Vibe Coding 之我们距离 “贾维斯” 还有多远
1分钟看图掌握核心观点👇 图1 VS 图2，您更倾向于哪张图来辅助理解全文呢？欢迎在评论区留言。 Vibe Coding 一年多了，最近试了 Claude Code。现在这个场景变得特别常见：我可以边做饭边写代码，顺便还能撸个猫。 听起来很玄？其实就是这样：我只要把想法说清楚——比如"做个用户登录页面"，AI就会自己去翻项目文件、理解代码结构、查看接口文档，然后一步步把功能实现出来。我完全不用一直盯着屏幕，去倒杯水、拿个快递，回来就能看到能跑的代码。 这种体验让我想起了《钢铁侠》里的贾维斯——一个真正懂你、能独立工作的智能助手。虽然现在的 AI Agent 主要还是在编程领域，但我相信这种"协作模式"会扩展到更多场景。 图片来源于漫威电影片段截图 也许每个人都会有自己的"贾维斯"。想象一下：设计师只需要说"我想要一个温暖的品牌形象"，贾维斯就能从市场调研到视觉设计全套搞定；医生描述症状，贾维斯瞬间整合全球病例数据给出诊断建议；老师说想让学生更好理解量子物理，贾维斯就设计出沉浸式的教学方案... 这篇文章想分享一下我的体验和思考。即使你不写代码，这些协作的思路也许对你有用。 开场先讲清三件事：目标是什么、背景信息在哪、有什么限制条件。信息越清楚，执行效果越好。这样 AI 就知道边界在哪，不会跑偏。 任务大小动态调整：我不会一开始就把任务切得很细，而是先给一个相对大的目标。如果 AI 卡住了或者理解偏了，我就分析原因，把任务拆得更具体。这个过程很像项目管理——需要判断是需求不清楚、信息不够，还是执行思路有问题。 执行中的关键决策点：AI 工作过程中会遇到很多选择：用什么方案、怎么处理异常情况、如何平衡各种因素。这些地方它会主动问我，或者我看到结果不对会及时纠正。这种反复对齐想法的过程，其实是整个协作的核心。 基于反馈的迭代：每个阶段性成果都是一次反馈。不是按时间切分，而是按"能否验证"来切分。做出来了、能用了、效果出来了，这些都是天然的检查点。 用了这套方法后，效率确实提高了很多。但用得越多，我越发现离真正的贾维斯还有明显差距。 仔细想想贾维斯和现在AI的区别：贾维斯不需要托尼每次都详细解释背景，它"记得"之前所有的项目、偏好和决策模式。而我现在每次还得从头描述上下文，重新磨合工作习惯。 差距1：缺少持续记忆 每次协作都要重新"磨合"。即使是做过很多次的任务，我还是得重新解释背景、重新设定边界。AI没有"工作记忆"。 差距2：意图理解还需反复对齐 传统的聊天模式很低效——你说一大段，AI理解偏了，再纠正，来回好几轮。虽然也能解决问题，但这个过程还是很"手工"。 差距3：决策点太依赖人工 真正有挑战的不是让AI干具体的活，而是那些需要人来决策的地方： 能不能把这些痛点系统化解决？ 先找到重复的操作，把这些重复的协作模式"重构"一下 实战案例：我给 AI 搭了条"流水线" 我在一个 Next.js 全栈项目里，我做了一套标准化的工作流 效果：现在 AI 可以在 5 分钟内从数据库到后端到前端完成一个完整的 业务功能。 小科普：Next.js 是一个全栈框架，可以在一个项目里同时写前端和后端。它的 Server Actions 功能让你可以直接在前端调用后端函数，就像调用普通函数一样，不需要写传统的 API 接口（也可以写接口）。 核心是三件事： 1. 基础能力已经封装好，直接用 2. 定义统一规范 3. 固化工作流程 举个例子，我说："做一个景点管理功能，包括增删改查。" AI 就按照固定的流程开始工作了： 1. Schema 定义(数据的"身份证"，只写一次，前后端都用) 2. Server Actions(后端函数，注意这里用了同一个 attractionFormSchema) 3. 前端表单(同样也用 attractionFormSchema) 4. 数据表格(列配置 + 数据，配置化表格直接渲染) 为什么这么快？ 因为我不需要每次都解释"怎么做表单校验"、"怎么调用接口"、"怎么展示列表"。这些基础能力都已经封装好了，AI 只需要： 上面的代码，attractionFormSchema 这个变量： 这就像搭乐高： 更关键的是可复用：这套标准适用于任何 CRUD 场景。做"用户管理"、"订单管理"、"商品管理"，流程完全一样，只是改改 schema 字段。 我只需要告诉 AI "要管理什么数据"，剩下的都是标准化执行。这就是"模板化"的价值——把重复的协作模式提炼成标准流程，让 AI 可以直接套用。 上面的 CRUD 只是一个例子。要想真正建立起这套协作模式，需要在几个方面持续积累： 那些关键的决策点——什么时候需要拆分任务、什么时候该换思路、哪些反馈信号最有效。这些"套路"可能比具体的执行技巧更有价值。 我总结的几个决策规则： 这些决策规则就像"编程规范"，一旦记录下来，AI 每次遇到类似情况都能按规则处理，不需要我反复提醒。 观察哪些任务描述效果好，哪些容易让 AI 理解偏。 效果好的描述方式： 我的沟通技巧： 沟通的本质是降低理解成本，越具体的描述，AI 的执行越准确。 不同类型的工作，人机协作的方式是不同的。我把协作模式分成了几类： 执行型任务（AI 主导） 探索型任务（人机平衡） 创意型任务（人类主导） 学习型任务（双向互动） 关键发现：执行型任务标准化程度越高，AI 效率越高。这也是为什么 CRUD 这种重复性工作最适合用 AI。 一次提炼，多次复用，这才是标准化协作模式的真正价值。 这让我想到一个有趣的可能性：如果有一个系统能够： 这不就是贾维斯的初级形态吗？ 这样的系统可能比单纯的 AI 工具更有价值。它不只是帮你干活，还能帮你总结经验、优化流程。 分享这些体验，主要是想抛砖引玉。我相信很多人都有类似的感受，也有自己的协作技巧。 如果把这些个人经验汇聚起来，会不会产生一些有趣的化学反应？比如： 我觉得这些问题比单纯提升 AI 能力更有意思。毕竟，真正的贾维斯不只是一个更强的助手，而是一个懂你的协作伙伴。 这一天，可能比我们想象的更近。关键是要找到正确的路径。 *本文仅分享作者基于个人技术实践的思考和主观观点，不构成决策依据。作者：vivo 互联网项目团队- Ding Junjie
