easy-vibe 初学实战用对话式 Vibe Coding 构建 AI 原生贪吃蛇零代码基础从 0 到 1【免费下载链接】easy-vibe vibe coding 101The first course for AI-native product builders.项目地址: https://gitcode.com/GitHub_Trending/ea/easy-vibe本篇基于 easy-vibe 课程 Stage 1 章节 ai-capabilities-through-games 展开面向完全没有编程基础的读者讲解如何在浏览器里用自然语言对话驱动 AI 平台以 z.ai 的 Full-Stack 模块为例60 秒内生成可运行的贪吃蛇原型并进一步做出吃单词、写诗、画图的 AI 原生 Snake。读完本文你能掌握对话式编程的完整工作流写需求 Prompt、迭代修复 Bug、扩充玩法以及理解支撑这套范式的模型上下文与指令跟随两个底层概念。章节定位基于项目学习的入门教程本章节是 easy-vibe 课程中初学第 1 章核心宗旨是一条完成比完美更重要。它是一个基于项目式学习Project-Based Learning的教程官方建议你跟随步骤复现结果不要惧怕报错和修改。章节元信息如下项目内容预计时长约 4 小时可分多次完成主题标签对话式 AI 编程、AI 原生小游戏、贪吃蛇实战核心产出1 个可运行的 AI 原生贪吃蛇 可选1 个自创 AI 原生小游戏/Demo如果你完全不会编程或只会一点点这一章就是为你准备的通过对话让 AI 写代码——不需要背语法、不需要配置本地环境一切在浏览器里完成。你将亲手做出第一个可运行的程序——一条会吃单词、写诗、画画的蛇从而体验到 AI 编程的真实手感AI 不是替代你的思考而是把你的想法落地。课程的口号是执行力就是一切Execution is all you need。一、普通人的挑战与机会很多人脑子里满是产品点子一个记账小工具、一个记录孩子成长的网页、甚至一个小游戏。但一想到代码和程序员就被劝退了。AI 带来了普通人第一次真正意义上的新机会你不需要会编程你只需要学会清楚地告诉 AI 你想要什么。文档引用的 GitHub Copilot 使用数据表明超过 1500 万开发者在使用 AI 辅助编程平均 46% 的代码由 AI 生成在 Java 项目中这一比例达到 61%。更值得注意的是效率与采纳数据原文以数据卡片呈现55%任务完成速度提升2.4 天任务平均耗时此前为 9.6 天81%获得访问权限当日即安装使用96%AI 代码建议的接受率可见的效率跃升说明AI 对专业程序员而言已经不只是可选工具而是开发流程中的必备助手。对普通人来说趋势的意义更直接既然专业程序员都在用 AI 写代码不会编程的人为什么不能直接对 AI 说话来实现自己的想法本课程的目標正是教你这项新能力通过与 AI 的自然语言对话创建应用把头脑中的想法变成真实可用的产品。二、AI 能带你走多远2.1 在 60 秒内做出一个贪吃蛇这一节只回答一个问题如果你完全不会编程今天的 AI 能带你走多远粗略概括当前模型的能力边界它们可以开发简单的内部工具、数据可视化看板和一些轻量小游戏。这些能力足够覆盖自用小工具和从产品经理视角验证需求但要想一键生成市场级成熟产品通常仍然需要人工投入在流程设计、细节打磨和持续迭代上。下面用贪吃蛇的例子实际演示 AI 编程能走多远。打开实验平台。教程使用 z.ai 平台——它由智谱 AI 打造核心能力来自其自研 GLM 系列模型平台集成了幻灯片生成、海报设计、全栈开发等多种 AI 能力。本教程聚焦Full-Stack全栈开发模块。什么是浏览器里编程新范式以前开发一个 Web 应用需要安装 Python/Node.js 等编程环境、配置代码编辑器、学习 HTML/CSS/JavaScript、处理依赖与报错。 而在 AI 编程平台上只需要打开浏览器进入网页 → 用自然语言描述想要的功能 → AI 自动生成代码并给出实时预览。 这个对话即编程的范式把编程从写代码变成描述需求你不必关心技术细节只需说清楚想要什么它就把想法变成可运行的程序。这就是 AI 时代的编程新范式——Vibe Coding。输入需求并点击 Full-Stack 开发。输入下面这段简单需求后你可以实时观察整个网页的创建过程——通常一杯咖啡的时间网页就自动完成了帮我做一个贪吃蛇游戏 1. 用方向键控制蛇的移动 2. 蛇吃到食物后变长分数增加 3. 撞到墙壁或自己的身体时游戏结束 4. 需要有开始和重新开始按钮 5. 界面简洁美观查看结果。生成后右侧是一个可交互的 Web 页面上下滚动浏览内容或点击顶部罗盘按钮切换全屏。原文对各工具按钮的说明是从左到右依次为箭头按钮展开对话记录侧边栏、铅笔按钮新建对话、圆圈按钮刷新页面、罗盘按钮全屏模式、下载按钮下载项目、按钮切换到代码视图、Publish 按钮发布项目。查看源码。想看网页的源代码时点击右上角的代码符号即可查看完整代码。扩展阅读其他 AI 编程工具。原文推荐除 z.ai 外还可尝试以下平台本文依规范省略外部链接仅列名称与定位工具定位与特点Kimi CodeMoonshot AI 的编程助手提供终端 CLI 与 VS Code 扩展基于编程专用模型 Kimi K2.7 Code兼容 Claude Code、Roo Code 等Google AI StudioGoogle 官方产品支持 Gemini 系列模型适合快速原型开发原文标注推荐Figma Make与 Figma 设计工具深度集成适合设计师快速制作可交互原型Coze字节跳动的 AI Bot 平台提供无代码可视化搭建深度集成豆包、Kimi 等国产模型支持插件市场、定时任务和多渠道发布v0.devVercel 的 AI UI 生成工具从描述生成可运行的 React 组件代码Bolt.newStackBlitz 的 AI 全栈开发平台生成并部署完整 Web 应用Lovable专注高质量 React 应用支持 GitHub 集成和一键部署Replit Agent内置 AI 编程助手的在线 IDE支持多语言和实时协作7 个平台的详细对比见课程补充材料 Vibe Coding 平台对比教程。2.2 对话式编程能做什么、不能做什么这一节聚焦一个具体问题如果只依赖对话式 AI、不写一行代码它能把事情推进到什么程度经验层面有一个比较稳定的结论它能帮你做出小而完整的东西但什么时候算够需要你自己在每一步判断。擅长小而明确的应用。从贪吃蛇例子已经能看到典型模式只要你把界面和交互描述清楚AI 通常能在几轮对话内做出一个完整的、可以打开、点击和操作的网页。