Language

Copyright © 2026 Eugene Hsuan

Powered by Hexo

Modified based on Magnetic theme

Mainly maintained using AI

Vibe Coding（结对编程）系统性学习

AI编程 / Vibe Coding（结对编程）

Vibe Coding 是一种与AI协作进行编程的方式，AI作为结对编程伙伴，帮助开发者更高效地完成开发任务。这种方式改变了传统编程的工作流程，让开发者更专注于设计思路和业务逻辑，而将繁琐的实现细节交给AI处理。

lang: “zh-CN”

AI模型

AI编程能力盲测
GLM(智谱)：目前是我的口粮模型，购买了他的编程套餐。很便宜，同时同时供给给龙虾机器人用。

测试和使用的AI编程工具（游戏客户端视角）

Cursor

  • 特点: 独立运行的AI编程IDE（基于VS Code）
  • 优势: 支持多种模型，界面友好，代码补全功能强大
  • 适用场景: 全栈开发、新项目快速搭建

Claude Code

  • 特点: 命令行工具 + VSCode插件
  • 优势:
    • 对第三方模型知识掌握较好
    • 我自己已完成智谱GLM配置
  • 适用场景: 需要灵活配置和命令行操作的工程
  • 游戏开发: 适合服务器端开发、工具链开发

GitHub Copilot

  • 特点: 集成到IDE（VS、Rider）
  • 优势:
    • 对游戏程序员最友好（支持Rider）
    • 实时代码补全
    • 提供多种模型选项
  • 套餐: 使用Copilot Pro
  • 适用场景: 日常开发、代码补全
  • 限制: 第三方模型兼容性一般

TFCDC方法论

TFCDC是Vibe Coding的核心方法论，帮助开发者有效地与AI协作。

Think 思考环节

在开始编程之前，先进行充分的思考和规划。

核心问题

  1. 项目本质

    • 这是什么项目？
    • 核心价值是什么？
    • 目标用户是谁？

  2. 游戏化思维

    • 将编程视为一场”游戏”
    • 明确游戏的规则和目标
    • 理解胜利条件

  3. 执行逻辑

    • 游戏游玩的逻辑？（如何执行）
    • 游玩策略（战术）？
    • 关键路径是什么？

思考模板

```
项目名称: ___________
核心目标: ___________
技术难点: ___________
优先级: ___________
```

示例图示

思考流程图示例

Framework 框架

明确技术选型和架构设计。

技术栈选择

  • 前端: React / Vue / Unity / Unreal
  • 后端: Node.js / Go / Python
  • 数据库: MySQL / MongoDB / Redis
  • AI集成: OpenAI / Claude / 本地模型

架构设计

  • MVC模式: 模型-视图-控制器
  • 微服务: 服务拆分与通信
  • 事件驱动: 基于事件的架构
  • 组件化: 可复用的组件设计

决策流程

  1. 先了解项目需求
  2. 评估技术选项
  3. 权衡优缺点
  4. 做出选择
  5. 告知AI你的决策

💡 提示: 如果不确定技术选型，先询问AI的建议

Checkpoints 检查点

使用版本控制建立关键检查点。

版本控制最佳实践

  • ✅ 必须使用Git
  • ✅ 每个功能完成后提交
  • ✅ 写清晰的提交信息
  • ✅ 使用分支管理功能开发
  • ✅ 定期创建里程碑标签

提交信息规范

```
feat: 添加新功能
fix: 修复bug
refactor: 代码重构
docs: 文档更新
test: 测试相关
chore: 构建/工具链相关
```

检查点示例

  • 🚀 M1: 基础框架搭建完成
  • 🚀 M2: 核心功能实现
  • 🚀 M3: UI/UX完成
  • 🚀 M4: 测试通过
  • 🚀 M5: 发布准备就绪

Debugging 调试

有效的调试策略和问题解决方法。

调试流程

  1. 自己发现问题

    • 复现bug
    • 收集错误信息
    • 定位问题代码

  2. 让AI提出解决方案

    • 提供完整的错误上下文
    • 描述期望行为
    • 提供相关代码片段

  3. 验证解决方案

    • 理解AI的建议
    • 谨慎实施修改
    • 测试验证结果

掌握项目结构

  • 📁 理解目录结构
  • 📁 熟悉关键文件
  • 📁 了解依赖关系
  • 📁 掌握配置文件

调试技巧

  • 使用日志记录
  • 添加断点调试
  • 单元测试验证
  • 二分法定位问题

Context 上下文

为AI提供充分的上下文信息是获得高质量代码的关键。

上下文类型

PRD（产品需求文档）

  • 定义: 描述产品功能、用户体验和业务需求的文档
  • 包含内容:
    • 功能需求
    • 用户故事
    • 验收标准
    • 优先级
  • 示例:
    ```markdown

    用户登录功能

    • 支持邮箱/手机号登录
    • 验证码验证
    • 记住登录状态（7天）
      ```

MVP（最小可行产品）

  • 定义: 用最少功能验证产品假设的版本
  • 原则:
    • 功能最小化
    • 快速迭代
    • 验证假设
  • 示例:
    • ✅ 包含：核心功能
    • ✅ 包含：基本UI
    • ❌ 不包含：高级特性
    • ❌ 不包含：完整优化

