跳到主要內容

Vibe Coding:到底?氛圍驅動程式開發必殺技?

Vibe Coding(氛圍編程)是由 OpenAI 共同創辦人 Andrej Karpathy 在 2025 年提出的革命性程式開發方式,它讓開發者透過自然語言與 AI 對話來生成程式碼,徹底改變了傳統的編程模式。

這種開發方式的核心理念是「順著感覺走」,讓 AI 處理技術細節,開發者專注於創意和需求描述。

Vibe Coding 需要基本上的規劃和執行,但並沒有強制規範,從日常經驗來說可分為三個階段,前期準備、開發過程、和後期維護三個關鍵階段。每個階段都有其特定的任務和注意事項,正確執行這些步驟將大幅提升開發效率和程式品質。

將靈感與需求透過 AI 快速轉化成產品功能或原型。以下幫你分成「前、中、後」三階段要做的事情,適合你自己做、或帶團隊做



前期:設定 vibe & 準備素材

這個階段的重點是「建立開發語境」,因為 AI 的生成表現高度依賴前期提供的上下文與資料。

  • 明確目標:釐清要解決的問題、預期要做的功能與核心價值。例如在筆記軟體的情境中,可能是:「我要做一款讓使用者能用 Markdown 記錄筆記,並提供標籤與全文搜尋功能的簡單 App。」
  • 收集靈感:觀察同類產品(如 Obsidian、Notion)、蒐集市場痛點(例如太多筆記軟體無法脫機使用,或同步效能差)。
  • 建立語境:準備初步 prompt、背景知識、產品定位、品牌調性、目標使用者輪廓等。
  • 確認資源:決定用哪些工具(Gemini、ChatGPT、設計軟體、流程管理工具等)。

確認完上述內容之後,就可以先開始進行準備規格,進行第一次的 Vibe Coding 方向驗證

提示詞模板準備

很多人會跳過這步驟,但一份「好的 AI 提示詞模板」將決定接下來每一次 AI 對話的品質。有效的提示詞模板需具備:

  • 描述具體且無歧義
  • 包含技術要求和約束條件
  • 提供範例資料和測試案例
  • 指定程式碼風格和慣例

例如針對筆記軟體的案例: 

「建立一個支援 AI 功能純文字筆記,輸入內容可即時渲染;需支援儲存到本地檔案,提供標籤欄位做分類;以 React 架構,程式風格採用 Tailwind style components 並使用 hooks。」

開發工具選擇

開發工具的選擇同樣重要,目前市場上主要的 Vibe Coding 工具包括:

  • VSCode:透過 Copilot 或自訂 AI agent 快速補全程式碼
  • Cursor:專業級 AI 程式編輯器,適合複雜專案開發
  • Replit:雲端編輯器,適合快速原型開發
  • v0:專精於生成 UI 組件,適合將介面先做出雛形
  • Firebase Studio: 網路介面,可讓您使用多模態提示(包括自然語言、圖像和繪圖工具) 快速製作原型

中期:進行 Vibe Coding 協作開發

當前期語境完成,就能開始真正的 Vibe Coding 工作坊。這階段的任務在於:

  • 互動式生成 與 AI 來回對話,快速生成初版 UI、流程、資料結構等。
  • 持續微調 依據每次測試回饋,馬上調整提示詞與生成內容。
  • 共創記錄 同步記錄決策依據、版本紀錄,利於未來回顧或團隊交流。
  • 產出原型 以 AI 產物為基礎,結合 v0、Lovable、Figma、Canva 等工具,快速生成雛形 UI。

案例:建立 Markdown 編輯器

假設你在提示詞 Prompt 中輸入:

我需要一個 React 元件,支援文字即時預覽,使用者輸入的內容可以透過 marked.js 轉換成 HTML 並呈現在旁邊的區塊。

AI 回應後,如果有缺陷(例如樣式混亂、未處理 XSS),你要馬上補充提示:

請將 marked.js 轉譯結果先透過 DOMPurify 淨化,以防止 XSS 攻擊。

接著持續測試、微調,直到功能符合心中 vibe。

請將 marked.js 轉譯結果先透過 DOMPurify 淨化,以防止 XSS 攻擊。

接著持續測試、微調,直到功能符合心中 vibe。

迭代式開發流程

Vibe Coding 的本質是「把需求用自然語言清楚描述」,而不是自己寫到死。描述需求時要做到以下幾點:

