【LLM】大模型vibe coding（cursor、copilot、comate）
note
2025年，Karpathy分享了自己的Vibe Coding指南1.0：
- 把所有相关内容塞进上下文里（在大型项目中可能需要很久。如果项目够小，就直接把所有文件都塞进去。
- 描述我们接下来要实现的那个具体的、增量式的小改动。不要直接要代码，而是要几种高层次的思路，并分析它们的优缺点。几乎总是会有多种做法，而大语言模型的判断并不总是可靠。然后（可选）再具体化。
- 选择一种思路，请它写出第一版代码。
- 进入复查/学习阶段：手动在浏览器里打开我不熟悉或没调用过的API文档，向模型提问解释、澄清、修改，必要时回退并尝试另一种思路。
- 测试。
- Git commit。
- 询问可以接下来实现什么。然后重复这个循环。
文章目录
一、相关vibe coding工具
1、cursor
Cursor 是一款基于 VS Code 二次开发的 AI 编辑器，它深度融合了 AI 技术，提供了前所未有的用户体验
。它不仅借助 VS Code 强大的插件生态系统，还通过 AI 提升了整体使用感受。与 GitHub Copilot 等其他类似产品相比，Cursor 的最大优势在于其与编辑器本身的深度集成，这意味着它不仅仅是一个附加组件，而是成为编辑器不可分割的一部分，使用户在日常使用中能够更加自然、高效地利用这些智能功能。
2、copilot
GitHub Copilot 是一种 AI 编码助手，由大型语言模型 (LLM) 提供支持，可在整个 Microsoft 云中提供创新解决方案
。它旨在提高工作效率、创造力和数据可访问性，同时提供企业级数据安全和隐私功能。GitHub Copilot 集成在 GitHub 平台中，为开发人员提供了一个支持性环境，用于应对编程挑战并增强其编码工作流。此外，GitHub Copilot 可用于学习新的编程语言或框架，方法是根据开发人员输入提供实时代码建议。
3、comate
（1）支持的语言。目前文心快码支持全部主流编程语言，其中在以下语言/框架编码场景表现更优：
后端（Backend）： C、C#、C++、Java、Python、Go、PHP、Rust
前端（Frontend）： HTML、JavaScript、CSS、Less、swan、San、Vue、Scss、Sass、Stylus、pug、mermaid
App端（APP）： ObjectC、Kotlin、Swift
其它（Others）： Perl、Ruby、Shell、vhdl、GraphQL、Dockerfile
zulu使用文档：https://cloud.baidu.com/doc/COMATE/s/vm66asjm4
（2）Chat 和 Zulu 的区别
Chat：代码问答，需要用户主导问题解决过程。用户通过提问、理解答案、多轮追问的流程来解决问题。生成的代码经手动点击“采纳”后合入代码文件。
Zulu：智能体，支持从需求到代码的端到端生成。用户只需给出需求，智能体会自主规划工作，确定相关文件，编辑代码库，调用开发工具。还会自主验证结果、持续迭代、解决问题，直至达成用户的目标。
（3）端到端任务执行
Zulu 具备自助任务执行和反思能力，能够端到端从需求生成代码。
例如，当您要求 Zulu 为一个在线商城的项目的支付系统增加微信支付时。Zulu 会：
- 了解项目的结构和现有支付逻辑，并找到支付宝的相关实现
- 了解上游的订单服务如何调用支付服务
- 实现微信支付的代码
- 总结复盘，查漏补缺，发现遗漏的 pom.xml 修改
- Zulu 会依据代码库的实际情况动态调整规划和执行的过程，确保生成效果。
（4）代码库的理解：介绍项目的业务目标，核心功能、整体架构、业务流程
二、vibe coding综述
1、code agent
综述：
https://arxiv.org/abs/2508.00083
A Survey on Code Generation with LLM-based Agents
https://github.com/JiaruQian/awesome-llm-based-agent4code
2、vibe coding
【代码编程进展】Vibe Coding 的一个综述，A Survey of Vibe Coding with Large Language Models，
https://arxiv.org/pdf/2510.12399，