这类任务通常有以下共同点范围明确一个网页、一个简单的内部工具、一个小型游戏玩法结果可见可以立刻在浏览器里验证是否符合预期排查直接出问题后可以在后续对话中描述具体现象并要求修正复制报错信息或截图在这个范围内可以把对话式 AI 当作执行能力很好的帮手每一轮用自然语言细化、纠偏需求就能快速得到一个可用的原型。原文用进度条给出的经验值AI 完成小项目的成功率约为90%。大项目需要流程视角。一旦离开小而明确的范围指望 AI 用几轮对话端到端造出复杂系统很快就会撞墙。大项目要接后端、连数据库、集成第三方服务还涉及权限、安全、并发和大量业务规则——目标是交付一整套系统而不是单个网页。此时更合理的做法是不要一次性把所有需求丢给 AI而是先画出清晰的总体流程关键步骤有哪些、每一步的输入/输出/状态变化是什么、哪些节点对性能和安全最敏感。基于这个流程图把相对独立的步骤拆出来交给对话式 AI 去生成接口、模块、脚本和测试。按当前的能力水平AI 更擅长加速单个小步骤而步骤如何拆分串联、最终架构、系统集成和运维仍由你或你的团队负责。能写与能用的差距。表面看 AI 什么都能做但这些东西到底能用到什么程度原文给出了一条实用的场景判断准则原型 / Demo / 内部工具非常适合让 AI 出第一版然后自己迭代细节面向真实用户的大型产品通常需要工程师在架构、抽象、性能和可维护性上长期投入强安全/合规敏感系统支付、风控、医疗等现阶段不应生成即上线必须经过严格审查与测试流程只要你愿意多测试、多迭代多来几轮这里不对请修正并解释为什么原型和工具层面的质量通常就足够实用了。三、实战你的第一个 AI 原生应用前面我们用 AI 快速做出了一个可玩的贪吃蛇原型。这一节学习用基本的Vibe Coding技巧做一个现代的AI 原生 Snake让蛇吃文本字符而不是豆子最终基于吃到的字符生成一首诗和一幅画。通过这个例子理解新编程范式的核心——如何把需求清晰地用自然语言表达出来。3.1 AI 原生贪吃蛇的渐进式 Prompt一开始可以用最简单的方式与大模型对话快速拿到产品原型。原文给出三段逐步升级的示例 Prompt第一轮最简描述 示例 Prompt帮我做一个贪吃蛇游戏第二轮加入吃单词机制 示例 Prompt帮我做一个贪吃蛇游戏要求可以吃下不同的单词单词会被收集到一个盒子里第三轮完整 AI 原生玩法 示例 Prompt帮我做一个贪吃蛇游戏要求可以吃下不同的单词单词会被收集到一个盒子里当蛇吃到 8 个单词时LLM 基于这些单词创作一首诗诗可以按需重新洗牌生成诗生成完成后自动根据诗生成一幅画开发过程中可能出现各种问题点击按钮无反应、功能使用报错、功能不符合预期、前端界面与设计不符。此时需要继续向模型提问让 AI 修复这些意外问题——这就是对话式开发最日常的循环描述现象 → AI 修复 → 再验证。3.2 给游戏增加新功能基础功能完成后可以为程序加一些彩蛋。如果觉得吃单词或字母太单调可以让蛇吃不同颜色的单词并随之改变蛇的颜色也可以为吃的动作加入特效或引入触发效果的魔法单词比如提高蛇的速度或体积。另一个思路是每吃一个词就生成一次诗和画而不是等到 8 个词。如果觉得有难度可以直接让语言模型出主意它可以给出创意建议让你的游戏更有趣。原文列出的 8 个创意方向是单词开启世界机制蛇每吃一个单词图像模型立即为这个词生成一幅小画逐幅拼成玩家自创的独特全景——边玩边画边作诗。诗歌拼图玩法每吃一个词LLM 生成一句诗行图像模型配一张插画一轮结束后一切如拼图般组合成 AI 共创的诗与画。魔法单词与故事分支吃到风夜梦等魔法单词时LLM 改变场景主题图像风格切换为夜晚、风暴或梦境氛围吃下的不同单词让 AI 生成的故事持续展开。实时交互生成每吃一个词LLM 生成一段对话或描述让游戏里的 NPC 能说话环境随之变化蛇的外形和障碍物也随吃下的单词改变。句子蛇挑战反向模式——LLM 给出一句诗或谜题玩家引导蛇按正确顺序吃下单词来还原句子吃错词会通过图像模型触发滑稽的艺术性后果。主题关卡与风格选择开局选择童话科幻唐诗等主题LLM 和图像模型相应调整用词、诗风和画面构图每局体验都新鲜。实时协作吃到特定单词时LLM 让玩家输入一句话或选择一种风格再生成匹配的韵文和插画——真正的人机协作。成长的故事蛇不断变长的同时LLM 续写故事诗图像模型生成一张长全景画玩家同时体验写、画、玩。此外还可以让 LLM 帮我们生成项目级 Prompt。前面都是我们自己写贪吃蛇的 Prompt现在试着让模型生成一个带总体框架和实现路径的 Prompt原文示例我希望 AI 生成一个 Web 版贪吃蛇游戏。我需要更全面的 Prompt让成果更惊艳、更有趣。请生成相应的 Prompt。当前目标是生成一个贪吃蛇游戏要求实现吃不同单词以生成诗歌的功能并包含图像生成模块。把 AI 返回的这份元 Prompt直接拿去 Full-Stack 模式重新生成项目可以得到结构更完整、功能更丰富的版本。原文对这一让 AI 写 Prompt 再让 AI 执行 Prompt的流程配有完整截图见 源章节文档 3.2 节。想学习写出更好的 Prompt可参阅课程附录 Prompt Engineering德文版prompt-engineering。仓库内的真实佐证。这套一句 Prompt → 可运行项目的工作流在 easy-vibe 仓库中留下了真实产出物读者可以直接查看验证examples/trae-block-game/prompt.txt 中只有一句需求帮我做一个像这样的方块小游戏。人物可以走动也可以放方块。做好后帮我打开看看。对应产出是单文件的 examples/trae-block-game/index.html约 700 行的完整小游戏examples/trae-3d-block-game/prompt.txt 升级为 3D 版本可走动、转视角、放方块产出为基于 three.js 的 examples/trae-3d-block-game/src/main.js其中定义了方块类型枚举草地/泥土/石头/木头/树叶/沙子与配色映射并配有 Electron 壳electron/main.js用于本地打包examples/trae-linear-dashboard 和 examples/trae-screenshot-demo 则是数据看板截图演示两个非游戏类需求的一次性生成结果。从源码结构看这些示例文件均遵循prompt.txt 记录需求 生成代码直接可跑的极简组织方式与本章讲的 Vibe Coding 工作流一一对应。3.3 试着做更多小游戏贪吃蛇之外可以放开想象。原文列出了两类练手需求全部保留如下。