YC的 Vibe Coding 经验是基于 YC 的视频《How To Get The Most Out Of Vibe Coding | Startup School》整理而来，由YC合伙人Tom Blomfield分享，是基于人工智能（AI）工具如Claude Code、Windsurf和Aqua进行软件开发的新方式。通过这种方法，AI能编写全栈应用程序，通过粘贴错误信息调试代码，成为开发过程中的真正合作伙伴。Tom提供了完整的指南，帮助开发者通过vibe coding提高开发速度和效率。
核心内容
规划过程
-
创建全面计划：首先与AI合作编写详细的实施计划，保存在Markdown文件中。
-
审查和完善：删除不必要的项目，标记过于复杂的功能，以便后续处理。
-
保持范围控制：为后续的想法保留单独的部分，以便保持当前项目的专注度。
-
增量实施：分部分逐步实施计划，不是一次性构建所有内容。
-
跟踪进度：让AI在成功实施后标记部分为完成。
-
定期提交：确保每个工作部分都提交到Git，以便在移动到下一个部分之前能进行版本控制。
版本控制策略
-
严格使用Git：不要完全依赖AI工具的回滚功能，始终从干净的Git状态开始每个新功能。
-
从干净开始：每个新功能都从干净的Git状态开始，以便在AI偏离轨道时可以回滚。
-
遇到问题时重置：如果AI在某个任务上陷入困境，使用
git reset --hard HEAD来重置。 -
避免累积问题：多次失败的尝试会积累坏代码，因此需要避免。
-
清洁实施：当你最终找到解决方案时，重置且纯净代码中实施它。
测试框架
-
优先考虑高级测试：关注端到端集成测试，不是单元测试。
-
模拟用户行为：通过模拟用户点击来测试功能，确保它们按预期工作。
-
捕捉回归：LLM可能会对不相关的逻辑进行不必要的更改，需要测试捕捉这些回归。
-
测试前进行：在移动到下一个功能之前确保测试通过。
-
使用测试作为护栏：从测试用例开始提供清晰的边界，确保功能的正确性。
有效修复bug
-
利用错误消息：直接将错误消息复制粘贴到LLM，通常足以识别和修复问题。
-
分析前编码：让AI考虑多种可能的原因，再编写代码。
-
失败后重置：每次失败尝试后从干净状态开始，避免积累坏代码。
-
实施日志记录：添加策略性日志能更好地理解发生的事情。
-
切换模型：尝试不同的AI模型，看看哪个更适合当前任务。
-
清洁实施：在干净的基础上修复精确的错误，避免积累不必要的代码。
AI工具优化
-
创建指令文件：为AI编写详细的指令，使它更好地理解你的意图。
-
本地文档：下载API文档到项目文件夹，LLM能更准确地访问和使用。
-
使用多个工具：同时运行多个AI工具，如Cursor和Windsurf，以提高效率。
-
工具专业化：根据工具的强项选择使用，例如Cursor适合前端工作，Windsurf适合更长时间的思考。
-
比较输出：生成多个解决方案并选择最佳，以确保代码质量。
复杂功能开发
-
创建独立原型：在干净的代码库中构建复杂功能，以便更好地控制和测试。
-
使用参考实现：指向AI的工作示例，以便它有明确的实现方向。
-
清晰的边界：保持外部API一致，允许内部更改，保持代码的灵活性。
-
模块化架构：服务基础架构具有清晰的边界，更适合大型项目。
技术栈考虑
-
成熟的框架：如Ruby on Rails因其一致的约定而表现良好，适合AI开发。
-
训练数据重要：新语言可能训练数据较少，要选择有大量训练数据的语言可能更有利。
-
模块化是关键：小文件和模块化文件易于工作，有助于保持代码的清晰和可维护性。
-
避免大文件：避免数千行代码的文件，提高代码的可读性和可维护性。
超越编码
-
DevOps自动化：使用AI配置服务器、DNS和托管，提高部署效率。
-
设计协助：生成设计元素，如favicons和其他设计组件。
-
内容创建：起草文档和营销材料，以支持项目的推广。
-
教育工具：逐行解释实现，帮助团队成员更好地理解代码。
-
使用截图：分享UI错误或设计灵感，以便更好地沟通和协作。
-
语音输入：使用工具如Aqua进行语音输入，提高输入效率。
持续改进
-
定期重构：测试到位后，频繁重构代码，保持代码的清晰和可维护性。
-
识别机会：让AI找到重构候选，提高代码质量。
-
保持最新：尝试每个新模型发布，以利用最新的技术。
-
识别优势：不同模型在不同任务上表现出色，需要识别、利用这些优势。
视频地址
- 官方视频地址：https://www.youtube.com/watch?v=BJjsfNO5JTo