https://github.com/YuyaoGe/Awesome-Vibe-Coding
三、斯坦福CS146S
《The Modern Software Developer》（现代软件开发者）
https://themodernsoftware.dev
前两周讲的是从提示词到 Agent，核心思想是：AI 已经是一个带工具的系统了，你得学会怎么搭这个系统。
第 1 周：先把 LLM 的工作原理、犯错的原因、怎么引导它稳定输出讲清楚，作业是做一个 Prompting Playground，把提示词从玄学变成可验证的实验。
第 2 周：直接进入 Agent 架构，讲 Tool Use、Function Calling，还有现在大火的 MCP（Model Context Protocol），作业是自己动手搭一个 MCP Server。
第 3 ~ 4 周讲 AI IDE 和上下文工程。
第 3 周：关键词是 Context Engineering，课上讨论了长上下文为什么会失败、Specs 和 PRD 为什么是新的源代码、怎么让 AI 理解复杂的代码库。这周的必读材料里有一篇叫《Specs Are the New Source Code》，我觉得是整门课最值得深思的一篇。
第 4 周：讲 Agent 的自治程度怎么管控、人机协作模式怎么设计，阅读材料包括 Anthropic 的 Claude Code 使用方式和最佳实践。作业就是直接上手用 Claude Code 写项目，训练你成为一个 Agent Manager。
第 5 周讲现代终端，介绍 Warp 这类 AI 终端怎么把命令行操作产品化。AI IDE 解决的是写代码的问题，AI 终端解决的是把代码跑起来、把系统管起来的问题。
第 6 ~ 7 周讲安全与质量，这两周是我觉得整门课最有含金量的部分。
第 6 周：讲 Secure Vibe Coding，直接上硬核案例：Prompt Injection 怎么导致远程代码执行？OWASP Top 10 在 Agent 时代有哪些新威胁？看得我脊背发凉……
第 7 周：讲 Code Review，核心问题是：AI 产出的代码，我们能信任到什么程度？
第 8 周：讲自动做应用，一句 Prompt 搞出一个端到端的完整应用，嘉宾是 Vercel 的 AI 研究负责人。这节课的实战价值很大，但课程真正想传达的是：快速原型只是起点，你得能把它纳入测试、安全、Code Review 这些工程规范中。
第 9 周：讲上线后的运维，包括监控、可观测性、事件响应、自动化排查。很多人学 AI 编程只学造，不学养。这门课把养系统也补上了，非常加分。
第 10 周：讲未来趋势，嘉宾是 a16z（全球最牛的风投之一）的合伙人 Martin Casado，帮你把前 9 周串起来，知道自己学的是一种新的工程范式。
作业代码：https://github.com/mihail911/modern-software-dev-assignments
四、vibe coding建议
1、YC建议
参考：YC合伙人深度实践：15个让你玩转Vibe Coding的秘诀
1、开局：选对工具，谋定而后动
- 新手和老手选择不同：如果你是编程新手，可以从 Replit 或 Lovable 这类可视化工具入手，它们能让你快速搭建界面。但文章指出，当你需要更精细地控制后端逻辑时，这类工具可能力不从心。如果你有基础，那么像 Cursor 或 Claude Code 这类更专业的编码AI工具会是更好的选择，它们提供更精准的控制。
- 别直接写代码，先做计划：这是最重要的建议之一。不要一上来就让AI直接生成代码，而是应该先和AI一起制定一份详细的开发计划，就像建筑蓝图一样。把这份计划保存在项目里，然后和AI一起，一部分一部分地去实现它，每完成一步就检查、测试，再继续下一步。
2、过程：用好“安全绳”，避免翻车
- 把Git当作“后悔药”：严格使用Git进行版本控制。在开始新功能前，确保有一个干净的状态。一旦AI的修改把代码搞乱了，可以立刻用 git reset 命令回滚到上一个正常状态，推倒重来，而不是在错误的代码上越陷越深。
- 让AI为你写“验收标准”：不要只让AI写细碎的单元测试，而是让它编写高级别的集成测试。这种测试模拟用户点击操作，能确保整个功能流程是通的。它能有效捕捉到AI“手滑”修改了不相干代码而引入的bug。