应用类10 个AI 艺术画廊平台在线画廊用户上传、浏览、点赞、评论 AI 生成作品按风格分类浏览复古游戏档案馆致敬经典游戏的网站含游戏历史、攻略和可直接在线玩的复古小游戏可持续生活追踪器输入日常行为自动估算碳足迹提供环保建议和每周挑战虚拟厨房助手输入家中现有食材AI 推荐菜谱并给出分步烹饪指导独立音乐发现平台聚焦独立与新兴音乐人的流媒体网站支持创建播放列表与评论互动极简任务管理系统支持创建任务、设置优先级、拖拽排序和进度展示科幻写作工坊提供世界观构建模板、角色档案卡和故事大纲工具个人知识图谱可视化笔记工具把零散想法变成节点用连线把相关内容织成知识网络虚拟植物园植物百科网站含图文信息用户可种下虚拟植物并观察生长编程挑战竞技场含多难度算法题、在线代码编辑器、自动评分和排行榜游戏类10 个3D 开放世界 RPG自由探索、昼夜循环、天气变化、任务系统和角色成长第一人称射击FPS竞技场快节奏多人对战含团队死亡、夺旗、多模式和多地图AI 象棋与多人对战既可对战不同难度的 AI也可在线与真人对弈麻将在线对战支持多规则、私人房间和自动计番回合制策略游戏网格地图上移动、攻击、升级单位和战争迷雾计时竞速游戏3D 竞速多赛道、车辆调校和幽灵回放卡牌构筑Deck-Building收集卡牌、自由组套、参与天梯对战吃鸡俯视角 2D缩圈、随机战利品、单人/组队模式恐怖生存游戏第一人称资源管理、躲避敌人、寻找逃脱路线音乐节奏游戏3D音符随音乐从远处飞来玩家准点击中得分3.4 精选公开案例别人用 AI 做出了什么读到这里你可能会想贪吃蛇只是个入门例子——AI 真的能做出更复杂的游戏吗答案是肯定的。原文精选了8 个公开的典型案例从经典街机合集、2048 类解谜到 Minecraft 和超级马里奥复刻、3D 游戏再到中国大模型 Kimi 的官方游戏平台。这些开发者有的是程序员有的是零基础新手——共同点是他们都让 AI 通过对话写出了绝大部分代码。依本文规范案例链接从略保留原文陈述的事实。一个下午复刻 10 个经典街机游戏WotAI Games一个完全基于 Claude CodeVibe Coding从零开发的浏览器游戏合集没有使用任何游戏引擎通过对话让 AI 一次性复刻了 10 个经典街机游戏吃豆人、俄罗斯方块、太空侵略者、贪吃蛇、Flappy Bird、打砖块、Galaga、Frogger、Doodle Jump 和数独每个游戏均可在线玩并自带排行榜系统。零基础者 2 小时做出 2048 类游戏Blooming Garden日本开发者 in0ho1no 完全不会编程用 Claude 纯对话约2 小时做出了花园主题的 2048 类游戏同类植物融合升级、华丽绽放特效、粒子动画、排行榜、音效、移动端适配——全部功能通过自然语言对话完成没有手写一行代码。设计师用 AI 做出可在线玩的 3D 多人游戏Planet Jumper设计师 Ricardo de Zoete (Hammy) 用 OpenAI 的 AI 纯对话基于 three.js 做出了3D 多人平台跳跃游戏在球形小行星表面奔跑、冲刺、跳跃还能在线与陌生人对战。球形重力、在线同步、跳跃手感等系统全靠 Prompt 聊出来。一个人用 Vibe Coding 做了 100 个浏览器游戏2026开发者 wangzifan396-wzf 于 2026 年 7 月开源了 mini-browser-games——一个人用 Vibe Coding 制作并持续打磨的 100 个浏览器小游戏。全部为无依赖的单 HTML 文件双击即玩覆盖动作、策略、塔防、经营、卡牌、物理、逻辑、竞速、节奏、桌游和解谜许多已具备生产级深度含多章节战役、养成系统和跨设备存档码同步。整个项目采用 MIT 协议开源。给侄子的 Minecraft 复刻版CraftMine20262026 年 2 月开发者 Trent Sterling 因为侄子想玩 Minecraft 却没有正版打开一个空 HTML 文件用 Claude Code 纯对话做出了单文件 6820 行的浏览器版 Minecraft 复刻46 种方块另加 21 种 DOOM 地狱主题方块、36 种生物从鸡到 300 血量的泰坦 Boss、19 种武器含 BFG 9000、5 种生物群系、昼夜循环甚至P2P 多人联机——没有任何构建步骤打开网页就能玩。AI 实时生成无限关卡的超级马里奥20262026 年 3 月一位开发者把开源版超级马里奥与 OpenAI 模型结合做出 AI Super Mario既能玩经典原版关卡也能让 AI实时生成新关卡——无限模式中 AI 会随行进动态生成全新场景与敌人实测连续游玩 45 分钟不中断甚至可以直接在游戏里用文字让 AI 添加敌人、放置平台或更换主题。一个 Prompt 让 Kimi K3 做出 3D 游戏20262026 年 7 月开发者 Dr. Josh Simmons 只给中国大模型Kimi K3发了一条 Prompt就得到了一个可玩的第一人称 3D 游戏在程序化生成的服务器机房里收集数据核心、躲避巡逻无人机、乘货运电梯下降三层楼。整个游戏一次生成即可运行两轮对话修了两个 Bug 后全程可通关——总成本约2 美元。Kimi 官方游戏平台 K39920262026 年 7 月 17 日Moonshot AI 发布 Kimi K3 模型的同时上线浏览器游戏平台 K399——上面数十款游戏全部由 K3 模型生成并一键可玩。从 3D 射击、音游、横版动作到宫斗 AVG、3D 解谜和开放世界既有《塞尔达》《黑神话悟空》《泡泡岛》《吸血鬼幸存者》等经典玩法复刻也有完成度远超 Demo 的原创作品如支持移动/跳跃/滑铲/瞄准/射击的 3D 第一人称射击Pioneer Practice Ground、开放世界SpiderPunk以及含五章主线、八条支线与 32 个随机事件的宫斗 AVG。看完这些案例你会发现贪吃蛇只是 AI 编程能力的冰山一角。无论是经典街机、2048 解谜、3D 游戏还是 Minecraft 与超级马里奥的复刻、百款游戏合集乃至大模型官方的游戏平台——只要你能把想法描述清楚并愿意用多轮对话打磨AI 就能帮你从 0 到 1 实现。四、本章作业原文的作业卡给出了明确的验收标准完整复现 AI 原生贪吃蛇最低实现蛇可以移动吃到食物后长度与分数变化撞墙或撞到自身结束游戏复现过程中练习把错误现象 报错信息 相关代码片段一起交给 AI要求它以新手模式修复可选制作 1 个 AI 原生小游戏或 Demo可以围绕文字、图像、音乐或节奏的任意轻量玩法例如吃单词写诗节奏打字生成式跑酷等重点不在华丽画面而在于你能说清楚AI 具体在哪些环节帮到了你它解决了哪些手动很难做或很麻烦的问题完成全部内容大约需要4 小时。遇到不理解的概念随时查阅下面的附录。附录 1需要前端开发知识吗一句话总结你不需要会编程但一点基础概念能帮你更好地向 AI 描述需求。前端 vs 后端的分工前端可见的一切用户能看见和点击的东西——网页标题、文字、图片按钮、输入框、下拉菜单游戏画面、动画后端不可见的服务器上的数据处理——保存用户分数、登录鉴权、关卡内容下发前端三件套。