课程目标：
理解Vibe-Coding范式：掌握AI驱动开发的核心思想与工作流程。
熟练使用主流工具：掌握Cursor、Trae、Claude Code等核心工具的使用技巧。
具备实战能力：能够独立完成前后端功能的AI辅助开发与调试。
编写高质量提示词：学会与AI高效协作的沟通方法，提升代码生成质量。
课程内容：
第一部分：Vibe-Coding范式概述 (45分钟)
Vibe-Coding核心概念 (15分钟)
▪ 定义：什么是Vibe-Coding（自然语言驱动、AI生成代码、人工审查修正）
▪ 核心理念：开发者从“代码编写者”转变为“目标制定者、架构判断者和品控者”
▪ 与传统编程的对比：从“我想清楚→我写代码→我debug”到“我说目标→AI写→我看感觉→再微调”
▪ 适用场景：快速原型开发、内部工具构建、概念验证及学习新技术的辅助工具
Vibe-Coding工作流详解 (30分钟)
▪ 完整闭环流程：文档驱动 → AI编程 → 审查修正 → 高频提交 → 部署上线
▪ 成功关键因素：
○ 清晰的文档：产品需求文档（PRD）和技术需求文档（TRD）是与AI对齐认知的基础
○ 高频Git提交：防止AI“删库跑路”，确保每一步都有可回退的稳定版本
○ 人类深度参与：最终的质量控制、架构决策和创造性工作仍需人类完成。
第二部分：核心工具链深度解析 (1小时15分钟)
AI原生IDE：Cursor（目前的王者） (30分钟)
▪ 核心功能：Composer模式（Ctrl+I）用于自然语言指挥多文件编辑、Agent模式处理复杂任务、.cursorrules文件进行项目级AI行为定制
▪ 优势：对项目把控力强，跨文件重构能力强，兼容VS Code插件生态
▪ 实战演示：展示从一句自然语言需求生成一个完整功能模块的过程。
AI编码代理：Claude Code vs. Trae (30分钟)
▪ Claude Code：终端式AI交互工具，擅长通过对话构建和编辑代码，能保持项目记忆，适合自动化繁琐任务
▪ Trae (或类似工具如Bolt/Lovable)：专注于快速生成全栈应用原型的工具。输入一句话描述，可在浏览器中直接生成并运行前端+后端代码
▪ 工具选型建议：
○ 复杂项目开发/重构：首选 Cursor
○ 快速原型/MVP验证：可选用 Trae 或 Bolt.new
自动化脚本/特定任务：可探索 Claude Code
工具对比与选型指导 (15分钟)
第三部分：Vibe-Coding实战工作流与提示词工程 (1小时30分钟)
实战工作流六步法 (30分钟)
通过一个“在线书签管理器”案例，讲解从想法到产品的完整流程
1.起点：文档驱动：与AI（如Gemini、ChatGPT）协作，产出清晰的PRD和TRD，统一认知
2.编程：结对审查：在IDE中，以注释形式提需求，AI写代码，开发者进行Code Review
3.安全：高频提交：完成小功能立即Git commit，确保有稳定回退点。
4.环境：无缝切换：使用现代化开发环境（如ServBay），避免环境问题中断心流
5.架构：清晰定义：明确定义API等接口，确保前后端AI能协同工作
6.部署：自动化上线：基于Git的自动化流水线，实现一键部署
提示词（Prompt）工程精讲 (60分钟)
核心原则：
○ 明确目标与约束：说清“要什么”和“不要什么”
○ 利用“感觉（Vibe）”：多用“感觉不对”、“太复杂”、“希望更优雅”等词引导AI
○ 分步进行：明确要求AI“先给思路，再写代码”
五大标准提示词模板 (结合实例讲解)：
○ 模板1：新手起步型：用于探索性项目
○ 模板2：AI编程学习型：侧重于教学和可解释性
○ 模板3：Cursor/Agent导向型：追求最终效果，给予AI较高自主权
○ 模板4：代码重构型：当对现有代码“感觉不对”时使用
○ 模板5：Debug/Review型：用于评估代码潜在风险，而非直接重写。
第四部分：前后端开发实战案例演练 (1小时)
前端案例：生成一个React数据看板 (30分钟)
1.提示词设计：结合模板3，明确技术栈（React）、UI库（Ant Design）、核心功能（图表、筛选）。
2.在Cursor中实现：使用Composer模式，分步骤生成组件、集成Mock数据、添加交互逻辑。
3.审查与调试：演示如何通过提示词让AI修复样式问题或逻辑Bug。
后端案例：构建一个RESTful API (30分钟)
1.提示词设计：结合模板1，明确需求（基于Node.js/Express的CRUD API）、数据库（PostgreSQL）、数据模型。
2.在Cursor/Claude Code中实现：生成数据模型、路由、控制器、数据库连接代码。
3.错误处理与安全：演示如何提示AI增加输入验证、错误处理中间件和安全防护。
第五部分：总结、答疑与下一步行动指南 (30分钟)
核心要点回顾
常见问题（QA）
局限性讨论：强调AI生成代码在性能、安全性方面的风险，以及人类审查的必要性
内部推广建议：建议从非核心业务、内部工具等项目开始试点，积累经验和最佳实践。
授课老师
杨凯捷 AI应用实践专家
常驻地：北京
邀请老师授课：13439064501 陈助理
