1.2.1 从编码员到指挥官——AI 辅助编程的核心思维转变
认知重构
在传统编程中，你是"施工工人"——亲手敲下每一行代码，亲自解决每一个 bug。在 Vibe Coding 中，你是"项目总设计师"——你的任务是提供清晰的蓝图，让 AI 这支高效的施工队帮你把想法变成现实。
核心差异不在于"会不会写代码"，而在于"能不能清晰地定义需求"。
两种模式的本质对比
| 维度 | 传统编程 | Vibe Coding |
|---|---|---|
| 核心技能 | 语法、算法、API | 需求定义、沟通、审查 |
| 主要输入 | 精确的代码 | 自然语言提示 |
| 关注焦点 | 实现细节 | 预期结果 |
| 调试方式 | 断点、日志 | 对话反馈 |
| 学习曲线 | 陡峭 | 相对平缓 |
指挥官的三个核心职责
1. 战略规划：定义"做什么"
在动手之前，先想清楚：
- 这个功能要解决什么问题？
- 用户会如何使用它？
- 成功的标准是什么？
示例：与其直接让 AI "写一个登录页面"，不如先定义：
登录功能需求：
- 支持邮箱+密码登录
- 需要表单验证（邮箱格式、密码长度）
- 登录失败显示错误提示
- 登录成功跳转到首页2. 战术指挥：表达"怎么做"
把需求拆解成 AI 能执行的任务：
- 任务要足够小，一次只做一件事
- 提供必要的上下文（用什么技术栈、有什么约束）
- 给出参考示例（如果有的话）
3. 质量把控：验收"做得对不对"
AI 不是神，它会犯错。你需要：
- 检查代码逻辑是否正确
- 验证边界情况是否处理
- 确认代码风格是否符合项目规范
常见的思维误区
误区 1："AI 能自动理解我的想法"
AI 只能理解你表达出来的内容。如果你的需求模糊，AI 的产出也会模糊。
误区 2："AI 写的代码可以直接用"
AI 生成的代码需要审查。它可能有逻辑错误、安全漏洞，或者不符合你的项目规范。
误区 3："Vibe Coding 不需要懂代码"
你不需要会写代码，但需要能看懂代码。否则你无法判断 AI 的产出是否正确。
觉知：如何识别 AI 的"胡说八道"
当 AI 生成代码时，重点检查：
- 依赖是否存在：AI 有时会"发明"不存在的库或 API
- 逻辑是否完整：检查边界情况、错误处理
- 是否符合最新版本：AI 的知识可能过时
- 安全性：敏感信息是否暴露、是否有注入风险
从今天开始的行动
- 写代码之前先写需求：用自然语言描述你要做的事
- 一次只做一件事：把大任务拆成小任务
- 每次都审查：不要盲目接受 AI 的产出
- 持续反馈：告诉 AI 哪里对、哪里不对