--- area: tech-engineering category: ai-ml companies_orgs: - 东京人文论坛 - Google - Microsoft - OpenAI date: '2025-12-02' draft: true guest: '' insight: '' layout: post.njk people: - 李厚辰 - 乔布斯 products_models: - ChatGPT - Gemini - VS Code - Codex - Whisper - Python - Git - Grok - DeepSeek project: [] series: '' source: https://www.youtube.com/watch?v=1TqrucFn4qY speaker: 东京人文论坛 status: evergreen summary: “Vibe Coding”是一种让零基础人群利用自然语言驱动AI进行编程的方法。本讲座介绍了其核心理念与广泛用途，例如自动化处理新闻简报、生成图片素材、制作学习卡片等。通过一个抓取新闻的实战案例，讲座详细演示了如何与AI协作生成代码、调试错误，并逐步引入虚拟环境、API调用、VS Code等进阶工具，旨在帮助听众掌握这项能极大提升工作效率的必备技能，培养解决问题的工程化思维。 tags: - automation-workflow - llm - vibe-coding title: 李厚辰讲Vibe Coding：让AI为你编程，告别重复性工作 --- ### 什么是Vibe Coding？告别重复性工作 今天我们直接进入主题，讲一讲 **Vibe Coding**（Vibe Coding: 凭感觉编程，即利用自然语言让AI辅助编写代码的方法）。这是一种面向不会编程的人的编程方法，用途非常广泛。 我们可以先从它的用途开始探讨。大家可以设想一下，生活中是否有每天都需要在电脑上重复进行的工作？基本上，所有这类工作都可以通过自动化来完成。例如，我每天会发送一份关于新闻的 newsletter。以前，我需要亲自去新闻网站上浏览，但现在新闻网站大多可以 **RSS** 化（RSS: 一种信息聚合协议，可以将网站内容格式化，便于程序抓取和订阅）。于是，我每天使用 RSS 来处理新闻。很多新闻是英文的，过去我需要逐条翻译，现在则完全自动化：自动翻译、自动截取、自动去重，然后直接呈现给我。它会自动生成三个文件，一个是每个新闻源的，另一个是完成所有处理的，里面不仅是新闻，还已经用 Markdown 格式帮我排好了版。排版、标注“今日重点”等都是它自己完成的。它还会将英文翻译成中文，并将新闻剪辑成长度相似的条目。当然，还有一些细节需要手动处理，但这已经是一个非常典型的应用场景，每天能为我节省大约两个小时的时间，效率极高。 所以，如果你的生活中有经常需要重复进行的工作，那么这件事就非常适合编写成一个脚本。大家可以想一想，生活中还有哪些需要每天重复的工作？比如工作日报、周报，这些都非常容易实现自动化。 再比如搜图和做图。假如你每周固定要做三张海报，需要生成三张背景图，并且每周的活动是提前知道的，你完全可以写一个脚本。点击脚本后，输入三个文本，它就能自动生成三张图。我自己就有一个应用场景：我做 YouTube 节目时，很多内容有文本稿，需要配图。我有一个脚本，可以根据文本自动找到五个段落，并为每个段落生成一张配图，当然，**Prompt**（Prompt: 向大型语言模型（AI）发出的指令或问题）是预先写好的。 还有其他重复性的工作吗？例如，我每天学习日语时会遇到很多单词，我会用脚本把它们整理起来，然后生成可以导入 Anki 制作成 flashcard（抽认卡）的格式。虽然这需要与手机对接，但也完全没问题。一个简单的方式是，在电脑或手机上打开一个 **Terminal**（Terminal (终端/命令行): 一个与计算机进行基于文本命令交互的界面，是图形化界面底层的操作方式），或者一个你让 AI 帮你写的小前端，只要输入日语单词，它就自动存入一个库里，之后你可以随时整理和查看。 ### Vibe Coding 的三大应用领域 它的实现范围可以说是无限的。我简单概括三个大家可以设想的应用方向： 第一，多步骤的 AI 交互流程。你们有没有发现，很多时候使用 ChatGPT 或 Gemini，并非一个步骤就能完成任务，而是需要与 AI 进行多轮对话才能得到最终结果。但这个多步骤的过程，每次可能都是一样的。例如，我个人觉得 AI 常常出现幻觉，所以在处理重要问题时，我要求它每提供一段信息都必须附上出处。虽然这可以在 Prompt 中完成，但更复杂的流程就适合脚本化。我有一个例子，是针对一个话题自动进行扩展研究的脚本。具体怎么做呢？比如话题是“中国2025年的外贸增长是真是假”，直接问 ChatGPT 会得到一段回答。但在此基础上，我的脚本会让 AI 根据已有内容自动扩展生成十个新问题，然后再用另一个 Prompt 让它回答这十个问题，从而完成整个研究过程。如果手动操作，这个过程会非常繁琐，需要不断复制粘贴。但脚本化之后，我只需要在终端输入研究问题，它就会自动化运行，最后在我的桌面上生成一个包含所有内容的文档。所以，任何需要与 AI 多步骤交互才能完成的工作，都非常适合脚本化。 第二，调用开源工具。现在网上有很多别人已经做好的工具，比如文字转语音、语音转字幕。如果你不自己动手，网上有很多成熟的服务，他们将同样的技术封装成一个前端网站让你使用，每月收费从七美元到二十美元不等。其实，这些你都可以自己实现。例如，语音转文字用的是开源的 Whisper，文字转语音有 Index TTS 等。程序员的世界里有大量开源脚本，但并非每个都有人为你封装好前端让你在网页上调用。对于我们这些编程小白来说，最常见的就是在网页上调用服务，但这不仅贵，而且选择有限。有了 Vibe Coding 之后，自己调用这些开源工具的门槛变得非常低。无论是文字转语音、语音转文字，甚至在本地运行一个大模型帮你做一些基本输入，成本都非常低。 第三，整合互联网与工作中的信息。互联网上有各种各样的资源，你需要将它们整合到一起为你所用。比如我之前提到的新闻简报，就是把多个新闻源整合起来。再比如找房源，网上的房源信息也是规律性发布的，你可以把它们整合起来。互联网上有大量信息和二次加工工具，你可以把它们整合起来服务于你的目的。除了互联网，工作中的事务也可以，比如写工作周报。你每周的工作可能很零散，涉及大量的 Excel 和 Word 文档。如果你写好一个脚本，每周只需在终端输入一个命令，把你这周的工作文件夹拖进去，它就能自动读取文件，帮你生成工作周报。 ### 一个常见的误区：Vibe Coding ≠ ChatGPT 这里要澄清一个误区：很多人因为 Vibe Coding 使用自然语言，就误以为它等同于 ChatGPT，会直接在里面提问。比如做新闻简报，他可能会认为直接告诉 AI 去翻译、去做简报，AI 就能完成。AI 确实能做到，因为它现在很聪明，但它可能会自己去网上调用一个免费但质量极差的翻译引擎。 你需要明白，Vibe Coding 不是 ChatGPT。ChatGPT 是你提问，它提供答案；而 Vibe Coding 是你让它帮你写代码。代码中需要的很多服务和内容，未必是 AI 能直接提供的，而是需要你从其他地方寻找并提供给它。所以，它本质上仍然是一个编程工程，而不是一个所见即所得的工具。唯一的区别在于，你不需要亲自去编程了。 ### 创造性的应用与 AI 的结合 Vibe Coding 还可以有很多创造性的应用，甚至可以和 AI 毫无关系，比如仅仅做一些网络文本的剪贴。但加入了 AI，就增加了很多强大的能力，例如文本处理、研究、生成图像、翻译、事实核查（fact checking）等等。你甚至可以做批量事实核查。假设我是一个“黑川普”的人，我可以先做一个 AI 把特朗普所有的发言都抓取下来，再做一个脚本对里面的每一条内容进行事实核查。这在过去可能需要雇佣一个新闻编辑室的人来完成，现在你一个人在家就能做到。