tradecatlabs/vibe-coding-cn

概览

本仓库的 AI 解读链接：zread.ai/tukuaiai/vibe-coding-cn 这里的“固定目标”不是目标永远不能变化，而是未经授权不能被执行者静默改变；合法变化必须创建新的目标版本。这里的“收敛”也不是保证每一步都成功，而是在验证、回滚、尝试上限和退出机制约束下，使系统进入并保持在目标验收集合中。零号命题与后续五条命题共同构成六条核心命题；后续五条命题分别解释 AI 在这个闭环中的能力、边界、演化、审查和编排。 大语言模型的直接产物是 token 序列；token 解码为文本后，可以承载自然语言、形式语言和机器可解析协议等可文本化的符号结构。凡是能被文本稳定表达，并能被人、程序或工具解释、执行、约束、修改或验证的结构，都属于大语言模型的生成域，例如：用户提示词、系统提示词、自然语言、代码、命令、配置、流程、计划、测试、文档、schema、API 调用、工具指令和数据处理逻辑。 很多今天看起来很重要的东西，本质上只是因为模型还不够强：Prompt 技巧、工作流、Agent 编排、索引系统、外部记忆、工程脚手架、工具封装、人工流程和当前经验体系。 当模型能力继续提升，这些中间层会被模型原生能力吸收、压缩、替代，甚至失去独立存在的意义。凡是因模型能力不足而存在、且可被吞噬的工程补丁，都会被更强模型吞噬。 成熟 AI 工程的重要治理原则，不是让同一个上下文自我确认，而是把生成、审查和验证拆开。NIST 强调独立审查可以降低偏见和利益冲突；OpenAI 与 Microsoft 都把外部测试、红队和独立评估作为发现盲点的重要机制；LLM-as-a-judge 研究也指出，模型评价自身输出时可能存在自偏好。 因此，长期使用 AI 时，重要产出必须新开隔离会话，明确告知审查 AI：上一轮结果不可信，不能沿用结论，必须重新阅读原始资料、业务代码、目标、约束和验证结果，用事实、测试和可追溯证据判断其是否成立。 AI 负责生成候选解，隔离上下文负责审查和优化候选解，事实与验证负责裁决候选解。

README

gantt
    title 项目发展路线图
    dateFormat YYYY-MM
    section 进行中 (2025 Q4)
    补全演示GIF与示例项目: active, 2025-12, 30d
    外部资源聚合完善: active, 2025-12, 20d
    section 近期 (2026 Q1)
    prompts 索引自动生成脚本: 2026-01, 15d
    一键演示/验证 CLI 工作流: 2026-01, 15d
    文档索引与引用门禁增强: 2026-02, 10d
    section 中期 (2026 Q2)
    模板化示例项目集: 2026-03, 30d
    多模型对比与评估基线: 2026-04, 30d

推荐工具

换一个关键词，或者移除筛选条件。

安装