顶尖孵化器 Y Combinator 总结的vibecoding核心指南，开发者必收藏

规划流程

— 制定全面计划：首先与 AI 合作，在 Markdown 文件中编写详细的实施计划。
— 审查与优化：删除不必要的项目，如果功能过于复杂则标记为“暂不实现”（won’t do）。
— 控制范围：保留一个单独的区域存放“后续想法”，以保持专注。
— 增量实施：逐个部分进行，而不是试图一次性构建所有内容。
— 跟踪进度：成功实施后，让 AI 将相应部分标记为“已完成”。
— 定期提交：在进行下一部分之前，确保每个可用的部分都已提交到 Git

版本控制策略

— 严格使用 Git：不要仅仅依赖 AI 工具的撤销功能。
— 保持初始状态纯净：每个新功能都应从一个干净的 Git 状态开始。
— 陷入困境时重置：如果 AI 开始天马行空（goes on a vision quest），使用 git reset –hard HEAD。
— 避免问题累积：多次失败的尝试会造成层层叠加的劣质代码。
— 净室实现：当你最终找到解决方案时，重置并以干净的方式重新实现它。

测试框架

— 优先考虑高级别测试：专注于端到端集成测试，而不是单元测试。
— 模拟用户行为：通过模拟用户点击浏览网站/应用来测试功能。
— 捕获回归问题：大型语言模型（LLM）常常会对不相关的逻辑进行不必要的更改。
— 测试通过后再继续：在开发下一个功能前，确保所有测试都通过。
— 使用测试作为护栏：一些创始人建议从测试用例开始，为 AI 提供清晰的边界。

有效的 Bug 修复

— 利用错误信息：通常只需将错误信息复制粘贴给 AI 就足够了。
— 编码前先分析：要求 AI 思考多种可能的原因。
— 失败后重置：每次不成功的修复尝试后，都从一个干净的状态重新开始。
— 实施日志记录：添加策略性日志，以更好地理解程序运行情况。
— 切换模型：当一个 AI 模型卡住时，尝试使用不同的模型。
— 净室实现：一旦确定了修复方案，就重置并在干净的代码库上实施它。

AI 工具优化

— 创建指令文件：在相应的文件（如 cursor.rules, windsurf.rules, claude.md）中编写详细的指令。
— 本地化文档：将 API 文档下载到你的项目文件夹中，以确保准确性。
— 使用多种工具：一些创始人会在同一个项目上同时运行 Cursor 和 Windsurf。
— 工具专业化：Cursor 在前端方面更快，Windsurf 更擅长处理长任务。
— 比较输出：生成多种解决方案，并选择最佳方案。

复杂功能开发

— 创建独立原型：首先在干净的代码库中构建复杂功能的原型。
— 使用参考实现：向 AI 指明可用的示例，让其参照。
— 清晰的边界：保持外部 API 一致，允许内部实现发生变化。
— 模块化架构：具有清晰边界、基于服务的架构优于单体仓库（monorepos）。

技术栈考量

— 成熟的框架表现更优：Ruby on Rails 凭借 20 年的惯例积累而蓬勃发展。
— 训练数据至关重要：较新的语言（如 Rust、Elixir）可能拥有较少的训练数据。
— 模块化是关键：小文件对人类和 AI 都更易于处理。
— 避免大文件：不要让文件增长到数千行。

编程之外

— DevOps 自动化：使用 AI 配置服务器、DNS 和托管服务。
— 设计辅助：生成网站图标（favicon）和设计元素。
— 内容创作：起草文档和营销材料。
— 作为教育工具：要求 AI 逐行解释其实现。
— 使用截图：通过视觉方式分享 UI 错误或设计灵感。
— 语音输入：像 Aqua 这样的工具可以实现每分钟 140 个单词的输入

持续改进

— 定期重构：一旦测试就位，就应频繁进行重构。
— 发现机会：请求 AI 推荐可以重构的对象。
— 保持更新：尝试每一个新发布的模型。
— 识别优势：不同的模型擅长处理不同的任务。