帮你建立「什么任务用什么模型」的决策框架。

不同模型的 Prompt 写法不一样。Claude 喜欢 XML 标签结构，Gemini 喜欢简洁直接，Codex 需要更多上下文。这节课给你每个模型的 Prompt Engineering 最佳实践模板：System Prompt 怎么写、Few-shot 示例怎么给、长上下文怎么组织。同一个需求的三种 Prompt 写法对比。

掌握 Zero-shot prompting：不给示例直接让 AI 完成任务。理解它的优势、局限和适用场景。

建立一套系统的工具选型框架。通过 5 个真实场景练习，学会根据技术水平、项目规模、团队情况和预算，做出合理的工具选择。

建立一套系统的工具选型框架。通过 5 个真实场景练习，学会根据技术水平、项目规模、团队情况和预算，做出合理的工具选择。

四种经过验证的 Prompt 精调模板：1）Step-by-step（分步指令，复杂任务拆解）；2）Few-shot（给 2-3 个示例让 AI 模仿）；3）Chain of Thought（让 AI 展示推理过程）；4）Constrained Generation（用 Schema 约束输出格式）。每种模板有具体的代码开发场景示例和对比效果。

掌握 CoT 提示技术，让 AI 通过分步推理得出更准确、更可靠的答案。

学习通过多次采样不同推理路径并投票选出最可靠答案的技术，显著提高关键决策的准确率。

阅读「Chain-of-Thought (CoT)」章节。自主节奏完成，巩固本节课的知识点。

阅读「Prompt Chaining」章节。自主节奏完成，巩固本节课的知识点。

Codex CLI 是 OpenAI 的命令行 AI 编程工具——在终端里一条命令让 AI 写代码、改代码、跑测试。和 Claude Code 类似但风格不同：Codex 更轻量、启动更快、适合小任务。这节课讲 Codex CLI 的高效使用：常用命令、配置文件优化、和 Claude Code 配合使用的工作流。

Codex 生成的代码准确率怎么提升？三个方法：1）精调 Prompt 结构（给更多上下文和约束）；2）加载 Skills/配置文件（让 Codex 知道你的项目规范）；3）多次生成取最优（Self-Consistency）。实操演示每种方法的准确率提升幅度。

学习如何科学评估 Prompt 的效果，掌握评分标准设计、A/B 测试方法和持续优化策略。

阅读「性能与成本优化」章节。自主节奏完成，巩固本节课的知识点。

Codex CLI 的安装、配置、config.toml 文件详解。包括 API Key 设置、模型选择、Token 限制、代理配置、自定义命令。参考资料课——安装和调试时回来查。

学会用迭代心态和追问技巧，把 AI 生成的半成品代码一步步改到能用的状态。

学会用迭代心态和追问技巧，把 AI 生成的半成品代码一步步改到能用的状态。

用 Claude 生成前端 UI 不是让它随便画——你需要给它设计系统。这节课讲怎么让 Claude 按照统一的样式系统生成 UI：定义色板、字体、间距、组件风格，写进 CLAUDE.md 或 System Prompt，然后让 Claude 按这套规范生成所有页面。产出一致、专业，不是每个页面风格不同。

学习如何把设计稿或截图交给 AI，让它生成符合你项目规范的前端代码。掌握指定 UI 框架、约束组件结构、控制响应式行为的指令技巧。

阅读「与 AI 结对编程」章节。自主节奏完成，巩固本节课的知识点。

前端 UI 做好了，后端 API 怎么接？这节课用 Claude 实现前后端联调：定义 API Endpoint（路径、方法、参数、返回值）→ Claude 生成后端 API 代码 → Claude 生成前端调用代码 → 联调测试 → 处理跨域和错误。你描述数据流向，Claude 两端的代码都帮你写。

学习

掌握让 AI 输出合法、稳定、可被程序直接消费的 JSON 数据的技巧。

阅读「前后端协同与 API 生成」章节。自主节奏完成，巩固本节课的知识点。

网站需要存数据——用户信息、产品列表、订单记录。Supabase 是免费的 Postgres 数据库 + API 服务，不需要自己搭服务器。这节课用 Claude 完成：设计数据库 Schema（表结构、字段类型、关系）→ 在 Supabase 创建表 → 生成 CRUD API → 前端连接数据库。Claude 帮你写 SQL 和 ORM 代码，你只需要描述业务逻辑。

学习如何把业务需求翻译成数据库 Schema，让 AI 帮你设计表结构、定义关系、生成迁移脚本。掌握 AI 数据库设计中的常见陷阱和避坑指南。

阅读「数据与知识库协作」章节。自主节奏完成，巩固本节课的知识点。

代码写完了怎么上线？Cloudflare Workers 是 Serverless 部署方案——不用管服务器，上传代码就能跑。这节课也对比 Vercel 和 Railway 的部署方式，帮你选最适合的。实操：配置部署脚本 → 一键部署 → 绑定域名 → 配置环境变量 → 设置自动部署（push 代码自动上线）。

代码写完了不算完，部署上线才是真正的

阅读「脚手架与自动化交付」章节。自主节奏完成，巩固本节课的知识点。

项目要展示给别人看，需要两样东西：一份好的 README（项目说明书）和一个 Demo 视频脚本。这节课用 Claude 辅助生成：README 包含项目介绍、技术栈、安装步骤、截图、API 文档；Demo 脚本包含展示顺序、每一步说什么、预计时长。让你的项目看起来专业。

掌握商务邮件 Prompt 的模板——语气、目的、背景、要求，学会调整不同语气完成各种商务场景。

Serverless 部署的参考资料：Cloudflare Workers 配置模板、Vercel 的 vercel.json 模板、Railway 的 Dockerfile 模板、环境变量管理最佳实践、CI/CD 自动部署配置。参考资料课，部署时随时查。

代码写完了不代表能上线——需要 Review。这节课讲 AI 辅助 Code Review 的完整流程：让 Claude 审查你的代码（安全漏洞、性能问题、代码规范、可维护性）→ 根据反馈修改 → 再 Review → 通过后才合并。同时讲项目展示技巧：10 分钟怎么讲清楚你的项目、技术亮点怎么展示、Q&A 怎么应对。

AI 能帮你写代码，但谁来保证代码质量？学会从安全、性能、可维护性三个维度审查 AI 生成的代码，以及如何写出让团队受益的 Review 意见。

阅读「团队协作与 PR 流程」章节。自主节奏完成，巩固本节课的知识点。

阅读「用 AI 做测试与质量保障」章节。自主节奏完成，巩固本节课的知识点。

最终实操：用 Claude Code Review 你的整个项目（不是单个文件，是整个 codebase），修复所有 Review 意见，录制 Demo 演示视频，上传项目到 GitHub。课后你的 GitHub 上有一个完整的、经过 Code Review 的、有 README 和 Demo 的全栈项目——可以直接放进简历。

Commit Message 写得好不好，直接决定你在团队里的

阅读「持续改进与自动化」章节。自主节奏完成，巩固本节课的知识点。

用 Claude 生成项目的完整文档：README.md（项目介绍 + 安装指南 + API 文档）、CONTRIBUTING.md（贡献指南）、Demo 视频脚本（展示顺序 + 旁白文案 + 时间节点）。好的文档让你的项目在 GitHub 上更容易被人发现和理解。这节课的技巧也适用于工作中写技术文档——让 AI 帮你写初稿，你审核调整。

阅读「AI 辅助 UX 文案与交互」章节。自主节奏完成，巩固本节课的知识点。