古人讲“纸上得来终觉浅，绝知此事要躬行”，这话说得很实在。这几年大模型在人们工作、学习、生活中越来越亮眼，去年春节DeepSeek的爆火，让很多人第一次感受到大模型的魅力。各家互联网厂商也纷纷下场，大模型、小模型的话题在新闻头条上挂了好久。我虽然不是专业程序员，但日常也会用大模型做问答、查资料、甚至辅导孩子写作业。

事件背景

前阵子我参加了公司的一场AI普及课，主讲人是蓝军司令部的“司令”。课堂上他用生动的案例展示了从日常聊天到图片、音乐生成，甚至视频生成的全过程，他反复强调一个观点：要主动拥抱大模型，要有付费意识（要主动用最先进的模型）。
大模型是个人能力的放大器，从上周五到这周一、周二，我花了整整三天的时间深度用大模型进行vibe coding。毫不夸张的讲，这三天的工作进展和成果抵得上过去一个月甚至更长时间的进展。因此，很有必要给大家做一下分享。

个人心得

开发背景

我开发的应用因为涉及公司内部系统，因此给大家讲明背景以供了解。我是部门的交付管理负责人，菊厂的IT系统特别复杂，光交付管理领域相关的就有十几个系统之多。从日常作业系统到12345热线，从用户反馈原始需求、事件、问题，再到后续的分析、设计、开发、测试、上线运维等环节，每一个环节都有自己的专业系统。
从交付管理实践来看，每天要从这么多系统里获取数据并进行作业——有的是实时数据，有的是T+1数据。而且每个系统都是站在自身视角设计的，虽然公司也在推“千人千面”用户卡片、角色工作台，但还是满足不了实际交付管理需求。
举个小例子：公司应用架构严格按产品族、产品、子产品模块进行划分，但实际交付中存在不同用工形式的混合交付——同一个团队里，有华为员工、OD员工、供应商外包员工。公司的视角是看具体产品、子产品或模块，但我们交付则需要定位到具体的供应商、员工。这就需要把应用架构系统和供应商管理系统来打通，可实际情况却是两个烟囱。

开启Vibe Coding

所以我需要开发一个小的爬虫程序，从两个系统分别获取数据，加工后按管理需要输出报表看板、风险预测等功能。去年我通过自学Python写过一些爬虫小程序，当时没应用用AI；这次我想完全用web coding方式，从新建文件夹开始，全程让大模型负责编码、测试验证。三天高强度开发的下来，效果远超预期。

心得总结

一、先有框架思维
我的感受主要有几点。在大模型时代，“行胜于言”这四个字是我这次实践的真实写照。
首先要有整体系统的框架思维，对于我们要解决的实际问题，程序的整体架构是什么？不用从零开始造轮子，正所谓太阳底下没有新鲜事。可以先看看有没有类似的系统或开源软件。如果有开源软件，把代码克隆到本地，让大模型阅读整个项目工程并进行充分理解。这就是“师夷长技以制夷”，站在巨人的肩膀上至少能保证项目的基本下限。
二、小步快跑，MVP很重要
搭好初步框架后，可以让AI先写个简单的小程序——比如我先写了个简单爬虫验证功能，紧接着再写第二个、第三个。等这几个小爬虫都能正常运行，再让大模型及时进行重构与优化。
比如我在实践时，等代码累积到一定量级，让AI考虑哪些要提取复用；有些串行处理的程序，从性能角度优化成并行；高频使用的要加缓存处理，特殊情况要加异常处理……这些在大模型编码里都是成熟实践。所以要快速把mvp做出来，这样能快速看到实际效果。
三、Vibe Coding不是0门槛
Vibe Coding 也常被称为氛围编程或感觉编程，是一种由大语言模型（LLM）驱动的新型AI辅助编程方式。其核心思想是：人负责描述想法和调整感觉，AI负责将描述转化为代码。Vibe Coding的本质是“意图驱动”而非“语法驱动” ，它反传统的逐行编写代码的方式，更注重快速验证想法、实现原型和获得满意的结果，而不是纠结于底层的代码逻辑 。
正如其提出者Andrej Karpathy所说：“完全沉浸在感觉里，拥抱指数增长，忘记代码本身的存在” 。Vibe Coding极大地降低了编程的技术门槛，让非专业开发者也能通过“说话”的方式来创造软件。
Vibe Coding看似如此美妙，但我们不得不正视这样的现实，对于一些计算机的基础知识，比如API、URL、JSON，网络请示中的Get方法与post方法等等。如果这些基础概念都没有的话，在上手的过程当中会遇到很多的拦路虎。如果恰巧选择的大语言模型能力又一般，那么很有可能在起步阶段就会夭折，或者AI产出的软件达不到预期，所以正确的理解是：Vibe Coding 大大的降低了门槛，但并不代表完全没有门槛。在具备基础IT技能（如编程）的前提下，Vibe Coding 会起到锦上添花的效果。
通过这三天的实践，让我更加的体会到在之前自学的基础上，后续要进一步去深入的学习。虽然大模型的能力每天都在增强，但对于我们个体而言，如果自身具备一定的代码能力的话，那就是如虎添翼。比如在定位到某些问题进行修改的时候，大模型可能多次都没有办法达到预期。此时，人工的介入就会非常高效。尤其是当你在和大模型对话的时候，没有办法准确的去描述，有些问题又没有相应的报错日志的情况下。
四、选择强大的工具
我选用的是Claude Code，当然你也可以选择Open Code或Codex等工具，这些智能Agent我之前也只是简单的听说，但没有去深入的应用，经过这三天的高强度应用之后，让我发自内心的感慨带来的效率和质量提升。