  1. 描述需求:用自然語言說明想要的功能
  2. AI 生成程式碼:等待並查看 AI 產生/調整程式碼區塊
  3. 即時測試:立即運行和測試生成的程式碼
  4. 提供反饋:針對問題用簡單明確的語言反饋
  5. 迭代優化:重複上述流程直到滿意

關鍵是要小步快跑,避免大幅修改,每次只針對一個小功能進行調整,這樣更容易追蹤問題並保持程式碼品質,其中像是 v0, replit 都具備每個段落提供自動的版本紀錄規劃,讓使用者在接下來的迭代,都可以順利的往下進行,或者回頭進行重新實作的完整體驗。

例如: 

「建立一個用於筆記軟體的標籤系統元件,支援新增、刪除標籤,並自動避免重複;點擊標籤後可觸發事件 filterNotes(tag),用以篩選顯示筆記列表。」

開發節奏管理

保持適當的開發節奏和專注度對 Vibe Coding 至關重要。建議:

  • 避免長時間連續開發造成疲勞
  • 定期休息以保持判斷力
  • 記錄開發過程中的關鍵決策
  • 適時進行程式碼備份

每次只調整一個小功能,避免一次大修導致混亂。像 Cursor、Replit 具備自動版本紀錄,每一步都能回溯,讓你隨時掌握進度。


後期:驗證 &收斂

在這階段的工作是收斂成果、完成驗證,並進入交付或發佈前準備:

  • 內部評估:與團隊或測試對象快速測試成果是否符合 vibe & 需求。(如果你沒有對象,在下也愛莫能助)
  • 修正迭代:根據回饋再次用 AI 進行調整,優化內容或介面。
  • 成果彙整:整理最終版本的流程、設計、文案,建立可交付文件或 demo。
  • 後續計畫:明確下一步(交給工程、準備 pitch、或做用戶測試等)。

部署與監控

完成程式碼功能確認後,建議可以持續的進行部署更新,如果可以的話建議持續性的部署規劃

  • 先在測試環境進行完整驗證功能
  • 建立自動化部署流程
  • 設置監控和日誌系統
  • 準備回退方案 

實作心法與安全提醒

在整體的過程中,建議各個(甚至是工程師)可以體會一下,

  • 小步快跑,頻繁交付 把大功能拆成小模組,每次只聚焦一塊。
  • 強制人工驗證 不要盲目相信 AI 產出的程式碼,所有邏輯都應測試。
  • 持續優化提示詞樣板 根據每次開發回饋更新提示詞,讓 AI 與你的各方面需求越來越契合。

常見的安全盲區

而最後,最被忽視,從來都是最嚴重的問題!

這部分,對於大部分的非技術體驗者,甚至到開發者,其實都有可能逐漸忽視這塊!

最經典的議題就是將 openai api key 直接暴露於前端,讓所有使用者都可以直接拿取直接呼叫。(費用大爆炸)

而其中歸納最常見的問題大概會有這幾種(專業名詞不懂建議都可以再深入 ChatGPT or Google)

  • SQL 注入、XSS
  • 不當的身分驗證
  • 密碼未加密
  • 將使用者資料隨意記錄到外部服務

如果這些問題沒有特別防範,會讓產品直接暴露風險。當然如果各位有這些顧慮,歡迎找我們討論。

後記:Vibe Coding 是自由還是陷阱?

寫了這麼多,其實想表達的是,Vibe 本身是一種隨性,但隨性並不代表隨便,還是需要具備基礎認知和框架才可以走得穩當,跑得飛快。

Vibe Coding 可以很秋,很隨性,也的確可以解決許多手動問題,個人問題,思考輔助,同時也可以讓自己透過自動化,透過程式工具解決許多系統化的問題。

認真建議,歡迎每個人都開始從 Vibe Coding 投入寫程式的行列,如果說要做什麼題目,我想就先從 Eat your own dog food. 開始!

切記,『保持初心』


後記的後記

市面上絕大部分教學 Vibe Coding 並且說自己有多成功的人,大多常見的成功是來自於學生的你,太多的神話與倖存者偏差,讓各自山頭開宗立派各自成立門戶,這真的沒必要。

這個月的 Awesome Course,下一個季度就變成 Awful Class

試想,既然叫做 Vibe Coding 又何來雜七雜八道理可言呢?既然要 Vibe, 就要有那個範兒,怎麼會有什麼太多的奇怪限制與奇怪格式呢!

