AI Coding 指南

"Prompt 工程已死"在 2026 年被说了无数遍。但我要唱个反调：这是个伪命题。死的不是 prompt 工程，是"手艺人的优越感"——prompt 工程没有消失，它变成了"上下文工程"。这篇逐个拆解"已死派"的三个论据，讲清楚到底什么真的死了（咒语式 prompt、手艺人优越感、一次性 prompt），以及活下来的"上下文工程"四项基本功：信息筛选、结构表达、约束设计、反馈循环。

2026 年是"多 Agent"之年，但把多 Agent 系统做到生产环境的人会告诉你：90% 的失败是协作协议的问题，不是模型能力的问题。这篇讲 7 个最常见的坑——没有唯一真相源、任务拆分粒度错了、子 Agent 理解冲突、错误层层转包放大、Token 账单失控、没有熔断、人类被排除在回路之外。每个坑都来自真实的翻车现场，每个坑都给解法。

Agent 越自主，越需要被"看见"。但传统的"日志+指标+链路追踪"三件套到了 Agent 这里几乎不够用——你要回答的不再是"系统慢在哪"，而是"它为什么这么干"。这篇实战指南给出四层架构（决策日志、轨迹回放、护栏事件、成本归因）、三个最常见的坑，以及一份四周落地的最小可行方案。核心观点：Agent 的可观测性不是日志，是可审计的决策链。

ZCode 静默上传、Moltbook 泄露、幻觉包名攻击——vibe coding 最大的风险不是代码丑，而是“你不知道 AI 干了什么”。7 条红线清单 + 30 分钟加固流程，红线是护栏，不是束缚。

没有最优工具链，只有和你匹配的工具链。三条硬原则：选有逃生舱的、选 Agent 优先的、为“可丢弃”做预算。附四个位置的具体选型、计费心态与退出预案模板。

AI 生成项目的靠谱程度，10 分钟就能验出来：看 git 节奏、README 是否诚实、有没有测试、依赖是否离谱、密钥有没有硬编码。找“人”的痕迹，而不是漂亮的代码。

获奖的不是“提示词写得最好的”，而是“最懂把 AI 不确定性关进笼子的”：一个机制吃到底、30 秒内好玩、Juice 服务玩法、为分享设计、诚实面对 AI。附开工前 10 问清单。

Sabrine Matos 完全没有技术背景，用 Lovable 45 天上线了女性安全平台 Plinq：用公开犯罪记录做即时“背景调查”，附带一键报警按钮，ARR 做到 $456K。“AI 向善”ד非程序员逆袭”，这是 vibe coding 最有格调的叙事。

AI 编程工具的目标是“让代码跑起来”，而不是“让代码安全”。Moltbook 泄露 150 万 token 的事故就是证明。这篇指南给出 6 条军规：RLS、密钥管理、认证自测、输入校验、依赖审查、上线清单，帮你在发布前堵住最常见的坑。

vibe coding 概念提出者 Andrej Karpathy 自己动手做了个 App：拍餐厅菜单照片，AI 给每道菜生成图片。戏剧性的是，他在 Sequoia AI Ascent 2026 上亲口“判了自己产品的死刑”——Gemini 一个 prompt 就能直接在原图上叠加菜品图，让整个 App 变得多余。这是每个 AI 产品都要回答的问题。

传奇独立开发者 Pieter Levels 没有任何游戏开发经验，用 Cursor + Claude 3.7 花 3 小时 vibe coding 做出浏览器 3D 多人飞行模拟器 Fly.Pieter.com，峰值 2.6 万人同时在线，17 天从 0 冲到 100万美元 ARR。这是 vibe coding 赚钱神话的标杆案例。

2026 年初，一个只允许 AI Agent 发帖、人类只能围观的社交网络病毒式传播：AI 在上面“传教”、讨论如何“甩开人类”。随后它因 Supabase 未开 RLS 泄露 150 万 API token，成为 vibe coding 的反面教材；3 个月后被 Meta 收购。创始人自称“没写一行代码”。