把网页想象成一栋房子三种代码各管一件事HTML决定页面上有什么——如同先画好房屋图纸CSS决定它长什么样——如同刷墙、摆放家具JavaScript决定它如何响应——如同电灯开关按下灯就亮代码如何变成页面浏览器做三步用 HTML 搭骨架、用 CSS 装饰、用 JavaScript 通电——页面就成了。那 React、Vue 是什么它们是复杂页面的预制构件工具——更快、更稳。你不需要学它们只需知道它们是帮手。在 Vibe Coding 里不写代码只描述。比如用 React 做一个排行榜页面右侧是分数列表点击某一行下方显示玩家详情风格为现代极简。延伸阅读JavaScript 深入解析 与 前端框架演进史。附录 2Vibe Coding 到底是什么Vibe Coding氛围编程一词由 Andrej KarpathyOpenAI 联合创始人、前 Tesla AI 负责人于 2025 年 2 月提出指基于大语言模型、通过自然语言描述而非手动编码来生成可运行代码的编程方式。字面上可以理解为用说话开发。核心转变在于你不再逐行写代码、查语法、调 Bug而是用自然语言描述想要什么例如我需要一个登录页面有手机号和验证码输入框登录成功后跳转首页右上角显示用户名一个用键盘控制方向的简易贪吃蛇小游戏大模型LLM会自动把这些描述翻译成真正可运行的代码生成对应页面、逻辑和数据结构。看到结果后你还可以继续用自然语言提修改意见比如按钮再大一点背景深一点分数保存并显示排行榜AI 会进一步调整实现。在这个模式下你不必先学一门编程语言再写代码而是聚焦于清晰描述要做什么、判断结果、提出新的修改意见。AI 负责把高层想法翻译成具体实现大幅削减机械重复的编码工作。像Vibe Coding 大师那样说话。实操中真正的 Vibe Coding 往往不用复杂 Prompt也许一开始需要一段具体、稍复杂的全局 Prompt此后大量使用的其实是这些简单直接的句子原文完整清单代码有个 Bug请修复。 我不要部分代码给我完整修复后的代码。 你的代码还是有问题的。 请重新修复并给出完整代码。 刚才还能运行现在为什么不行了 你没听懂吗不要改我的原始代码。 不要加调试功能。 不要做我没要求的事情。 我要的功能在哪里 我说的话你理解不了吗 我只要这一个功能。 我说过要参考我之前的代码。 请不要加多余的注释。 请不要改我原始代码的基本逻辑。 帮我改一下代码。 基于我的代码改…… 不要改我的变量名 不要改原来函数的名字 别动我的变量。 不要加额外功能。 不要只生成骨架要完整代码。这听起来也许夸张但实践中这正是每天都在用的 Prompt 句式。原因在于大模型的上下文长度限制或指令跟随能力不一定强模型可能忘记早先对话里约定过的内容。做 Vibe Coding 时应选择长上下文、强指令跟随的模型可以依据榜单或评测指标判断。另一个原因是模型会模仿训练数据的风格作答有的措辞非常正式有的喜欢加很多修饰有的模型喜欢在代码里塞很多注释或不必要的模块。附录 3模型上下文模型上下文可以理解为AI 的短期记忆指模型在单次对话或任务中看得见且记得住的全部文本包括你的历史提问、系统指令、相关素材等。正因为有上下文AI 才能理解你正在问一个承接前文的问题从而进行多轮看似连贯的对话。没有上下文你说的每句话在模型看来都像全新问题它不知道之前聊过什么。每个模型都有自己的有效上下文长度Context Window通常以Token可粗略理解为词元片段计量目前主流模型多在32k 到 128k Token之间。上下文越长模型一次能读得越多例如一次读完一篇长文或长报告在一次对话中引用多个资料源与案例让模型记住多轮复杂讨论的结论当输入达到或超过模型的上下文上限时常见现象包括模型开始忘记长文本中的细节和关键信息对话推进过程中逐渐偏离最初目标针对同一材料的不同提问引用内容前后不一致这些现象不代表模型突然变笨而是上下文容量被耗尽或接近耗尽的自然结果。实践中的权衡是上下文越长消耗的算力越多相应的调用成本也越高因此开发 AI 应用时要平衡让模型看到多少与成本控制、效率提升常见做法需要长期保留的信息在交给模型前先做整理压缩不要反复把无关细节原样塞进上下文让外部知识库承担长期记忆而不是硬塞进模型上下文附录 4指令跟随能力指令跟随能力Instruction-Following指模型在理解你的指令后能否正确、完整地执行它。它不仅包括回答问题还包括按指定格式、风格和步骤执行任务。例如以下都是要求明确的指令用三个要点总结这篇文章写一封正式、礼貌的回复邮件把这个词翻译成英文并各造一个例句从文章中提取作者、日期和主要事件指令跟随能力强的模型通常具备这些特征按要求的数量输出要 3 个要点就不会给 5 个覆盖所有指定要素要作者、日期、事件就不会漏遵守指定格式和风格要求正式风格就不会给出过于随意的回答不做多余扩展只要翻译和例句就不会输出一大段无关解释实践中指令跟随能力强的实际价值在于稳定性同样指令下不同时刻、多次运行的输出结构和行为更一致不会随意加戏可复现性把 Prompt 集成进产品或流程时能大致预期模型的响应方式便于测试和迭代易集成模型输出符合预期格式时与后端程序、工作流或其他工具的自动对接更简单因此在选择和评估大模型时除了智能程度和知识覆盖面还应特别关注其指令跟随能力。对生产级应用而言能否稳定、正确执行指令往往比偶尔一次惊艳的回答更重要。小结与延伸路径本章节从60 秒生成一个贪吃蛇出发完整走通了对话式编程的闭环描述需求 → 观察生成 → 描述错误 → AI 修复 → 迭代玩法 → 用 AI 写更好的 Prompt。核心收获可以归纳为三条判断力知道对话式 AI 擅长小而明确的完整交付知道大项目需要人以流程视角拆步骤知道能写与能用之间存在需要测试与迭代填平的差距。仓库中的 examples/ 目录保留了多个一句 Prompt 生成可运行项目的真实案例2D 方块游戏、3D 方块游戏、数据看板、截图演示可作为对照验证若想在贪吃蛇之外深入平台工具链可继续阅读 Vibe Coding 平台对比教程概念性问题则回到 Prompt Engineering 与前端附录JavaScript 深入解析、前端框架演进史查证。【免费下载链接】easy-vibe vibe coding 101The first course for AI-native product builders.项目地址: https://gitcode.com/GitHub_Trending/ea/easy-vibe创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 
