第07课 Vibe Coding 实战

    • 主讲：Bensz Conan
    • 日期：2026-02-18

    课程目标

    本课程通过 7 个真实案例，演示如何用 Vibe Coding 完成游戏开发、智能推荐、文档写作、文献综述、PPT 制作、数据分析和深度调研，掌握 Prompt 设计和 Agent Skill 调用的核心方法。

    • 延伸阅读：AI入门系列：Vibe Coding 实战
    • 博客：blognas.hwb0307.com
    • GitHub：github.com/huangwb8

    目录

    1. 案例一：制作打飞机小游戏

    2. 案例二：AI 工具智能推荐助手

    3. 案例三：通俗写作演示

    4. 案例四：撰写文献综述

    5. 案例五：PPT 制作演示

    6. 案例六：R 语言数据分析

    7. 案例七：构建 Deep Research 流程

    8. 小结与方法论

    一键三连

    这对我非常重要！

    👍点赞
    🪙投币
    ⭐收藏

    案例一：制作打飞机小游戏

    # Identity
你是一位资深前端游戏开发工程师，精通 HTML5 Canvas 游戏开发。
 
# Instructions
使用 awesome-code skill，采用多代理协作模式开发打飞机小游戏。
 
## 游戏机制
- 玩家飞机：屏幕底部，左右移动 + 发射子弹
- 敌机系统：顶部随机生成，向下移动（普通/精英两种）
- 碰撞检测：子弹击中敌机→爆炸得分；敌机碰撞玩家→扣生命值
- UI 系统：实时显示得分、生命值、关卡
 
## 技术约束
- 必须：HTML5 Canvas + 原生 JavaScript（ES6+）
- 禁止：使用任何游戏框架
- 性能：保持 60 FPS
 
## 代码要求
- 使用 ES6 Class 组织代码
- 文件结构清晰（main.js/player.js/enemy.js/bullet.js/ui.js）
 

    案例二：AI 工具智能推荐助手

    # Identity
你是一位 AI 工具评测专家，深度熟悉各类 AI 工具的能力边界、适用场景与性价比。
你的推荐基于权威评测数据与真实社区反馈，而非厂商宣传。
 
# Instructions
使用 awesome-code skill 开发一个 AI 工具智能推荐程序，帮助用户根据具体需求快速找到最合适的 AI 工具组合。
 
## 工具覆盖范围
- 编程开发：Claude Code、Cursor、Windsurf、GitHub Copilot
- 基础模型：Claude、GPT-4o/o3、Gemini、DeepSeek、Llama
- 写作助手：Notion AI、Jasper、Claude.ai、ChatGPT
- 图像生成：Midjourney、DALL-E 3、Flux、Ideogram
- 语音处理：Whisper、ElevenLabs、Suno
- 搜索与调研：Perplexity、Exa、Tavily
- 数据分析：Julius AI、Code Interpreter
- 视频生成：Sora、Runway、Kling
 
## 核心功能
1. 需求解析：问答引导用户描述任务场景、预算、技术水平
2. 场景分类：自动识别任务类型（代码/写作/学术/创意/多媒体/数据分析）
3. 工具推荐：每个场景推荐 Top 3 工具，附评分和对比
4. 成本估算：提供免费/付费方案对比，估算月度使用成本
 
## 数据来源
- 编程工具：SWE-bench、LiveCodeBench、Aider Leaderboard
- 基础模型：Chatbot Arena (LMSYS)、MMLU、HumanEval
- 社区反馈：Reddit、Hacker News、知乎
 
## 技术栈
- Python + Streamlit 交互界面（支持多轮对话式推荐）
- 本地 JSON/YAML 存储工具数据库（含评分、价格、适用场景）
- 支持导出 Markdown/PDF 报告
 

    案例三：通俗写作演示

    # Identity
你是一位擅长科普写作的技术作家，能用生活类比解释复杂概念。
 
# Instructions
用通俗易懂的语言，向没有技术背景的读者解释"机器学习中的过拟合"。
 
## 约束条件
- 必须使用生活中的类比（如学习、考试、饮食等场景）
- 禁止使用专业术语（如"泛化误差"、"偏差-方差权衡"）
- 字数：300-500 字
 
# Example
<example>
<input>解释"数据库索引"</input>
<output>想象你在图书馆找一本书。没有索引就像在一排排书架间盲目搜索；
有了索引就像查目录卡片，直接知道书在哪个书架、哪一层。数据库索引就是
这样的"目录卡片"，让查询速度从分钟级变成毫秒级。</output>
</example>
 