你甚至可以从事实核查的内容直接生成稿件。编程还可以设置定时任务，比如每天早上八点、中午十二点、晚上八点各运行一次，一天三篇，非常高效。 再举个例子，比如每周需要分析竞品和自家产品在电商平台上的价格，抓取数据后确认第二天的最优定价。这完全可以实现。首先，抓取数据本身，即便网站不提供 **API**（API (应用程序编程接口): 允许不同软件程序之间相互通信和交换数据的接口，常用于调用远程服务（如ChatGPT的翻译功能）），现在也有基于视觉的抓取手段（Agent），这部分也完全不需要编程，你只要描述清楚技术路线，ChatGPT 就能帮你生成相应的 Prompt。抓取到数据后，你甚至可以让 ChatGPT 给你出一个定价策略，再把这个策略变成一个 Prompt。整个流程可以完全自动化，从抓取到分析，甚至可以设置为定时任务，每周一早上八点，分析报告就自动出现在你的桌面上。 过去，这种自动化生活是程序员的专属福利，但现在，所有人都可以享受到。 ### 实战演练：从零开始编写一个新闻抓取脚本 因为大家是零基础，对于编程运行的很多细节可能不熟悉，比如左边这个叫 **Terminal** 的东西，或者什么是安装 **Dependency**（Dependency (依赖): 指程序运行时所需要的外部库或软件包，提供了特定的功能）。这些我们都可以慢慢了解。 我们今天就以一个实际的例子来尝试 Vibe Coding：做一个关于台海局势的新闻监测脚本。 在写脚本之前，有一个非常重要的思路：因为你是用自然语言告诉 ChatGPT 你要写什么，但你自己写 Prompt 的能力可能很差。所以，你应该让 ChatGPT 来帮你写 Prompt。 我在一个 ChatGPT 窗口里，用我自己的能力写一个非常简单的需求：“我要写一个抓取新闻的脚本，基于两个 RSS 源。” 然后，我坦率地告诉它：“我是一个编程小白，完全不懂编程，所以请为代码提供详细注释，把所有需要的命令行都写好给我，需要修改的代码也给我一个可以完整复制的版本。” 因为 ChatGPT 默认你会编程，它可能会说“请把这一句改成这个”，但我根本不知道是哪一句。最后，我还补充：“如果可以，请帮我解释里面的步骤。” 然后，我让它帮我写的不是脚本本身，而是生成这个脚本的 Prompt。为什么这么做？因为编程是一个工程，需要使用什么技术、基本架构，这些作为小白是不知道的，但 ChatGPT 知道。它生成的 Prompt 会比你自己写的复杂得多，会包含使用什么语言（比如 Python 3）、什么结构、什么技术路线，甚至如何做测试。 得到这个详细的 Prompt 后，你就像魔法师一样，把它复制到另一个 ChatGPT 窗口里，它就会为你生成一个非常详尽的、一步一步的指南和完整的脚本代码。 ### 调试的艺术：如何与AI协作解决代码错误 按照 AI 给出的步骤，你需要在终端里创建文件夹、用 `nano`（一个终端内的文本编辑器）创建并粘贴代码、保存退出。然后就是运行脚本。 当你运行脚本时，很可能会遇到错误。这非常正常，编程就是与报错不断搏斗的过程。关键在于，你不需要读懂错误信息。你只需要把终端里报错的那一段完整地复制下来，粘贴回 ChatGPT，它就会告诉你问题出在哪里，以及如何解决。 例如，它可能会告诉你“没有名为 feedparser 的模块”，解决方案就是用 `pip install feedparser` 来安装这个依赖包。你只需要复制粘贴它给你的命令，然后在终端里执行即可。 在这个过程中，你可能会遇到 **Virtual Environment**（Virtual Environment (虚拟环境): 一个隔离的Python运行环境，可以防止不同项目之间的依赖包版本冲突）的概念。这是一个很重要的东西，因为电脑里各种软件的依赖包版本可能不同，如果都装在全局环境中，容易产生冲突。虚拟环境可以在电脑里生成一个与其他部分完全隔绝的环境，避免版本和依赖互相打架。所以，你可以在最初的 Prompt 里加上一句：“也帮我设置虚拟环境。” 