长河君 · 2026/9/14 5:48:37 · 阅读 1.2k easy-vibe 初学实战：用对话式 Vibe Coding 构建 AI 原生贪吃蛇，零代码基础从 0 到 1
easy-vibe 初学实战用对话式 Vibe Coding 构建 AI 原生贪吃蛇零代码基础从 0 到 1【免费下载链接】easy-vibe vibe coding 101The first course for AI-native product builders.项目地址: https://gitcode.com/GitHub_Trending/ea/easy-vibe本篇基于 easy-vibe 课程 Stage 1 章节 ai-capabilities-through-games 展开面向完全没有编程基础的读者讲解如何在浏览器里用自然语言对话驱动 AI 平台以 z.ai 的 Full-Stack 模块为例60 秒内生成可运行的贪吃蛇原型并进一步做出吃单词、写诗、画图的 AI 原生 Snake。读完本文你能掌握对话式编程的完整工作流写需求 Prompt、迭代修复 Bug、扩充玩法以及理解支撑这套范式的模型上下文与指令跟随两个底层概念。章节定位基于项目学习的入门教程本章节是 easy-vibe 课程中初学第 1 章核心宗旨是一条完成比完美更重要。它是一个基于项目式学习Project-Based Learning的教程官方建议你跟随步骤复现结果不要惧怕报错和修改。章节元信息如下项目内容预计时长约 4 小时可分多次完成主题标签对话式 AI 编程、AI 原生小游戏、贪吃蛇实战核心产出1 个可运行的 AI 原生贪吃蛇 可选1 个自创 AI 原生小游戏/Demo如果你完全不会编程或只会一点点这一章就是为你准备的通过对话让 AI 写代码——不需要背语法、不需要配置本地环境一切在浏览器里完成。你将亲手做出第一个可运行的程序——一条会吃单词、写诗、画画的蛇从而体验到 AI 编程的真实手感AI 不是替代你的思考而是把你的想法落地。课程的口号是执行力就是一切Execution is all you need。一、普通人的挑战与机会很多人脑子里满是产品点子一个记账小工具、一个记录孩子成长的网页、甚至一个小游戏。但一想到代码和程序员就被劝退了。AI 带来了普通人第一次真正意义上的新机会你不需要会编程你只需要学会清楚地告诉 AI 你想要什么。文档引用的 GitHub Copilot 使用数据表明超过 1500 万开发者在使用 AI 辅助编程平均 46% 的代码由 AI 生成在 Java 项目中这一比例达到 61%。更值得注意的是效率与采纳数据原文以数据卡片呈现55%任务完成速度提升2.4 天任务平均耗时此前为 9.6 天81%获得访问权限当日即安装使用96%AI 代码建议的接受率可见的效率跃升说明AI 对专业程序员而言已经不只是可选工具而是开发流程中的必备助手。对普通人来说趋势的意义更直接既然专业程序员都在用 AI 写代码不会编程的人为什么不能直接对 AI 说话来实现自己的想法本课程的目標正是教你这项新能力通过与 AI 的自然语言对话创建应用把头脑中的想法变成真实可用的产品。二、AI 能带你走多远2.1 在 60 秒内做出一个贪吃蛇这一节只回答一个问题如果你完全不会编程今天的 AI 能带你走多远粗略概括当前模型的能力边界它们可以开发简单的内部工具、数据可视化看板和一些轻量小游戏。这些能力足够覆盖自用小工具和从产品经理视角验证需求但要想一键生成市场级成熟产品通常仍然需要人工投入在流程设计、细节打磨和持续迭代上。下面用贪吃蛇的例子实际演示 AI 编程能走多远。打开实验平台。教程使用 z.ai 平台——它由智谱 AI 打造核心能力来自其自研 GLM 系列模型平台集成了幻灯片生成、海报设计、全栈开发等多种 AI 能力。本教程聚焦Full-Stack全栈开发模块。什么是浏览器里编程新范式以前开发一个 Web 应用需要安装 Python/Node.js 等编程环境、配置代码编辑器、学习 HTML/CSS/JavaScript、处理依赖与报错。 而在 AI 编程平台上只需要打开浏览器进入网页 → 用自然语言描述想要的功能 → AI 自动生成代码并给出实时预览。 这个对话即编程的范式把编程从写代码变成描述需求你不必关心技术细节只需说清楚想要什么它就把想法变成可运行的程序。这就是 AI 时代的编程新范式——Vibe Coding。输入需求并点击 Full-Stack 开发。输入下面这段简单需求后你可以实时观察整个网页的创建过程——通常一杯咖啡的时间网页就自动完成了帮我做一个贪吃蛇游戏 1. 用方向键控制蛇的移动 2. 蛇吃到食物后变长分数增加 3. 撞到墙壁或自己的身体时游戏结束 4. 需要有开始和重新开始按钮 5. 界面简洁美观查看结果。生成后右侧是一个可交互的 Web 页面上下滚动浏览内容或点击顶部罗盘按钮切换全屏。原文对各工具按钮的说明是从左到右依次为箭头按钮展开对话记录侧边栏、铅笔按钮新建对话、圆圈按钮刷新页面、罗盘按钮全屏模式、下载按钮下载项目、按钮切换到代码视图、Publish 按钮发布项目。查看源码。想看网页的源代码时点击右上角的代码符号即可查看完整代码。扩展阅读其他 AI 编程工具。原文推荐除 z.ai 外还可尝试以下平台本文依规范省略外部链接仅列名称与定位工具定位与特点Kimi CodeMoonshot AI 的编程助手提供终端 CLI 与 VS Code 扩展基于编程专用模型 Kimi K2.7 Code兼容 Claude Code、Roo Code 等Google AI StudioGoogle 官方产品支持 Gemini 系列模型适合快速原型开发原文标注推荐Figma Make与 Figma 设计工具深度集成适合设计师快速制作可交互原型Coze字节跳动的 AI Bot 平台提供无代码可视化搭建深度集成豆包、Kimi 等国产模型支持插件市场、定时任务和多渠道发布v0.devVercel 的 AI UI 生成工具从描述生成可运行的 React 组件代码Bolt.newStackBlitz 的 AI 全栈开发平台生成并部署完整 Web 应用Lovable专注高质量 React 应用支持 GitHub 集成和一键部署Replit Agent内置 AI 编程助手的在线 IDE支持多语言和实时协作7 个平台的详细对比见课程补充材料 Vibe Coding 平台对比教程。2.2 对话式编程能做什么、不能做什么这一节聚焦一个具体问题如果只依赖对话式 AI、不写一行代码它能把事情推进到什么程度经验层面有一个比较稳定的结论它能帮你做出小而完整的东西但什么时候算够需要你自己在每一步判断。擅长小而明确的应用。从贪吃蛇例子已经能看到典型模式只要你把界面和交互描述清楚AI 通常能在几轮对话内做出一个完整的、可以打开、点击和操作的网页。