說這話,太傷人,但實話就是你沒有女朋友

實際上我認為是『如果要教學,就好好教學,發自內心的傳授所知。』,價格和價值市場自然會進行評價。

沒必要先畫一個成功財富自由的餅,讓一群人盲目跟從。就如同股票教學,真正教的,是心法,是回測,是面對真實的自己,只有真正屬於自己的,學到的,才是真的。

實話總是太傷人,但該說還是要說!

參考資料

諮詢聯繫

歡迎與我們聊聊產品策略、流程優化與 AI 工具導入方式,我們團隊很樂意協助! 歡迎直接聯絡我,或者來信, 

📩 信箱位置 👉 service@cympotekc.om

https://www.cympotek.com/

社群活動分享

如果你看完這篇文章,也開始對「怎麼用 AI 幫你加速、放大你的想法」感到興趣,那你絕對不能錯過這場活動👇

🎤 🐻 Coding Bear 台北場|來聊什麼是 Vibe Coding 台北場

我們將深入分享如何結合 AI 與程式、創意、內容製作,

讓你用最自然的方式,讓 AI 成為你的工作室助手。

📅 時間:7/16(三)18:30

👉 報名連結:https://codingbear.kktix.cc/events/ai-vibe-coding-2025-07-taipei

天南地北來亂聊,從設計、內容到自動化,無論你是創作者還是開發者,這場講座也許會有實用又有趣的靈感(吧)。來聊聊 AI 怎麼幫你少做一點雜事、多做一點你真的想做的事吧!

留言

這個網誌中的熱門文章

Vibe Coding:為什麼 Junior 更快上手?Senior 要如何追趕?

現象層面(市場觀察) 最近有篇文章討論 junior & senior 開發者在 AI 時代的角色轉變,非常熱門。 身為 Cympack 產品開發團隊 ,我們也一直關注這個議題,在閱讀這篇文章時觀察到一些有趣的現象,對我們來說,這正好反映出 AI 正在改變開發生態,junior 借力 AI 快速成長、senior 則需要在 「架構思維」 與 「多 agent 協作」 中找到新定位,其中有些啟發(insight) 可以跟大家分享。 為什麼 Junior 更容易上手 vibe coding? 心智負擔低 → Junior 沒有太多傳統 code workflow 的框架包袱 敢於嘗鮮 → Gen Z / 年輕工程師天生習慣用 prompt-based 工具、跟 LLM 互動 少「優雅程式設計」的束縛 → 不太糾結「這樣寫會不會不夠優雅」,反而 embrace 快速迭代、快速出成果 反觀 Senior: 熟悉大型系統設計 有豐富的「工程正統流程」知識(架構設計、測試策略、效能優化、設計模式) 對 AI 生成 code 的品質 / 維護性通常比較保留 部分 10+ 年資深工程師,對 prompt engineering 沒那麼熟練,還在觀望 技能面(未來的關鍵能力) Vibe coding 本質上 = prompt engineering + AI co-pilot 管理能力 能力項目 誰目前比較有優勢? Prompt 撰寫 / AI 互動 Junior 較強(熟悉 chat-based 流程) 系統設計 / 架構把關 Senior 較強 AI 生成 code 驗證 / Bug 察覺能力 Senior 較強(能看出潛在問題) 快速疊代 / Hackathon 式開發 Junior 較強 長期維護性 / 穩定性 Senior 較強 總結 Junior 確實更快適應 vibe coding,並且更習慣以 「chat-based coding」 的工作流開發。 Senior 擁有驗證 AI 產物與系統設計的深度能力,但若不主動練習 vibe coding,長期會逐漸落後於新一波開發潮流。 就如同在 GAI 技術年會分享,希望帶給各位的感受, 『與 AI 協...