这样，AI 就会引导你完成创建和激活虚拟环境的步骤。 你所有需要做的，就是复制、粘贴。你不需要懂编程，只需要有耐心。 ### 进阶之路：为脚本增加新功能 当我们成功运行脚本并得到初步结果后，可能会发现一些问题。比如，抓取的新闻只有标题和网址，没有摘要。这时，你只需要用自然语言向 ChatGPT 描述你的新需求：“能否实现一个功能，让脚本自己去访问新闻的网址，并把每条正文的前300个字贴给我？” 你完全不需要知道技术实现方案，比如用哪个库来访问网页。AI 会自动帮你选择合适的库（比如 `requests` 和 `BeautifulSoup4`），并告诉你需要安装它们。然后，它会提供更新后的完整代码。你只需要按照指示，安装新的依赖，然后用新代码覆盖旧代码，再重新运行即可。 基本上，任何你需要的新功能、排版调整，你都可以用自然语言告诉它，它会帮你实现。 ### 效率升级：从命令行到 **VS Code** 的飞跃 虽然在 Terminal 里手动操作能帮助你建立一些基本概念，比如什么是安装依赖、什么是运行脚本。但当你熟悉了这些之后，就应该转向更高效的工具，比如 **VS Code**（VS Code: 由微软开发的一款功能强大的代码编辑器，可以通过安装插件（如Codex）来增强AI编程能力）。 在 VS Code 里，你可以安装像 **Codex**（Codex: OpenAI开发的一款AI编程助手，可以深度集成在VS Code等编辑器中）这样的 AI 编程助手插件。操作流程类似： 1. 仍然先让 ChatGPT 帮你生成一个给 Codex 的高质量 Prompt。 2. 在 VS Code 中打开你的项目文件夹。 3. 将 Prompt 粘贴到 Codex 的对话框中。 4. 将 Codex 设置为 `agent full access` 模式，这样它就有权限自动帮你安装依赖、修改代码参数等。 在 VS Code 中，整个过程会变得更加自动化和流畅。你不再需要手动使用 `nano` 编辑代码，所有修改都由 AI 自动完成。遇到 bug，你直接把错误信息贴给它，它就会自动帮你修复。 ### 建立工程化思维：将复杂任务模块化 当你开始处理更复杂的任务时，一个非常重要的思维方式是“工程化思维”。这意味着，不要试图把所有功能都写在一个庞大的脚本里，而是应该把一个大任务拆分成几个独立的、功能明确的小模块，每个模块由一个独立的脚本来完成。 例如，处理新闻的流程可以拆分为： 1. 脚本一：抓取原始新闻数据。 2. 脚本二：翻译新闻文本。 3. 脚本三：对翻译后的文本进行摘要和排版。 这样做的好处是： * **易于维护和调试**：当某个环节出错时，你只需要关注对应的脚本，而不会影响其他部分。 * **灵活性高**：假设你发现用 GPT 翻译太贵，想换成更便宜的千问或 Grok，你只需要修改翻译脚本，而不用担心把抓取部分的代码改乱。 * **便于优化**：你可以独立优化每一个模块。比如，你可以专注于提升抓取数据的准确性，或者优化文本生成的质量。 这种将大任务拆分的思路，不仅适用于 Vibe Coding，也适用于任何与 AI 协作的工作。你应该先设计一个完全不依赖人脑、纯粹由 AI 驱动的自动化流程，然后再思考在哪个环节加入你的人脑判断会带来更大的价值。 ### 总结：Vibe Coding 是现代人的必备技能 Vibe Coding 绝对是现代人必备的技能。未来人与人之间的差异，很大程度上会体现在 Vibe Coding 的能力上。它会极大地拉开个人工作能力的差距。 从零开始最大的障碍可能是心理上的不熟悉感，你可能会觉得“我宁愿今天多花点时间手动操作，也不愿意花时间去写脚本”。但突破这个障碍至关重要。一旦你开始自如地使用 Vibe Coding，你会发现你的生活和工作将发生翻天覆地的变化。许多工作都能以更快、更高质量的方式完成，让你一个人就能迸发出一个团队的生产力。 你需要做的，就是告诉 AI 你是小白，然后保持耐心，不断地复制、粘贴、与 AI 沟通。你能忍受的调试轮次越多，你能写出的脚本就越强大。