这类任务通常有以下共同点范围明确一个网页、一个简单的内部工具、一个小型游戏玩法结果可见可以立刻在浏览器里验证是否符合预期排查直接出问题后可以在后续对话中描述具体现象并要求修正复制报错信息或截图在这个范围内可以把对话式 AI 当作执行能力很好的帮手每一轮用自然语言细化、纠偏需求就能快速得到一个可用的原型。原文用进度条给出的经验值AI 完成小项目的成功率约为90%。大项目需要流程视角。一旦离开小而明确的范围指望 AI 用几轮对话端到端造出复杂系统很快就会撞墙。大项目要接后端、连数据库、集成第三方服务还涉及权限、安全、并发和大量业务规则——目标是交付一整套系统而不是单个网页。此时更合理的做法是不要一次性把所有需求丢给 AI而是先画出清晰的总体流程关键步骤有哪些、每一步的输入/输出/状态变化是什么、哪些节点对性能和安全最敏感。基于这个流程图把相对独立的步骤拆出来交给对话式 AI 去生成接口、模块、脚本和测试。按当前的能力水平AI 更擅长加速单个小步骤而步骤如何拆分串联、最终架构、系统集成和运维仍由你或你的团队负责。能写与能用的差距。表面看 AI 什么都能做但这些东西到底能用到什么程度原文给出了一条实用的场景判断准则原型 / Demo / 内部工具非常适合让 AI 出第一版然后自己迭代细节面向真实用户的大型产品通常需要工程师在架构、抽象、性能和可维护性上长期投入强安全/合规敏感系统支付、风控、医疗等现阶段不应生成即上线必须经过严格审查与测试流程只要你愿意多测试、多迭代多来几轮这里不对请修正并解释为什么原型和工具层面的质量通常就足够实用了。三、实战你的第一个 AI 原生应用前面我们用 AI 快速做出了一个可玩的贪吃蛇原型。这一节学习用基本的Vibe Coding技巧做一个现代的AI 原生 Snake让蛇吃文本字符而不是豆子最终基于吃到的字符生成一首诗和一幅画。通过这个例子理解新编程范式的核心——如何把需求清晰地用自然语言表达出来。3.1 AI 原生贪吃蛇的渐进式 Prompt一开始可以用最简单的方式与大模型对话快速拿到产品原型。原文给出三段逐步升级的示例 Prompt第一轮最简描述 示例 Prompt帮我做一个贪吃蛇游戏第二轮加入吃单词机制 示例 Prompt帮我做一个贪吃蛇游戏要求可以吃下不同的单词单词会被收集到一个盒子里第三轮完整 AI 原生玩法 示例 Prompt帮我做一个贪吃蛇游戏要求可以吃下不同的单词单词会被收集到一个盒子里当蛇吃到 8 个单词时LLM 基于这些单词创作一首诗诗可以按需重新洗牌生成诗生成完成后自动根据诗生成一幅画开发过程中可能出现各种问题点击按钮无反应、功能使用报错、功能不符合预期、前端界面与设计不符。此时需要继续向模型提问让 AI 修复这些意外问题——这就是对话式开发最日常的循环描述现象 → AI 修复 → 再验证。3.2 给游戏增加新功能基础功能完成后可以为程序加一些彩蛋。如果觉得吃单词或字母太单调可以让蛇吃不同颜色的单词并随之改变蛇的颜色也可以为吃的动作加入特效或引入触发效果的魔法单词比如提高蛇的速度或体积。另一个思路是每吃一个词就生成一次诗和画而不是等到 8 个词。如果觉得有难度可以直接让语言模型出主意它可以给出创意建议让你的游戏更有趣。原文列出的 8 个创意方向是单词开启世界机制蛇每吃一个单词图像模型立即为这个词生成一幅小画逐幅拼成玩家自创的独特全景——边玩边画边作诗。诗歌拼图玩法每吃一个词LLM 生成一句诗行图像模型配一张插画一轮结束后一切如拼图般组合成 AI 共创的诗与画。魔法单词与故事分支吃到风夜梦等魔法单词时LLM 改变场景主题图像风格切换为夜晚、风暴或梦境氛围吃下的不同单词让 AI 生成的故事持续展开。实时交互生成每吃一个词LLM 生成一段对话或描述让游戏里的 NPC 能说话环境随之变化蛇的外形和障碍物也随吃下的单词改变。句子蛇挑战反向模式——LLM 给出一句诗或谜题玩家引导蛇按正确顺序吃下单词来还原句子吃错词会通过图像模型触发滑稽的艺术性后果。主题关卡与风格选择开局选择童话科幻唐诗等主题LLM 和图像模型相应调整用词、诗风和画面构图每局体验都新鲜。实时协作吃到特定单词时LLM 让玩家输入一句话或选择一种风格再生成匹配的韵文和插画——真正的人机协作。成长的故事蛇不断变长的同时LLM 续写故事诗图像模型生成一张长全景画玩家同时体验写、画、玩。此外还可以让 LLM 帮我们生成项目级 Prompt。前面都是我们自己写贪吃蛇的 Prompt现在试着让模型生成一个带总体框架和实现路径的 Prompt原文示例我希望 AI 生成一个 Web 版贪吃蛇游戏。我需要更全面的 Prompt让成果更惊艳、更有趣。请生成相应的 Prompt。当前目标是生成一个贪吃蛇游戏要求实现吃不同单词以生成诗歌的功能并包含图像生成模块。把 AI 返回的这份元 Prompt直接拿去 Full-Stack 模式重新生成项目可以得到结构更完整、功能更丰富的版本。原文对这一让 AI 写 Prompt 再让 AI 执行 Prompt的流程配有完整截图见 源章节文档 3.2 节。想学习写出更好的 Prompt可参阅课程附录 Prompt Engineering德文版prompt-engineering。仓库内的真实佐证。这套一句 Prompt → 可运行项目的工作流在 easy-vibe 仓库中留下了真实产出物读者可以直接查看验证examples/trae-block-game/prompt.txt 中只有一句需求帮我做一个像这样的方块小游戏。人物可以走动也可以放方块。做好后帮我打开看看。对应产出是单文件的 examples/trae-block-game/index.html约 700 行的完整小游戏examples/trae-3d-block-game/prompt.txt 升级为 3D 版本可走动、转视角、放方块产出为基于 three.js 的 examples/trae-3d-block-game/src/main.js其中定义了方块类型枚举草地/泥土/石头/木头/树叶/沙子与配色映射并配有 Electron 壳electron/main.js用于本地打包examples/trae-linear-dashboard 和 examples/trae-screenshot-demo 则是数据看板截图演示两个非游戏类需求的一次性生成结果。从源码结构看这些示例文件均遵循prompt.txt 记录需求 生成代码直接可跑的极简组织方式与本章讲的 Vibe Coding 工作流一一对应。3.3 试着做更多小游戏贪吃蛇之外可以放开想象。原文列出了两类练手需求全部保留如下。