摘要：作者通过使用Vibe Coding和Claude Code等AI编程工具的实践经验，分享了与AI协作的方法和技巧。文章探讨了当前AI工具与理想中"贾维斯"智能助手的差距，包括缺少持续记忆、意图理解需反复对齐、决策点过于依赖人工等问题。作者提出了通过模板化常见场景、记录决策过程、优化沟通方式等方法来改进人机协作模式，并构想了一个包含记忆层、执行层、学习层的AI组织者系统，为实现更智能的人机协作提供了思路和方向。
一、前言
二、我是怎么和 AI 协作的?
三、距离贾维斯，我们还差什么？
四、一口吃不成胖子，但是一定有向前探索的路径
// 表单用的 schema - 定义用户要填什么
const attractionFormSchema = z.object({
name: z.string().min(1, '名称不能为空'),
cityId: z.string().min(1, '请选择城市'),
minDays: z.coerce.number().int().positive(),
imagePaths: z.array(z.string()).optional()
});
// 列表用的 schema - 定义展示什么数据
const serializableAttractionSchema = attractionFormSchema.extend({
id: z.string(),
createdAt: z.date(),
city: z.object({ id: z.string(), name: z.string() }),
images: z.array(z.object({ path: z.string() }))
});// 创建景点的后端函数
exportconst createAttraction = authActionClient // 需要登录才能调用
.inputSchema(attractionFormSchema) // ← 和前端用的是同一个 schema！
.action(async ({ parsedInput }) => {
// parsedInput 已经过校验，类型安全
const attraction = await prisma.attraction.create({
data: parsedInput
});
return { success: true, data: attraction };
});const form = useForm({
resolver: zodResolver(attractionFormSchema), // ← 还是这个 schema！前端自动校验
defaultValues: { name: '', cityId: '', minDays: 1 }
});
const onSubmit = async (values) => {
// 直接调用后端函数 createAttraction，就像调用本地函数一样
await createAttraction(values);
};const columns = [
{ id: 'name', header: '景点名称', enableSorting: true },
{ id: 'city', header: '所在城市', enableSorting: true },
{ id: 'minDays', header: '建议游玩天数', enableSorting: true }
];4.1 记录决策过程
4.2 优化沟通方式
4.3 分类协作模式
🤔 贾维斯初级版：AI 组织者系统
如果要设计这样一个系统，也许需要这几个部分：
📚 记忆层 🎯 执行层 📊 学习层
┌─────────────┐ ┌─────────────┐ ┌─────────────┐
│ 工作模板？ │◄───────►│ 任务拆分？ │◄──────►│ 效果分析？ │
│ 成功案例？ │ │ 进度跟踪？ │ │ 模式识别？ │
│ 踩坑记录？ │ │ 质量把关？ │ │ 持续优化？ │
└─────────────┘ └─────────────┘ └─────────────┘
▲ ▲ ▲
│ │ │
└────────────────────────┼───────────────────────┘
▼
┌─────────────────────┐
│ 🤖 协调中心？ │
│ │
│ 这里应该做什么？？ │
│ • 理解用户意图？ │
│ • 调度各个模块？ │
│ • 整合反馈信息？ │
└─────────────────────┘五、写在最后