比较好用股票软件,2020最佳股票,股票今天买明天卖违法吗

Vibe Coding：是一種新興編程方式，也被稱為 “氛圍編程”，可視為AI Coding的子集，由Andrej Karpathy于2025年初提出。其核心是通過自然語言向AI描述需求，由AI生成相應代碼，讓開發者專注于創意和問題解決，而非底層編碼細節。

AI Coding，即AI輔助編程，作為當前GenAI應用落地最快、影響力最大的方向，自然也是我們速石技術前沿探索的題中應有之義。咱們主打一個“上桌吃飯”。
還是那句話，在這場IT技術進步的浪潮里，每個人都有自己的位置。

目前，關于AI Coding對于專業開發者來說，到底是增效還是降效，是有點爭議的。我們的觀點很明確：必須是提效，而且是大大地提效。

我們毫不懷疑，不論企業或個人，國內AI Coding的使用率將持續提升。
更重要的一點是，Vibe Coding降低了編程門檻，利好于更多領域的“非傳統意義上的開發者”。
可以說，是一種更垂直的“AI平權”，或者我們可以叫TA“編程平權”。

扯遠了，回到正題。
我們今天分享的是一個企業級項目的Vibe Coding實踐。
項目中，我們經歷了從“你是光你是電你就是唯一的神”，到“Vibe Debug純純搞心態啊我真的沒時間陪你鬧了”，最后“哎喲不錯哦下次再帶我飛”的起起落落落落起起起的一系列復雜過程。

實踐結果

“古法編程”預估時間：第一步最小可用產品（MVP）的工作量評估大約為：5人/周的工作量，大約200小時。
Vibe Coding實際用時：我們選擇當紅炸子雞Claude Code直接設計原型，發現這個過程的效率和完成度遠超預期，于是繼續用Vibe Coding大法把這個MVP項目完成，共計耗時44小時。

實踐結果：與“古法編程”相比，Vibe Coding給這個項目帶來了5倍的效率提升。

我們有三個深刻體會

開發者的角色轉變：從編碼者到架構師

Vibe Coding讓開發者的角色發生了根本轉變。我們不再是代碼的直接生產者，而是：

需求翻譯官——將業務需求轉化為AI能理解的任務
質量把關人——審查和優化AI生成的代碼
架構設計師——專注于系統的整體設計和技術決策

"古法編程"的時代可能要過去了

做這個項目的過程中，Claude經歷了幾次服務故障和“降智”，在這種時刻我們深刻感受到了一種新型"戒斷反應"——不太愿意手寫代碼了。
這種轉變既令人興奮又讓人擔憂：

我們需要接受的事實——AI能在幾分鐘內完成原本需要幾小時的編碼工作
我們需要學習新的技能——如何有效地與AI協作
我們需要判斷AI的輸出質量——理解代碼原理變得更加重要

人有的毛病，AI也有

有趣的是，AI展現出了一些非常"人性化"的特征，比如：

不喜歡做錯誤處理（就像很多開發者一樣）
傾向于展示成果（在實際完成度遠不及預期的時候，總結寫得特別好，看起來像完成度非常高）
需要明確的指導（模糊的需求會導致糟糕的結果）

以下是項目實踐過程

項目介紹

這個項目包含Web端、服務端以及節點端Agent的開發，由于是企業平臺，也包含基本的用戶認證和權限控制能力，以及一些基礎的監控儀表。由于是內部項目，細節不便過多對外披露。

技術棧選擇如下：
服務端：Go
節點端Agent：Go，Shell
前端：React
數據庫：PostgreSQL

項目階段記錄

Claude Code的交互均在命令行中完成，對于有一些技術背景的人來說，體驗非常流暢。TA上手非常容易，網上有大量的介紹和使用技巧說明，Anthropic官方也提供了非常不錯的文檔和實用技巧說明。
Claude Code提供了`/cost`命令，便于觀察工作過程中模型用量、時間和對應的token成本，我們也做了相應的記錄。

階段1 - 架構設計和前后端實現

我們把這個項目涉及到的功能描述后，讓Claude做了一個網頁界面的原型，并要求Claude用模擬數據填充網頁界面。
這個過程Claude非常快地就完成了，經過幾輪需求調整和幾次快速的debug，一個用模擬數據的前端就在本地跑了起來，速度和完成度都遠超預期。
這讓我們對于用Vibe Coding完成這個項目也有了很大的信心。

這其實也是一個“Working Backwards”的過程，用一個做好的前端盡快拿到用戶反饋，再進行后端的開發和調試，這樣可以盡量減少返工和需求變更帶來的額外工作量。
前端開發完成后，用戶反饋沒問題，便開始了后端的開發。

開始一個新的后端項目，做的第一件事情一定是“頂層設計”，Vibe Coding也不例外。
Claude在這個過程的表現基本符合預期，在我們的引導下，完成了系統架構文檔的撰寫和核心數據結構的設計。經過我司CTO的審閱，架構設計是合理的，于是我們便讓Claude拿著這個架構設計以及之前構建前端時寫的API Spec開干。
不得不說，這個階段Claude的代碼產出量和產出速度又一次超出了我們的預期，在幾乎沒有干預的情況下，把后端和服務端的代碼基本寫完了。還在我們的要求下，寫了不少單元測試。