RAG 和 Prompt 原理超簡單解說!想知道 AI 怎麼找答案看這篇

這篇文章是給對於你已經開始使用所謂的 ChatGPT / Claude / Gemini 之類的 AI 服務,甚至是 Siri (嘿丟,他也是一種 AI 應用服務喔) 簡單來說是非 技術人員, PM,小白,想要趕快惡補的人 ,直接花十分鐘可以看完的一篇科普業配文章。 或者是概念僅止於,AI 這東西會幻想,會有誤差,會對於生活有些幫助但沒有幫助的人們,做個簡單又不是太簡單的介紹,希望用一個非常入門的方式讓你們有個了解。 當然,這篇文章目的很簡單, 就是引流 ,如果你身邊有已經對於 Web 技術開發的人員,歡迎報名分享給他,年末出國不如學一技在身,參加今年我們舉辦最後一場 RAG 實作工作坊,報名連結 , https://exma.kktix.cc/events/ai-for-dev-course-rag-2 注意: 接下來每個大段落結束都會有一段工商導入,但文章絕對精彩,請注意! 為了讓各位容易想像,我們將整個世界的資訊,先濃縮到這本『西遊記』的世界觀當中,我們整個世界都在這個 『西遊記』 ,而 大型語言模型 我們用 『書精靈』 來描述。 PS. 我們先預設各位,應該都有聽過,西遊記!如果沒有聽過西遊記的,請右轉出去,謝謝! 先來談談向量 在《西遊記》的世界裡,我們可以把 向量想像成一種「內容座標」 ,讓系統知道每個角色、場景、法術等的 「位置」和「距離」 。向量幫助語言模型知道不同內容之間的關聯程度。 向量就像內容的「距離」和「位置」 比方說,唐三藏的 「位置」(向量)會接近「佛經」和「取經」 的概念,因為他一路上都是為了取經而前進。孫悟空的 向量位置則會更靠近「金箍棒」和「七十二變」 這些概念,因為這些是他的特徵。 相似內容靠得更近:像「佛經」和「取經」會靠近唐三藏的向量,因為它們彼此有很強的關聯。 相差較大內容會離得較遠:像「取經」和「妖怪」「妖怪的寶藏」就距離比較遠,因為妖怪的寶藏和取經的目標關聯性不大。 是誰決定的這些位置? 簡單來說,這些位置和關係是模型自己學出來的。語言模型會閱讀大量的資料和這世界觀的資訊,觀察哪些詞語經常一起出現,根據「共同出現的頻率」來決定它們的關係,並且自動生成向量。例如: 如果模型看到 「唐三藏」 總是和 「取經」 一起出現,它就會讓「唐三藏」的向量靠近「取經」。 ...

Vibe Coding 協作到自建 Dev Agent?從 Claude / Codex 到 OpenHands

過去一年,越來越多工程師開始 把 AI 真正帶進工作流程 。從一開始用 ChatGPT、Claude 來問語法問題,到後來很多人愛上 Cursor,直接在編輯器裡讓 AI 幫忙改 code、補 test case、甚至自動整理 PR。這樣的開發體驗,已經大大改變了我們寫程式的方式。 更現實的是,在很多企業內部、政府單位、或涉及機密資料的專案裡, 其實根本不能直接用 Cursor 或雲端 LLM 工具。   畢竟這些服務通常會把資料傳到雲端模型做處理,萬一專案裡有未公開的技術、敏感客戶資料,或是受限於法規 (像金融、醫療、政府標案) ,直接用雲端 AI 工具就會踩 紅線 。  因此,許多團隊反而更希望 「自己架一套 Dev Agent」 ,可以在內網執行,資料完全掌握在自己手上,該整合的內部工具、該讀的私有 repo、該串的 CI/CD pipeline,全部客製化、安全可控。 這時候,像 OpenHands 這樣的開源 Dev Agent 框架就特別有價值。它的出發點不是單純的 AI 助手,而是讓你能夠打造出一個真的可以跑在自己環境裡、可以理解整個開發流程的 AI 工程師。從建置到部署,從 CLI 操作到瀏覽器查詢, 從多檔案編輯到自動測試,全部都能自己完成,甚至還能針對不同專案調整專屬的工作流。 對很多開始探索 AI 協作開發的團隊來說,這是一條 從 「AI 幫你寫一段程式」,走向「AI 幫你解決一整個任務」 的進化路徑。而且,還是在可控、可自定義、安全的環境裡完成的。 🧩 主要概述 OpenHands 是由 All‑Hands AI 開發的開源「軟體開發代理人平台」,能模仿人類工程師從建立程式、修改程式碼、執行指令,到瀏覽網頁、呼叫 API……等一整套開發流程 它提供雲端(OpenHands Cloud)與本地 Docker 運行版本,用戶能配置 LLM(如 Claude、OpenAI、Gemini…) 📚 核心特性與怎麼使用 代理人的工具能力 支援代碼編輯、命令行、執行環境、網頁瀏覽、API 呼叫—接近人類開發者完整技能。其中 OpenHands Cloud 版本提供 $50 試用額度讓大家方便使用,又或者如果自己本機有 docker 的話,可以自己Local 版本透過 Docker 自架環境。 ...