当前位置：

社区首页

文章详情

Vibe Coding过程中，AI 听不懂你，多半是你没说清

Vibe Coding过程中，怎么样才能让 AI 更准确地理解我的需求？

过去写代码，瓶颈在"怎么写"。

现在用 AI 写代码，瓶颈变成了"怎么说"。

同样一个需求，两个人来描述，AI 给出的代码质量可能天差地别。

不是模型偏心，而是 Vibe Coding 这件事的本质，已经从"写代码"变成了"定义意图 + 管理上下文 + 验收结果"。

很多人抱怨 AI 写的代码不能用。

其实 AI 没听懂，往往不是 AI 的问题，而是你给的信息，不足以让它猜对。

为什么"说清楚"突然变得这么难

传统编程里，语法细节、库调用、边界处理都得你自己想清楚才能下笔。

那一整套思考过程，本身就是一种"把需求结构化"的过程。

Vibe Coding 把这个环节跳过去了。

你直接说"做个登录页"，就指望 AI 给你一个生产级页面。

问题就出在这里：

"登录页"三个字里，藏着几十个 AI 必须替你做的决定——

邮箱登录还是手机号登录？
密码要不要加密存储？
登录失败几次要锁账号？
移动端还是要 PC 端？
出错信息显示在哪儿？

每一个没说清楚的细节，AI 都会自己编一个。

它编得越快，离你的真实想法就越远。

有研究显示，2025 年有 46% 的开发者不信任 AI 的准确性，但同期 AI 能力其实大幅提升了。差距在哪？就在提示词的质量上。

让 AI 听懂你的五个具体做法

1. 先把项目背景喂饱，而不是只丢一句需求

AI 对你项目一无所知。

你不说技术栈、不说运行环境、不说已有的代码约定，它就只能按"通用情况"瞎猜。

一个被验证有效的做法是：在项目里维护一份 PROJECT_CONTEXT.md，把这些信息写进去——

技术栈和版本："Next.js 14, PostgreSQL 15"
关键架构决定："用 React Query 管服务端状态，Zustand 管客户端状态"
代码规范："所有 API 返回统一错误对象，含 code、message、details"
安全要求："所有用户输入必须先经过 DOMPurify 清洗"

有了这份上下文，AI 就不会自作主张建议你换成 Redux，也不会去引一个项目里根本没用的 MongoDB。

别指望 AI 会读心。你项目的"常识"，对 AI 来说全是陌生信息。

2. 一次只说一件小事，别一口气造一个宇宙

"帮我做一个完整的电商系统"——这句话几乎必然翻车。

AI 会生成一个看起来很全但很虚的方案，代码很多但质量参差不齐，一旦出 bug 很难定位。

更好的方式是拆：

先生成项目目录结构
再生成登录页
再生成用户列表页
再生成接口封装层
再补单元测试
最后统一重构和优化

复杂任务越拆越准。每一次 AI 只需要聚焦一个小目标，猜错的成本也小。

有个很实用的"10 分钟规则"：如果同一个问题 AI 连试两次都没答对，别再重试了，说明任务拆得不够细，或者你给的上下文有误。把它继续往下拆。

3. 给约束，不给约束 AI 就会自由发挥

AI 最爱"擅自加戏"：私自加依赖、顺手改别的模块、用你根本没要求的框架。

所以提示词里一定要把边界划死：

技术约束："使用原生 JavaScript，不要用框架"
规模限制："最多 500 行代码"
排除项："不要使用任何外部 API"
负面约束："不要为了抽象而抽象，不要做我没要求的大重构"

约束给得越细，AI 要猜的东西就越少。这一条看似简单，却是区分"能用的代码"和"要返工的代码"的分水岭。

4. 让 AI 先出方案，再写代码

不要一上来就说"给我写代码"。

更好的顺序是：定义目标 → 提供上下文 → 拆分子任务 → 要求出方案 → 最后才写代码。

具体操作就是在提示词里加一句："在写实际代码之前，先给出一个高层技术方案，包括数据库结构、需要的库、接口设计和安全措施，等我确认后再实现。"

这一步的价值巨大：

AI 会在方案里暴露它的假设。

如果它打算引入不必要的抽象、复制已有逻辑、或者忽略现有的接口——你在方案阶段就能拦住它，而不是等代码写出来再推倒重来。

5. 拿测试结果反推修正，形成闭环

AI 第一次给出的代码， rarely 是最终版。

高效的玩法是分层 refinement：

初始提示："创建一个带邮箱、密码、公司名的用户注册表单"
细化："加上前端校验：邮箱格式、密码至少 12 位且含特殊字符、公司名必填"
打磨："提交时加上 loading 状态，API 报错显示在对应字段下方"

三次聚焦的提示，比一次巨长的提示效果好得多。AI 处理复杂度的方式本来就是分层的，你也顺着这个节奏走。

更重要的是：每一次测试、每一次报错，都是你 refining 描述的素材。代码跑不起来，别光把错误日志甩给 AI，要说清楚——"当输入 X 时，期望得到 Y，但实际得到 Z，请定位原因"。这个"输入-期望-实际"的三段式，能把模糊的"帮我修一下"变成 AI 能精确执行的指令。

一个能直接套用的提示词骨架

如果你想马上试试，可以把下面的结构存下来，每次填空：

【角色】你是一名资深的 ___ 开发工程师【背景】我在做一个 ___ 项目，技术栈是 ___ 【任务】实现 ___ 功能【具体需求】 1. ___ 2. ___ 【约束】必须使用 ___，不能 ___，排除 ___ 【验收标准】___ 能通过测试，___ 效果达到 ___ 【输出格式】给出完整代码 / 只给 diff / 给修改建议

这个骨架把前面五条做法全装进去了：有上下文、有角色、有拆分的任务、有约束、有验收。