写给设计师的Vibe Coding使用体验报告（附四大避坑指南）

一、全文速览图

哈喽，这里是Clip设计夹，今天分享的是「Vibe Coding」。

最近身边越来越多设计师在问Claude Code的安装方法，大家都对Vibe Coding产生了很大的兴趣。我自己也在用这种方式快速实现各种想法，一旦体验过就会明白这不仅仅是多了一个方便的工具那么简单。

以前只能在脑海中想象的产品，现在躺着用语言描述就能立刻变成看得见摸得着的原型。

这种变化也彻底改变了我们的工作起点。过去我们会先在Figma里画出各种界面形态，再去考虑技术实现的可行性；现在则完全相反——先搭建核心结构和技术框架，验证功能是否能正常运行，然后再为其赋予视觉风格和设计规范。

仔细想想，这其实才是更合理的产品开发方式，就像制造汽车时，我们总是先打造发动机、车架和传动系统，测试车辆能否正常行驶，最后才给它装上外壳。

现在的AI工作流程变成了"先做出来，再慢慢打磨"，不仅能更快地确定产品方向，也大大降低了尝试新想法的心理负担。

然而，当我反复使用这种方式几次后，却发现了一些微妙的问题。虽然单个步骤确实变快了，但整体项目的完成时间似乎并没有相应缩短。原本以为能一步到位的工作，总是在中途不断暂停、回溯、调整，工期被越拉越长。

尤其是对于不懂开发的人来说，经常会陷入"不对，不是这样的"的循环。如果能掌握AI代理、代码编排和任务协调等高级技巧，Vibe Coding能带来惊人的效率提升。

但今天我们暂时抛开这些进阶内容，专门聊聊普通非专业、非开发背景的用户，在第一次接触Vibe Coding时最可能遇到的问题以及该如何避坑。

二、AI可能一无所知

如果不能准确清晰地传递上下文，无论是人还是AI都会感到困惑。

刚开始使用Vibe Coding时，我们总是习惯用"帮我做个XX"这样的句式开头。我之前也以为只要大致说个方向，然后根据结果慢慢调整就行。

这种方式确实能生成一些东西，但结果往往和预期相差甚远。于是我们不断补充说明、重新生成、反复修改，陷入无限循环。

最后得到的不是我们想要的"精致成品"，而是一个拼凑起来的"补丁产品"。仔细复盘这个过程就会发现，随着对话的推进，我们会不断补充那些一开始认为"理所当然"的信息。

从简单的"帮我做"，逐渐变成"帮我做一个用于XX场景、实现XX功能、按照XX方式运行的XX"。描述越详细，结果就越接近预期，但整个过程也变得越来越复杂。

因此，我们必须改变提问方式：不要只说"帮我做"，而是要尽可能完整地传递所有上下文信息，把你知道的所有相关细节都提前告诉AI。

就像优秀的故事讲述者总是会在开头做好充分的铺垫一样。

❌反面示例

帮我做一个能备份Figma评论的插件。

这样的需求任何人看了都会产生疑问："怎么备份？"、"备份哪些内容？"、"备份后用来做什么？"AI也不例外。

✅正确示例

我想开发一个Figma插件，能够备份文件中的所有评论，并支持将这些评论恢复到其他Figma文件中：

需要备份的元素包括评论者姓名、发布时间和评论内容；
恢复时要求评论能够精确匹配到原文件中的相同位置；
请采用"将备份内容保存为文件，再通过导入该文件进行恢复"的方式实现。

只有先提供完整的上下文，AI才能从一开始就准确理解你的需求，生成符合预期的结果。换句话说就是做好设计相关的需求文档至关重要。

这里有一个简单的练习方法：找一个朋友向他描述一幅画，让他在看不到原画的情况下仅凭你的描述画出来。这个练习会让你深刻意识到，自己平时的表达有多么模糊笼统，也会明白没有任何上下文的"帮我画一条直线"是多么粗暴的需求。

三、AI很聪明但不够有智慧

不可否认，AI的速度确实令人惊叹。在我们还在逐行阅读代码的时间里，AI仿佛已经"用心"理解了所有代码并给出了解决方案。有时和AI交流，真的会产生在和智者对话的错觉。

但很多时候，AI给出的答案其实就像江湖郎中的偏方——看起来很有道理，实则漏洞百出。

比如你让AI做一个登录功能，它能瞬间完成；即使是复杂的后台用户管理系统，它也能很快生成一个看起来像模像样的版本。单从表面看，这些代码似乎已经达到了可以直接上线的水平。

但作为人类，我们有一种宝贵的直觉——当你觉得"这样真的没问题吗"的时候，就应该停下来仔细检查。

登录和用户管理绝不仅仅是做一个界面那么简单：

1. 既然要收集个人信息，就必须考虑数据如何存储；
2. 敏感信息涉及安全问题，必须进行加密处理；
3. 还要设计合理的密码存储方式、完善的权限控制体系，以及配套的用户协议和隐私政策。

这些已经不是单纯的功能问题，而是整个系统的设计问题。在此基础上，你还需要实现账号找回、密码重置等功能，甚至要考虑管理员是否有权限重置用户密码这样的细节。

软件开发就是这样，实现了1个基础功能，就会衍生出10个相关的配套需求。

但AI不会考虑这些。它只会老老实实地帮你做一个"登录功能"，一个"用户管理功能"。每个按钮都能点击，表面上看起来一切正常，但这些代码完全达不到生产环境的要求。

这也是为什么很多公司老板在参加完AI讲座后，兴致勃勃地用AI生成一个原型扔给技术团队说“我们就按这个做”，而技术人员却苦不堪言的原因——“安全问题怎么解决？”、“数据怎么处理？”。