    案例四：撰写文献综述

    # Identity
你是一位资深的健康长寿研究领域专家，熟悉该领域的前沿研究和权威文献。
 
# Instructions
使用 systematic-literature-review skill，撰写 Premium 级综述。
 
## 综述主题
人类健康长寿影响因素：遗传因素、生活方式、环境因素、前沿基础研究
 
## 质量要求
- 语言：中文
- 级别：Premium（深度分析，专家级质量）
- 证据优先级：大型临床研究 > 权威指南 > 队列研究 > 病例对照研究
 
## 特殊要求
- 最后需包含"面向不同年龄段人群的最佳实践"章节
- 工作目录名：longevity-health-02
- 参考文献数：≥50 篇
 
## 禁止
- 引用来源不明的"研究显示"
- 使用过时文献（>10 年，除非是经典研究）
 

    案例五：PPT 制作演示

    # Identity
你是一位资深技术讲师，擅长制作简洁有力、视觉精美的技术演示文稿。
 
# Instructions
使用 pptx skill 制作"Vibe Coding 入门"技术分享 PPT。
 
## 受众与场景
- 目标受众：对 AI 编程感兴趣的开发者，技术背景中等
- 演讲时长：15-20 分钟
 
## 内容大纲（15-20 页）
1. 封面 + 目录
2. 什么是 Vibe Coding + 核心优势
3. 主流工具对比（Claude Code/Cursor/Windsurf）
4. 实战案例（2-3 个）
5. 最佳实践 + 常见误区
6. 总结与展望 + Q&A
 
## 设计规范
- 风格：简洁现代，技术感，深色主题
- 每页要点数：≤3 个
- 代码片段：等宽字体 + 语法高亮
- 禁止：大段文字堆砌、低清图片、花哨动画
 

    案例六：R 语言数据分析

    # Identity
你是一位资深 R 语言数据分析师，精通 tidyverse 生态和统计建模。
 
# Instructions
基于 bensz-rmd-rules，使用 R 语言完成完整的 iris 数据分析项目。
 
## 分析流程
1. 数据探索：结构检查、描述性统计、分组比较
2. 数据可视化：散点图矩阵、箱线图、相关性热图（ggplot2）
3. 统计分析：ANOVA 方差分析 + Tukey HSD 事后检验
4. 机器学习：决策树/随机森林分类模型（可选）
 
## 输出要求
- 格式：R Markdown（.Rmd）
- 图表：Nature 级别出版质量
- 解读：提供四层解读框架（数据层→统计层→业务层→决策层）
 
## 代码规范
- 使用 tidyverse 风格
- 关键步骤添加注释
- 可复现性：设置随机种子
 

    案例七：构建 Deep Research 流程

    # Identity
你是一位资深的信息架构师，擅长设计系统化的知识获取和整合流程。
 
# Instructions
设计一套可复用的 Deep Research 流程框架，实现从"零基础"到"结构化认知"的快速跃迁。
 
## 流程阶段
问题定义 → 广度扫描 → 深度挖掘 → 交叉验证 → 知识整合
 
## 每个阶段需定义
- 输入：该阶段需要什么信息
- 工具/Prompt：用什么工具和提示词
- 输出：产出什么交付物
 
## Prompt 模板库
覆盖场景：技术调研、行业分析、学术前沿（各 2-3 个模板）
 
## 质量检查机制
- 信息源可信度评估（权威性/时效性/一致性）
- 交叉验证策略（多源比对/专家意见/数据验证）
 
## 交付物
1. 流程说明文档（Markdown）
2. Prompt 模板库（按场景分类）
3. 示例运行记录（以任意主题演示完整流程）
 

    小结

    7 个案例回顾

    案例领域使用 Skill核心价值
    打飞机游戏游戏开发awesome-code多代理协作，复杂任务分解
    AI 工具推荐助手智能推荐awesome-code全品类覆盖，权威评测+社区经验
    通俗写作文档写作无（通用 Prompt）受众定义，语言风格控制
    文献综述学术研究systematic-literature-review自动检索，专家级质量
    PPT 制作演示文稿pptx内容+设计+逻辑一体化
    数据分析数据科学bensz-rmd-rules完整分析流程，可复现
    Deep Research深度调研无（流程设计）信息收集到知识整合

    共同特点：Prompt 结构

    • 任务描述：明确说明"要做什么"，避免模糊表达
    • 具体要求：列出详细的约束条件（格式、数量、风格、技术栈）
    • 输出格式：指定期望的输出形式（Markdown、表格、代码、报告）
    • 质量标准：用"专家级质量"、"符合出版标准"等词汇提升输出质量

    共同特点：专用 Skill

    • 为什么用 Skill：Skill 内置了领域知识和最佳实践，比通用 Prompt 获得更专业的结果
    • 何时用 Skill：文献综述、PPT 制作、数据分析、游戏开发等有明确工作流的任务
    • 如何调用：在 Prompt 中明确写出 使用 XXX skill，触发专业工作流
    • Skill 生态：Claude Code 的 Skill 生态持续扩展，覆盖越来越多的专业领域

    学习路径建议

    • 第一步：从简单任务开始——让 AI 帮你写一个小工具或解释一个概念
    • 第二步：尝试工具推荐助手——学会整合权威评测与社区经验，构建决策系统
    • 第三步：尝试数据分析——使用内置数据集，完成完整的分析流程
    • 第四步：挑战文献综述或游戏开发——体验 Skill 生态的强大
    • 第五步：挑战 Deep Research——综合性任务，考验 Prompt 设计能力

    一键三连

    这对我非常重要！

    👍点赞
    🪙投币
    ⭐收藏

    单位 Logo