- AI不止能写代码：充分利用AI处理各种周边任务，比如配置服务器、设置域名解析（DNS）、甚至设计图标。这让AI同时扮演你的运维（DevOps）和设计师角色，极大提升综合效率。
3、技巧：精准沟通，高效排错
- 错误信息是最好的提示：遇到报错时，直接把完整的错误信息日志复制给AI，通常它自己就能看懂并给出修复方案，你甚至不需要多做解释。
- 不行就换“脑袋”：不同的AI模型（如Claude、GPT、Gemini）各有擅长。如果一个模型总在一个问题上卡住，果断切换另一个模型，很可能就迎刃而解了。
- 给它一份“岗位说明书”：你可以为AI编写详细的指导规则（Instructions），告诉它项目的背景、代码风格偏好、常用库等。这能极大提升AI输出代码的准确率和符合度。
4、架构：化整为零，降低复杂度
- 复杂的活儿单独干：对于特别复杂的新功能，最好在独立的新项目里让AI先实现一个demo，成功后再整合进主项目。这能避免主项目复杂的代码干扰AI的判断。
- 小即是美：无论是人还是AI，都更容易理解短小精悍、模块化的代码。保持文件小巧、功能独立，这被认为是Vibe Coding下的最佳实践。
2、对技术人的影响
- AI 极大释放了研究者的决策空间，比方说Cursor 像“高效工程师”，负责处理琐碎的画图代码与实验分析；而Gemini 3 Pro 则堪比“科学家”，辅助进行逻辑推演与理论梳理。
- 技术人正从“代码写作者”转变为“问题提问者”。写 Prompt 的本质，是“找真问题、解真问题”的过程。
- 未来技术从业者将转型为“项目管理者”与“架构设计师”，核心能力包括三方面：
- 架构设计：搭建系统整体框架，规划核心逻辑，把控技术路线。
- 智能体调度：根据任务特性，精准选择 AI 工具组合，实现效率最大化。
- 批判思维：AI 生成代码多处于平均水平，核心代码难达最优，需以高阶视角 Review 代码，避免破坏现有优质框架。
- 沟通能力：
- 跨领域沟通：工程师需理解商业逻辑，设计师需参与编程环节，打破专业壁垒才能形成高效协作。
- 精准意图表达：项目推进速度从“按天算”变为“按分钟算”，短时间内让 AI 准确理解核心需求，是提升效率的核心前提。
- 传统程序员会缩减为少数负责核心风险把控、架构设计的专家；更多人会利用 Vibe Coding 为原有行业赋能（如投资人写爬虫分析资讯、设计师自主开发工具），催生出更多多元化社会工种，拓宽行业边界。
Reference
[1] Cursor 完全使用教程
[2] 微软Copilot怎么用？如何使用微软Copilot AI的10个技巧！
[3] 程序员的SK-II神仙水：GitHub Copilot，让你时刻拥有巅峰战力！
[4] AI Coding工具怎么用? 看看滴滴人怎么说？ | 技术桔有话说
[5] 技术思辨｜AI Coding：经验壁垒正在失效，工具进化重塑编程.高德技术
[6] 构建可扩展的智能体系统：工程化方法与实践(一).bili
[7] 一篇Copilot、Cursor、Claude Code三代产品背后AI Code技术最新全面综述
[8] 阿里、百度、腾讯、美团齐聚的Vibe Coding 圆桌，却被12岁小孩姐“军训”
[9] Vibe Coding 中怎样避免屎山,ref:https://github.com/karminski/trae-meetup-materials
[10] 阿里妈妈效果广告引擎团队在 AI Coding 领域的探索与实践经验。依托历时三年打造的 CommonAds 研发体系，我们构建了智能研发助手「元芳」，并通过集成至 IFLOW-CLI 以多 Agent 协同的方式，探索出一套可胜任于「严肃的广告引擎场景的高质量代码生成解决方案」 让 AI 写出生产级代码：阿里妈妈效果广告引擎AI Coding实践
[11] 【干货】当代码下沉为“氛围”，程序员如何免于被 AI “断代”？
[12] Anthropic 黑客松获奖者的ClaudeCode 配置：github.com/affaan-m/everything-claude-code
[13] trae-研发场景十大热门 Skills 推荐
[14] https://themodernsoftware.dev
[15] 【Vibe Coding开源项目】Vibe Coding 指南，https://github.com/2025Emma/vibe-coding-cn
[16] Claude Code 完全新手指南（2026 版）：从入门到精通
