这是一篇关于利用 AI 辅助软件开发的文章，涵盖了从理念到实践的多个方面，包括三种编码模式（Playground 模式、Pair Programming 模式、Production/Monorepo Scale 模式）、基础设施（CLAUDE.md、Git 工作流）、测试原则、Token 经济与上下文管理、案例研究以及文化与领导等内容，具体如下：

• Vibe Coding 理念：从最初的“vibe-coding”概念引发的讨论，到实际的编码方式转变，如将 AI 视为第一起草者、结对编程者或验证者，每种模式适用于不同的开发阶段。

• 三种编码模式：

  • Playground 模式：适合周末黑客、个人脚本等，AI 生成大部分代码，速度快但不适用于生产环境。
  • Pair Programming 模式：在 5000 行代码以下的项目中效果显著，通过 CLAUDE.md 文档提供上下文，结合“anchor comments”引导 AI，提高开发效率。
  • Production/Monorepo Scale 模式：适用于大型代码库和生产系统，需要谨慎管理，将代码分段处理，注重边界和文档。

• 基础设施：

  • CLAUDE.md：是代码库的“宪法”，包含项目规则、架构决策、代码风格等内容，是与 AI 协作的重要依据，同时需要内联指导（anchor comments）。
  • Git 工作流：使用 git worktrees 创建隔离环境进行 AI 实验，保持主分支干净，标准化 commit 消息，注明 AI 辅助信息，便于代码审查。
• 测试原则：强调人类编写测试的重要性，AI 可以生成业务逻辑，但不能编写测试代码，测试是可执行的规范，反映人类的意图和经验。
• Token 经济与上下文管理：提供完整而相关的上下文可避免迭代和浪费 Token，使用新鲜的 Claude 会话处理不同任务，保持其“ mental model”清晰。
• 案例研究：以 Julep 公司的错误处理重构为例，展示了人类制定规范，AI 执行机械工作的过程，结合良好的文档和注释，提高了开发效率。
• 文化与领导： senior 工程师的角色转变为知识管理和边界设定，新员工有专门的 AI 协作入职流程，建立透明的文化，正常披露 AI 协助，避免隐瞒和恐惧。
• 边界与错误分类：明确划定 AI 不应触及的领域，如测试文件、数据库迁移、安全关键代码等，并对 AI 可能犯的错误进行分类，以便制定相应的防范措施。
• 未来发展趋势：AI 辅助开发仍在发展中，良好的文档和实践将是关键，未来的 AI 将更主动、智能，但人类仍需设定方向。
• 行动建议：提供了从今天到本月的逐步行动计划，包括创建 CLAUDE.md、添加 anchor comments、进行 AI 辅助开发等，鼓励读者开始尝试并不断迭代。

总之，vibe-coding 是一种新的软件开发方式，需要纪律和有意为之，掌握它可以提高软件交付速度和质量，但要注意边界和错误，以充分发挥 AI 的优势。