聊聊这段时间Vibe Coding的一些感受

最近一年，随着各种 AI 工具和智能体不断出现，我使用 AI 的频率也越来越高。从最开始偶尔问几个问题、查点资料，到现在写代码、做技术选型、分析问题，甚至从零开始做一个完整的小项目，我越来越习惯先问问 AI，看下AI给我的技术选型和我所想的有多大差别，差多少？原因也很简单：AI用起来确实太方便了。

最开始只是拿它查资料、分析报错、写一点零散代码，后来慢慢变成：只要脑子里冒出一个想法，我就会下意识想，这个东西能不能先让 AI 帮我做出来？

从第一个真正意义上通过 Vibe Coding 完成的桌面应用 灵藏 SnipVault，到后来陆续折腾待办工具、小程序、YOLO 图像标注软件，我越来越明显地感受到，AI 改变的不只是“写代码的速度”，更重要的是，它降低了把一个想法变成软件的门槛。

以前想到一个东西，第一反应是：这个技术我会不会？
现在更多是：要不先做一个试试？

先让 AI 帮你做技术选型

如果本身会一些技术，可以自己定技术选型、项目架构，然后让AI根据你的想法或者需求帮你实现你需要的功能。

不过我觉得现在做个人项目，一个挺有意思的方式是：

先别急着写代码，把需求交给 AI，让它帮你梳理架构和技术选型。

比如想做一个桌面端软件。

可以选择 Electron。它最大的优势是前端开发体验成熟，JavaScript / TypeScript 生态也很完整，对于熟悉 Web 技术的人，上手成本很低。

但代价也很明显：Electron 应用通常需要一起打包 Chromium 和 Node.js 运行环境，所以最终安装包和运行时占用往往会比较大。

如果比较在意软件体积，也可以考虑 Tauri，不过相应地需要在兼容性上做出一些取舍，毕竟Tauri是使用系统WebView + Rust，取代了Electron中的浏览器内核以及node运行环境，不同的操作系统WebView并不一致。

Tauri 可以继续使用 Vue、React 等前端技术完成 UI，底层逻辑则可以交给 Rust。它不会给每个应用完整打包一套 Chromium，而是在 Windows 上使用系统的 WebView2，因此最终打出来的软件通常要轻量很多。

当然它也不是没有代价。

Rust 的学习成本会高一些，而且在较老的 Windows 环境里，也需要注意 WebView2 Runtime 是否已经安装。

有意思的地方就在这里。

以前面对 Electron、Tauri、Rust、WebView2 这些东西，可能得自己查大量资料，再慢慢比较。

现在完全可以先告诉 AI：

“我要做一个桌面端应用，主要功能是什么，目标平台是什么，我更在意安装包大小还是开发效率，请帮我比较 Electron、Tauri 等方案，并给出一个架构设计。”

先讨论，再选择，再让它搭骨架。

AI 很适合做这种项目早期的技术陪练。

SnipVault：第一次真正体验 Vibe Coding

我第一个比较完整通过这种方式做出来的项目，是 灵藏 SnipVault。

这是一个代码片段管理工具，使用 Rust + Tauri + 前端技术实现，也是我第一次比较深入地体验所谓的 Vibe Coding。

项目已经开源：

GitHub： https://github.com/rainerosion/snipvault

以前如果让我使用一个并不算特别熟悉的技术栈做桌面应用，我大概会先看 Rust，再看 Tauri 文档，然后研究前后端通信、系统 API、打包……

等真正开始做，热情可能已经消耗掉一部分了。

但这次基本变成了：

先做 → 遇到问题 → 问 AI → 理解 → 修改 → 继续做。

这也是 SnipVault 给我最大的感受：

AI 并没有让我突然精通 Rust，但它让“不会 Rust”这件事情，不再成为我开始这个项目的障碍。

尝试实现更多想法

SnipVault 做完之后，我逐渐找到了这种开发方式的节奏，然后又陆续把更多想法，变成看得见用得着的东西。

1.EasyStep Do · 行简

一个很简单的桌面待办应用，同样基于 Tauri 实现。

项目已经开源：

GitHub： https://github.com/irains/EasyStep-Do

这个项目其实也挺能说明我现在做东西的心态。

不一定每个项目都要很复杂，也不一定要奔着做一个“产品”去。

有时候只是自己有一个需求，觉得现有软件不完全符合自己的习惯，那就自己做一个。

AI 让这种“小而私人”的软件变得越来越值得去做。

2.陪你办小程序

后来还做了一个已经实际上线的小程序——陪你办。

后端主要用了：

Python + FastAPI + PostgreSQL。

这个项目没有开源计划，因为涉及的内容也更多一些，前面单独写了一篇文章聊聊整个开发过程。

项目介绍： 「陪你办」小程序开发杂记

相比前面的桌面小工具，这个项目让我进一步感受到：AI 能参与的已经不仅仅是“帮忙写几个页面”。

从数据库设计、接口设计，到后端逻辑，再到一些具体问题的排查，都可以先和 AI 讨论，再一点一点落地。

3.YOLO Annotator

最近又因为实际工作和个人兴趣，做了一个 YOLO Annotator 目标检测图片标注软件。

它主要面向目标检测数据集制作场景，目前支持：

图片文件夹导入、快速画框标注、类别管理、数据集划分等功能。

这个项目暂时也没有开源计划，功能都还没有完善好。

做这个工具的时候，我有一种特别明显的感觉：

以前碰到这种需求，我的第一反应可能是去 GitHub 搜：

“有没有现成工具？”

现在则越来越容易变成：

“要不按照自己的需求直接做一个？”

这可能才是 AI Coding 给我带来的最大变化。

AI 不只是降低了写代码的成本

现在大家聊 AI 编程，经常会讨论：

AI 到底能让开发效率提高多少？

但用了这几个月之后，我越来越觉得，更重要的其实不是“原本一个小时的代码，现在二十分钟写完”。

而是：

很多以前根本不会动手做的东西，现在真的会去做了。

因为以前做一个软件，需要先考虑：

技术会不会？

框架熟不熟？

要花几天？

这个需求值不值得投入这么多时间？

最后很多小想法都会停在：

“算了，有空再说。”

然后这个“有空”通常就再也没有出现。

现在 AI 把试错成本降了下来。

一个工具哪怕只有自己用，也可以做。

一个项目哪怕最终只活几个月，也没关系。

甚至写到一半觉得没什么意思，直接扔掉也不会有太大心理负担。

从 SnipVault、EasyStep Do，到陪你办，再到 YOLO Annotator，我感觉自己越来越习惯一种新的开发方式：

先把想法做出来，再决定它值不值得继续。

写在最后

AI 当然不是万能的。

它会写错代码，会一本正经地使用不存在的 API，也会出现改好了 A 又弄坏 B 的情况，会让你在无形之中踩上不少坑。

所以真正使用 AI Coding 以后，我反而觉得“判断能力”越来越重要。

你还是得知道自己想做什么。

得判断它给出的架构是不是合理。

得知道什么时候继续修，什么时候应该推倒重来。

但它确实让我少了很多面对陌生技术时的顾虑。

AI 没有让我突然精通 Rust，也没有让我突然变成计算机视觉专家。

很多东西我依然不会。

只是“不会”这件事情，好像已经没有以前那么可怕了。

以前面对一个想法，我首先考虑：

我能不能做？

现在更多时候，我会先打开 AI：

来，我们先试试。