这些被AI忽略的问题，最后都需要真人来填补，往往导致整个架构需要推倒重来。最初用AI节省的时间，最后都变成了更高的返工成本。

❌反面示例

帮我做一个登录功能。

这样的需求只会得到一个最基础的登录界面。

✅正确示例

我需要设计一个符合生产环境标准的登录和用户管理系统。请先帮我梳理完整的系统架构，包括安全设计、个人信息处理流程和权限控制体系。同时列出所有必要的功能模块和推荐的实现顺序。

只有这样提问，AI才能理解你需要的不是一个演示用的原型，而是一个真正可用的系统。它会帮你检查潜在的安全风险，提前规划数据结构，如果某些功能需要大规模修改，也会建议你分阶段实施。

四、AI太会迎合你了

这一点和AI早期的"幻觉"问题有些相似，本质上是因为AI被设计成倾向于认同用户的观点。刚开始体验时，你会觉得"哇，AI居然能理解我的情绪"，这种被认同的感觉非常好。

就像有一个永远支持你的同事，无论你提出什么想法，它几乎都会先说"这是个好主意"，这会让你在项目初期产生一种"我走在正确道路上"的错觉。

但这种"甜味"尝多了就会变成"苦味"。当AI永远说"你是对的"时，你反而会开始怀疑它的可靠性。

因此，我们需要改变提问的方式：不要给AI提供选项让它做选择题，而是要让它主动思考并提出解决方案。

❌反面示例

比起现在这种结构，这样设计是不是更好？

这种提问方式十有八九会得到："是的，您的想法确实更合理。"

✅正确示例

我希望降低用户在当前流程中的中途流失率。请分析现有结构中可能存在的问题，并提出其他可能的改进方案，不必局限于现有的结构。

这样才能避免AI被你的个人观点带偏，让它基于客观情况进行分析，找出影响最小、最能满足用户需求的解决方案。

五、越修改越糟糕

对于使用Vibe Coding的人来说，最让人崩溃的不是"为什么这个功能不能运行"，而是"为什么刚才还好好的，突然就不行了"。

一开始一切都很顺利。功能不多代码简单，你会觉得"既然能运行了，那我就开始加样式吧"。但随着开发的进行，你会不断发现新的需求：这里需要加个功能，那里需要改个逻辑，还要修复各种bug。

比如你想在用户输入错误时弹出一个提示框，但这个提示框就是不显示。AI告诉你"这是个简单的修改"，但改完之后问题依然存在。当你重复三四次"还是没修好"之后，AI也会开始困惑，一会儿试试改这里，一会儿试试改那里。

不知不觉间，原来的提示框问题被遗忘了，而修复bug的过程中又引入了更大的问题——整个页面崩溃了，布局乱了，或者干脆什么都不显示。

打开开发者工具，红色的错误信息源源不断地往上滚。即使好不容易解决了这次的问题，类似的情况还会不断发生。你会发现自己的工作不再是设计代码和架构，而是像"打补丁"一样，哪里破了补哪里。这时你会产生强烈的怀疑感：我这样做真的对吗？

这种情况的根本原因在于，我们总是孤立地解决一个个表面问题，而忽略了这些修改对整个系统的影响。

因此，我们必须改变修改的方式：养成批量提交需求的习惯，而不是想到一个改一个。

❌反面示例

把按钮的内边距调小一点；把文字调大一点；鼠标悬停时改变按钮颜色。

✅正确示例

请按照以下要求进行修改，并在完成后总结修改内容。修改前请务必分析可能产生的影响。

UI一致性：所有按钮统一使用16px内边距；重新调整文字层级关系。
交互效果：优化按钮悬停状态，使其更加明显。
优先级：先完成UI调整，再处理交互效果。

这种方式能显著减少修改过程中产生的错误。AI不再是头痛医头、脚痛医脚，而是能够从整体出发，在理解上下文的基础上进行修改，结果自然会更好。

建议将"请务必分析操作产生的影响"这个要求固化为一个通用指令，让AI在每次修改时都自动执行。

六、最后

不可否认，Vibe Coding确实极大地提升了效率。从用户分析、市场调研、PRD撰写、设计工作、开发对接、QA测试到最终部署，整个流程都可以借助AI快速完成。在将想法转化为实体这一点上，AI几乎已经达到了极致。

但我发现，即使全程保持这种高速度，整个项目的总时长并没有真正缩短。你在前期节省的时间，总会在其他地方以不同的形式找补回来。 用简单的一句话生成代码的代价，就是后续需要不断补充说明、进行大量不必要的修改，甚至最终不得不推翻重写。

因此，我们不能简单地将Vibe Coding视为"更快的开发方式"。虽然它符合MVP产品"快速发布、快速验证"的理念，但"快"本身并不能保证成功。

真正的效率提升，必须建立在充分的分析和精细的规划之上。否则，你只是把所有的问题都推迟到了后期阶段而已。快速生成原型的同时，也意味着快速积累技术债务。

在早期的创意发散和原型验证阶段，我们可以尽情享受AI带来的速度优势。但到了项目中期，必须停下来进行系统性的梳理。一旦错过了这个时机，项目就会开始走弯路、绕远路，陷入无尽的修修补补之中。

而这种梳理工作，恰恰是只有真人才能完成的。这就是所谓的"人机协作"(Human in the loop)——在AI的工作循环中，必须有人工介入和管理的节点。

慢慢来比较快，如觉得有帮助，请点个赞&推荐，分享给更多的朋友，谢谢！