完成這些后，Claude報告的用量和時間：

可以看到API調用一共花費了5小時出頭，而我們實際用于輸入指令和等待輸出的時間加起來大約8小時。

這個階段，可以說是我們與Vibe Coding的“蜜月期”。
整個過程體驗簡直就像德芙一樣絲滑，讓人期待值拉滿。

階段2 - 測試、部分功能細節實現和bug修復

Vibe Coding有多爽，
Vibe Debugging就有多崩潰。

盡管我們對于第一階段生成的代碼會有bug這一點有預期，但仍沒有想到這個階段的工作量超出預期這么多。
先看報告：

實際上這個過程耗費了我們大概25小時的工作時間，而整個過程斷斷續續一周多才完成。

在調試過程中，我們甚至一度產生了“放棄吧，要么自己寫得了，別整這破AI了”的想法。但每次真的想要親自動手的時候，又很難抵御那種“看著AI干活”的誘惑，在崩潰的邊緣反復拉扯。

算了算了，繼續調吧，還能離咋的？
大不了多寫點提示詞！！

階段3 - 收尾以及一些外部系統的集成測試

由于這是一個基礎架構項目，對外部系統有一些依賴。為了盡量完成端到端的核心功能體驗，我們完成了外部系統集成工作，并且驗證了核心使用流程。

這個階段，代碼開發和測試工作量大約各占一半，耗時大約6小時。
用量報告：

一些小技巧分享

上下文管理是門藝術

200k的上下文長度看似非常大，但在Agentic Coding的場景下，其實只能說“還算能用”。
Claude Code提供了自動壓縮對話的能力，這里的壓縮很顯然是有損壓縮，因此很多上下文信息是丟失的，在不同的上下文中，模型需要通過閱讀文檔和代碼來理解原本我們以為TA已經理解的內容。

技巧：

善用CLAUDE.md，明確要求Claude記錄這類重要信息：架構、代碼結構、常用命令和腳本。或者用`#`在交互命令行中手動輸入重要信息；
“分而治之”：做好模塊化設計，盡量每個上下文只在一模塊或者文件層面工作。

AI的工作模式和引導技巧

Claude Code仿佛一位不知疲倦，忘性極大但工作效率極高的初級程序員，它表現出了一些特征：

- 喜歡重新造輪子而非復用現有代碼
- 專注于完成任務，但可能忽略整體架構
- 對錯誤處理和日志記錄不夠重視

技巧：

保持專注，盡量多了解AI在寫什么/改什么，及時打斷不合理的操作；
提示詞或者`CLAUDE.md`中明確現有實現在什么文件中，明確需要修改的文件名稱；
提示詞或者`CLAUDE.md`中明確要求錯誤處理的規則和日志記錄的規則，甚至可以單獨在一個會話中要求審查代碼，補充錯誤處理邏輯和日志邏輯。

注意力很重要（誤：Attention is all you need)

別搞錯了，我指的是坐在屏幕前的“我們的注意力”。
當AI不知疲倦的持續輸出時，我們是很容易分心的。注意力從命令行窗口逃離后，很容易“一去不返”，再次想起并回到命令行窗口時，發現Claude只是在等待你確認操作。或是當你回到屏幕前，發現Claude改了一堆你沒有提交的文件，追悔莫及。

技巧：

設置提醒，以我們常用的 iTerm2為例，Claude Code可以與之集成，在等待用戶輸入的時候提供系統級別的提醒；
保持互動，及時打斷/響應。

測試驅動和持續集成

無論是單元測試還是集成測試，盡早將測試流程引入開發中。
AI寫單元測試是一把好手，要善于利用。在完成一個模塊時，盡早引入集成測試，這樣可以盡早發現問題。保持持續集成，例如每次改動代碼后都要運行單元測試并確保一定的通過率，例如改動代碼后自動commit。
當然了，以上提到的這些規則也可以寫入`CLAUDE.md`。

技術債的雪球效應
隨著項目規模增長，早期的架構決策和代碼質量問題會被不斷放大。

預防措施：

前期規劃：花更多時間在接口設計、數據格式定義上
代碼審查：定期審查AI生成的代碼，及時重構
文檔先行：讓AI先寫設計文檔，再實現功能

這次如過山車般的Vibe Coding經歷，雖然過程中有挫折（特別是漫長的調試過程），但整體而言是一次令人興奮的體驗。
我們深刻意識到一點：AI不僅改變的是我們編寫代碼的方式，更重要的是改變了我們思考軟件開發的方式。

當我們學會如何有效地與AI協作，將人類的創造力、判斷力與AI的執行力、效率相結合時，我們能夠創造出超越任何一方單獨能力的成果。這不是人類被AI取代的故事，而是人機協作開創軟件開發新紀元的開始。

愿你能享受“古法編程”中的樂趣，也愿你能在Vibe Coding的路上一路狂飆，永不翻車。

One More Thing

我們認為，隨著 Kimi K2、Qwen3-Coder、GLM-4.5的發布，Claude Code或者其他代碼助手配合開源大模型的AI編程解決方案已經初步具備生產環境使用價值，并且能通過私有化部署來保證企業敏感數據不外流。
速石愿意分享我們在AI編程領域積累的實踐經驗和能力，與諸位一起持續推動并探索企業級AI輔助編程的邊界。
感興趣的朋友，歡迎來找我們聊聊~~

END

我們有個新一代融合智算研發平臺
不止有半導體芯片設計，還有工業制造仿真
甚至還融入了AI技術
自下而上全棧適配國產化生態系統
已經是next level了
同時，打造高校新質生產力教學科研創新平臺
以產業經驗賦能高校教學與科研場景
培養實戰型人才

掃碼免費試用或預約專家1對1溝通~