应用类10 个AI 艺术画廊平台在线画廊用户上传、浏览、点赞、评论 AI 生成作品按风格分类浏览复古游戏档案馆致敬经典游戏的网站含游戏历史、攻略和可直接在线玩的复古小游戏可持续生活追踪器输入日常行为自动估算碳足迹提供环保建议和每周挑战虚拟厨房助手输入家中现有食材AI 推荐菜谱并给出分步烹饪指导独立音乐发现平台聚焦独立与新兴音乐人的流媒体网站支持创建播放列表与评论互动极简任务管理系统支持创建任务、设置优先级、拖拽排序和进度展示科幻写作工坊提供世界观构建模板、角色档案卡和故事大纲工具个人知识图谱可视化笔记工具把零散想法变成节点用连线把相关内容织成知识网络虚拟植物园植物百科网站含图文信息用户可种下虚拟植物并观察生长编程挑战竞技场含多难度算法题、在线代码编辑器、自动评分和排行榜游戏类10 个3D 开放世界 RPG自由探索、昼夜循环、天气变化、任务系统和角色成长第一人称射击FPS竞技场快节奏多人对战含团队死亡、夺旗、多模式和多地图AI 象棋与多人对战既可对战不同难度的 AI也可在线与真人对弈麻将在线对战支持多规则、私人房间和自动计番回合制策略游戏网格地图上移动、攻击、升级单位和战争迷雾计时竞速游戏3D 竞速多赛道、车辆调校和幽灵回放卡牌构筑Deck-Building收集卡牌、自由组套、参与天梯对战吃鸡俯视角 2D缩圈、随机战利品、单人/组队模式恐怖生存游戏第一人称资源管理、躲避敌人、寻找逃脱路线音乐节奏游戏3D音符随音乐从远处飞来玩家准点击中得分3.4 精选公开案例别人用 AI 做出了什么读到这里你可能会想贪吃蛇只是个入门例子——AI 真的能做出更复杂的游戏吗答案是肯定的。原文精选了8 个公开的典型案例从经典街机合集、2048 类解谜到 Minecraft 和超级马里奥复刻、3D 游戏再到中国大模型 Kimi 的官方游戏平台。这些开发者有的是程序员有的是零基础新手——共同点是他们都让 AI 通过对话写出了绝大部分代码。依本文规范案例链接从略保留原文陈述的事实。一个下午复刻 10 个经典街机游戏WotAI Games一个完全基于 Claude CodeVibe Coding从零开发的浏览器游戏合集没有使用任何游戏引擎通过对话让 AI 一次性复刻了 10 个经典街机游戏吃豆人、俄罗斯方块、太空侵略者、贪吃蛇、Flappy Bird、打砖块、Galaga、Frogger、Doodle Jump 和数独每个游戏均可在线玩并自带排行榜系统。零基础者 2 小时做出 2048 类游戏Blooming Garden日本开发者 in0ho1no 完全不会编程用 Claude 纯对话约2 小时做出了花园主题的 2048 类游戏同类植物融合升级、华丽绽放特效、粒子动画、排行榜、音效、移动端适配——全部功能通过自然语言对话完成没有手写一行代码。设计师用 AI 做出可在线玩的 3D 多人游戏Planet Jumper设计师 Ricardo de Zoete (Hammy) 用 OpenAI 的 AI 纯对话基于 three.js 做出了3D 多人平台跳跃游戏在球形小行星表面奔跑、冲刺、跳跃还能在线与陌生人对战。球形重力、在线同步、跳跃手感等系统全靠 Prompt 聊出来。一个人用 Vibe Coding 做了 100 个浏览器游戏2026开发者 wangzifan396-wzf 于 2026 年 7 月开源了 mini-browser-games——一个人用 Vibe Coding 制作并持续打磨的 100 个浏览器小游戏。全部为无依赖的单 HTML 文件双击即玩覆盖动作、策略、塔防、经营、卡牌、物理、逻辑、竞速、节奏、桌游和解谜许多已具备生产级深度含多章节战役、养成系统和跨设备存档码同步。整个项目采用 MIT 协议开源。给侄子的 Minecraft 复刻版CraftMine20262026 年 2 月开发者 Trent Sterling 因为侄子想玩 Minecraft 却没有正版打开一个空 HTML 文件用 Claude Code 纯对话做出了单文件 6820 行的浏览器版 Minecraft 复刻46 种方块另加 21 种 DOOM 地狱主题方块、36 种生物从鸡到 300 血量的泰坦 Boss、19 种武器含 BFG 9000、5 种生物群系、昼夜循环甚至P2P 多人联机——没有任何构建步骤打开网页就能玩。AI 实时生成无限关卡的超级马里奥20262026 年 3 月一位开发者把开源版超级马里奥与 OpenAI 模型结合做出 AI Super Mario既能玩经典原版关卡也能让 AI实时生成新关卡——无限模式中 AI 会随行进动态生成全新场景与敌人实测连续游玩 45 分钟不中断甚至可以直接在游戏里用文字让 AI 添加敌人、放置平台或更换主题。一个 Prompt 让 Kimi K3 做出 3D 游戏20262026 年 7 月开发者 Dr. Josh Simmons 只给中国大模型Kimi K3发了一条 Prompt就得到了一个可玩的第一人称 3D 游戏在程序化生成的服务器机房里收集数据核心、躲避巡逻无人机、乘货运电梯下降三层楼。整个游戏一次生成即可运行两轮对话修了两个 Bug 后全程可通关——总成本约2 美元。Kimi 官方游戏平台 K39920262026 年 7 月 17 日Moonshot AI 发布 Kimi K3 模型的同时上线浏览器游戏平台 K399——上面数十款游戏全部由 K3 模型生成并一键可玩。从 3D 射击、音游、横版动作到宫斗 AVG、3D 解谜和开放世界既有《塞尔达》《黑神话悟空》《泡泡岛》《吸血鬼幸存者》等经典玩法复刻也有完成度远超 Demo 的原创作品如支持移动/跳跃/滑铲/瞄准/射击的 3D 第一人称射击Pioneer Practice Ground、开放世界SpiderPunk以及含五章主线、八条支线与 32 个随机事件的宫斗 AVG。看完这些案例你会发现贪吃蛇只是 AI 编程能力的冰山一角。无论是经典街机、2048 解谜、3D 游戏还是 Minecraft 与超级马里奥的复刻、百款游戏合集乃至大模型官方的游戏平台——只要你能把想法描述清楚并愿意用多轮对话打磨AI 就能帮你从 0 到 1 实现。四、本章作业原文的作业卡给出了明确的验收标准完整复现 AI 原生贪吃蛇最低实现蛇可以移动吃到食物后长度与分数变化撞墙或撞到自身结束游戏复现过程中练习把错误现象 报错信息 相关代码片段一起交给 AI要求它以新手模式修复可选制作 1 个 AI 原生小游戏或 Demo可以围绕文字、图像、音乐或节奏的任意轻量玩法例如吃单词写诗节奏打字生成式跑酷等重点不在华丽画面而在于你能说清楚AI 具体在哪些环节帮到了你它解决了哪些手动很难做或很麻烦的问题完成全部内容大约需要4 小时。遇到不理解的概念随时查阅下面的附录。附录 1需要前端开发知识吗一句话总结你不需要会编程但一点基础概念能帮你更好地向 AI 描述需求。