技术文档

  • API文档
  • 数据库设计
  • 系统架构图
  • 代码注释

项目背景

  • 项目目标
  • 技术约束
  • 时间限制
  • 团队情况

如何提供有效上下文

✅ 好的上下文

```
这是一个Unity游戏项目，使用C#开发。
需要实现一个敌人AI，当玩家进入5米范围内时追逐玩家。
敌人已经有NavMeshAgent组件，需要使用NavMesh寻路。
```

❌ 不好的上下文

```
帮我写个AI。
```

与AI协作的技巧

1. 明确的指令

  • ✅ “实现一个支持增删改查的待办事项列表”
  • ❌ “做一个东西”

2. 分步骤进行

  • 将大任务拆分成小步骤
  • 逐步实现，逐步验证

3. 代码审查

  • 不要盲目接受AI生成的代码
  • 理解每一行代码的作用
  • 必要时要求AI解释

4. 迭代优化

  • 先实现基本功能
  • 再逐步优化和完善

项目管理

任务规划

  1. 列出所有待办事项
  2. 评估优先级
  3. 估算工作量
  4. 制定时间表

进度跟踪

  • 使用TODO列表
  • 定期回顾进度
  • 及时调整计划

观点解释

Orchestration（蜂群模式）

复杂编排+主控+蜂群
谁能做好编排，谁就能统领蜂群。

说明: 在AI编程中，Orchestration指的是通过一个主控程序来协调和管理多个AI模型或工具的工作。就像蜂群中有一个”女王”发出指令，多个”工蜂”分工协作完成任务。这种方式可以实现：

  • 不同模型各司其职（如一个负责代码生成，一个负责调试，一个负责测试）
  • 工作流自动化编排
  • 并发处理多个子任务
  • 统一的结果整合

MCP框架

说明: MCP (Model Context Protocol) 是一个开放的协议标准，用于AI模型与外部工具、数据源之间的通信。它定义了一套统一的接口，让AI能够安全、规范地访问外部资源。核心价值包括：

  • 标准化的工具调用接口
  • 安全的权限控制机制
  • 跨平台的兼容性
  • 插件式的扩展能力

Token（令牌）

AI模型处理文本的基本单位。约等于3/4个英文单词或1个中文字符。上下文窗口的token数量限制直接影响AI能理解的信息量。

Token计算参考

  • 中文: 约1字符 = 1 token
  • 英文: 约4字符 = 1 token
  • 代码: 约4-6字符 = 1 token（受代码复杂度影响）
  • 换行符/空格: 通常不计或占少量token

消耗估算方法

  1. 粗略估算: 字符数 ÷ 4 ≈ token数
  2. 准确计算: 使用模型提供的token计数工具
  3. 上下文消耗:
    • 输入Prompt：按上述规则计算
    • 输出内容：通常按输入的50%-200%消耗
    • 历史对话：会累积计入上下文

实用建议

  • 长代码文件可用摘要代替全文
  • 删除无用的注释和空行
  • 定期清理对话历史
  • 关注各模型的上下文窗口限制（如4K/8K/32K/128K）

常见陷阱

❌ 避免这些错误

1. 过度依赖AI

  • 不要完全放弃思考
  • 保持对代码的理解
  • 自己做关键决策

2. 上下文不足

  • 不提供足够的信息
  • 让AI猜测需求
  • 得到不理想的结果

3. 盲目复制代码

  • 不理解就使用
  • 引入安全风险
  • 难以维护

4. 忽略版本控制

  • 不及时提交代码
  • 缺少备份
  • 无法回滚

进阶技巧

提高AI编程效率

1. 建立代码模板

  • 常用代码片段
  • 项目结构模板
  • 配置文件模板

2. 创建提示词库

  • 针对不同场景的提示词
  • 经过验证的有效指令
  • 可复用的上下文模板

3. 使用工具集成

  • Git钩子
  • CI/CD集成
  • 自动化测试

4. 团队协作

  • 共享提示词
  • 统一代码风格
  • 知识库建设

🎯 选择建议

需求 推荐项目
最简单上手 mcp-tool-shop-org/game-dev-mcp（无需插件，启用 Remote Control API 即可）
企业级功能 ChiR24/Unreal_mcp（NPM 包、Docker、GraphQL）
UE 5.6+ 新特性 GenOrca/unreal-mcp 或 etelyatn/UnrealCortex
Blueprint → C++ 迁移 etelyatn/UnrealCortex
多客户端集成 naming-sense/ns-unreal-mcp
API 文档查询 Codeturion/unreal-api-mcp

📚 学习资源

🔍 搜索关键词

  • `unreal mcp`
  • `unreal engine mcp server`
  • `ue5 model context protocol`
  • `unreal ai automation`

学习记录

2025-09及之前

  • 学习Vibe Coding方法论
  • 使用腾讯内部的编程助手及Copliot、Cursor
  • 研究TFCDC框架

2025-01

  • 尝试使用Claude Code及使用MCP

2026-02

  • 研究和整理 UnrealMCP 项目

待完成

  • 完善游戏开发场景的AI使用案例
  • 整理更多代码模板
  • 收集常用提示词
AI VibeCoding