AI Coding 指南

开源项目死掉的原因很少是代码写不出来，而是维护者被 issue 和 PR 淹死。Agent 最擅长的恰恰是这类「读得多、判断模式化」的工作：一套分诊流水线，让你每周只花 2 小时维护一个活跃仓库。

每个 vibe 项目里都有 70% 的重复劳动：认证、支付、邮件、部署。用 AI 把这些沉淀成你自己的脚手架和 skill 库，第 N 个项目的启动速度会是第一个的 5 倍。复利不在代码里，在脚手架里。

AI 让做产品变快了 10 倍，却没让找用户变快。第一个付费用户几乎从不来自 Product Hunt 或推特爆文，而来自 20 场一对一访谈。这篇讲清楚访谈问什么、怎么把「有点意思」变成掏钱。

Agent 时代，文档的第一读者不再是人，而是 AI。CLAUDE.md、SKILL.md、架构决策记录——一套「写给 AI 看」的文档策略，能让 Agent 少犯一半的错，也让你的项目更容易被别人（和别人的 Agent）接手。

vibe coding 最容易犯的错，是把 80% 时间花在用户看不见的地方。演示驱动开发反着来：先做出 3 分钟能讲清楚的 demo，用它去换反馈、换用户、换信心，再回头补那些「正确但无聊」的工程。

今年 4 月，一个 Agent 删掉了某公司的生产数据库和备份——因为它有权限，且没人告诉它「别碰」。Vibe 项目的数据安全不能靠运气。本文给出一套备份实战：三层备份策略、Agent 权限隔离、以及每周 10 分钟的灾难恢复演练。

英文介绍的项目，传播半径是中文项目的数倍——而 AI 已经把“抽取文案→翻译→校对”这条链路的成本降到了几乎为零。本文给 vibe 项目的 i18n 实战路线：什么时候值得做、怎么让 AI 把硬编码扫成 key、翻译校对流程、四个必踩的坑，以及上线前的验收清单。

Agent 一次改二十个文件，你根本 review 不过来——这时候 git 就是唯一的后悔药。本文给出一套围绕“AI 一定会搞砸”设计的 Git 工作流：main 永远可运行、每个任务单独开分支、让 AI 按 conventional commits 写提交信息、搞砸时三招回滚、每天收工让 AI 生成变更摘要。没有仪式感，只有保命。

在 vibe coding 里，数据库是翻车重灾区：Agent 改 schema 比改代码更不可逆，一条 DDL 下去数据可能就没了。这 5 条军规是血泪换来的——从 migration 流程、回滚演练到 expand-contract，每条都给具体做法和反例。

每个用 Agent 写过代码的人都见过：它卡在同一个错误里转圈、它自信满满地交出一份全错的方案、它悄悄删了你的文件。Agent 的失败不是随机的，是有固定套路的。本文整理 7 种最常见的死法，每种配症状、根因和一句话对策。

Agent 重度用户每月账单 60 到 200 美元，但一半的钱花在了不值得的任务上。本文给出一套模型路由实战规则：什么任务配什么模型、怎么设置自动降级、以及三个立刻能省 40% 的具体做法。省下来的不是小钱，是你下个月的服务器预算。

你的 Agent 可能在不知不觉中把 GPL 代码粘进你的闭源项目——而「是 AI 写的」在法庭上不是辩护理由。本文讲清 AI 生成代码的许可证风险到底在哪：训练数据的传染、Copilot 官司的现状、以及一份独立开发者今晚就能跑完的合规自查清单。