前端 vs 后端的分工前端可见的一切用户能看见和点击的东西——网页标题、文字、图片按钮、输入框、下拉菜单游戏画面、动画后端不可见的服务器上的数据处理——保存用户分数、登录鉴权、关卡内容下发前端三件套。把网页想象成一栋房子三种代码各管一件事HTML决定页面上有什么——如同先画好房屋图纸CSS决定它长什么样——如同刷墙、摆放家具JavaScript决定它如何响应——如同电灯开关按下灯就亮代码如何变成页面浏览器做三步用 HTML 搭骨架、用 CSS 装饰、用 JavaScript 通电——页面就成了。那 React、Vue 是什么它们是复杂页面的预制构件工具——更快、更稳。你不需要学它们只需知道它们是帮手。在 Vibe Coding 里不写代码只描述。比如用 React 做一个排行榜页面右侧是分数列表点击某一行下方显示玩家详情风格为现代极简。延伸阅读JavaScript 深入解析 与 前端框架演进史。附录 2Vibe Coding 到底是什么Vibe Coding氛围编程一词由 Andrej KarpathyOpenAI 联合创始人、前 Tesla AI 负责人于 2025 年 2 月提出指基于大语言模型、通过自然语言描述而非手动编码来生成可运行代码的编程方式。字面上可以理解为用说话开发。核心转变在于你不再逐行写代码、查语法、调 Bug而是用自然语言描述想要什么例如我需要一个登录页面有手机号和验证码输入框登录成功后跳转首页右上角显示用户名一个用键盘控制方向的简易贪吃蛇小游戏大模型LLM会自动把这些描述翻译成真正可运行的代码生成对应页面、逻辑和数据结构。看到结果后你还可以继续用自然语言提修改意见比如按钮再大一点背景深一点分数保存并显示排行榜AI 会进一步调整实现。在这个模式下你不必先学一门编程语言再写代码而是聚焦于清晰描述要做什么、判断结果、提出新的修改意见。AI 负责把高层想法翻译成具体实现大幅削减机械重复的编码工作。像Vibe Coding 大师那样说话。实操中真正的 Vibe Coding 往往不用复杂 Prompt也许一开始需要一段具体、稍复杂的全局 Prompt此后大量使用的其实是这些简单直接的句子原文完整清单代码有个 Bug请修复。 我不要部分代码给我完整修复后的代码。 你的代码还是有问题的。 请重新修复并给出完整代码。 刚才还能运行现在为什么不行了 你没听懂吗不要改我的原始代码。 不要加调试功能。 不要做我没要求的事情。 我要的功能在哪里 我说的话你理解不了吗 我只要这一个功能。 我说过要参考我之前的代码。 请不要加多余的注释。 请不要改我原始代码的基本逻辑。 帮我改一下代码。 基于我的代码改…… 不要改我的变量名 不要改原来函数的名字 别动我的变量。 不要加额外功能。 不要只生成骨架要完整代码。这听起来也许夸张但实践中这正是每天都在用的 Prompt 句式。原因在于大模型的上下文长度限制或指令跟随能力不一定强模型可能忘记早先对话里约定过的内容。做 Vibe Coding 时应选择长上下文、强指令跟随的模型可以依据榜单或评测指标判断。另一个原因是模型会模仿训练数据的风格作答有的措辞非常正式有的喜欢加很多修饰有的模型喜欢在代码里塞很多注释或不必要的模块。附录 3模型上下文模型上下文可以理解为AI 的短期记忆指模型在单次对话或任务中看得见且记得住的全部文本包括你的历史提问、系统指令、相关素材等。正因为有上下文AI 才能理解你正在问一个承接前文的问题从而进行多轮看似连贯的对话。没有上下文你说的每句话在模型看来都像全新问题它不知道之前聊过什么。每个模型都有自己的有效上下文长度Context Window通常以Token可粗略理解为词元片段计量目前主流模型多在32k 到 128k Token之间。上下文越长模型一次能读得越多例如一次读完一篇长文或长报告在一次对话中引用多个资料源与案例让模型记住多轮复杂讨论的结论当输入达到或超过模型的上下文上限时常见现象包括模型开始忘记长文本中的细节和关键信息对话推进过程中逐渐偏离最初目标针对同一材料的不同提问引用内容前后不一致这些现象不代表模型突然变笨而是上下文容量被耗尽或接近耗尽的自然结果。实践中的权衡是上下文越长消耗的算力越多相应的调用成本也越高因此开发 AI 应用时要平衡让模型看到多少与成本控制、效率提升常见做法需要长期保留的信息在交给模型前先做整理压缩不要反复把无关细节原样塞进上下文让外部知识库承担长期记忆而不是硬塞进模型上下文附录 4指令跟随能力指令跟随能力Instruction-Following指模型在理解你的指令后能否正确、完整地执行它。它不仅包括回答问题还包括按指定格式、风格和步骤执行任务。例如以下都是要求明确的指令用三个要点总结这篇文章写一封正式、礼貌的回复邮件把这个词翻译成英文并各造一个例句从文章中提取作者、日期和主要事件指令跟随能力强的模型通常具备这些特征按要求的数量输出要 3 个要点就不会给 5 个覆盖所有指定要素要作者、日期、事件就不会漏遵守指定格式和风格要求正式风格就不会给出过于随意的回答不做多余扩展只要翻译和例句就不会输出一大段无关解释实践中指令跟随能力强的实际价值在于稳定性同样指令下不同时刻、多次运行的输出结构和行为更一致不会随意加戏可复现性把 Prompt 集成进产品或流程时能大致预期模型的响应方式便于测试和迭代易集成模型输出符合预期格式时与后端程序、工作流或其他工具的自动对接更简单因此在选择和评估大模型时除了智能程度和知识覆盖面还应特别关注其指令跟随能力。对生产级应用而言能否稳定、正确执行指令往往比偶尔一次惊艳的回答更重要。小结与延伸路径本章节从60 秒生成一个贪吃蛇出发完整走通了对话式编程的闭环描述需求 → 观察生成 → 描述错误 → AI 修复 → 迭代玩法 → 用 AI 写更好的 Prompt。核心收获可以归纳为三条判断力知道对话式 AI 擅长小而明确的完整交付知道大项目需要人以流程视角拆步骤知道能写与能用之间存在需要测试与迭代填平的差距。仓库中的 examples/ 目录保留了多个一句 Prompt 生成可运行项目的真实案例2D 方块游戏、3D 方块游戏、数据看板、截图演示可作为对照验证若想在贪吃蛇之外深入平台工具链可继续阅读 Vibe Coding 平台对比教程概念性问题则回到 Prompt Engineering 与前端附录JavaScript 深入解析、前端框架演进史查证。【免费下载链接】easy-vibe vibe coding 101The first course for AI-native product builders.项目地址: https://gitcode.com/GitHub_Trending/ea/easy-vibe创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考