核心原则#

回顾整个开发过程，我总结出以下 6 条提示词工程原则：

1. 给上下文 > 给命令#

不要只说"帮我做 X"，要说"我要做 X，因为 Y，我的环境是 Z"。

❌ “帮我加 Celery”

✅ “改造为 Celery 异步。我的电脑是 Windows 系统，目前用 Django 3.2.9，没有安装 Redis”

后者让 AI 直接选 SQLite broker，省去了我安装 Redis 和排错的时间。

2. 先计划后执行#

大型任务不要让 AI 直接写代码。我的做法是：

1. 先让 AI 出方案（Plan Mode）
2. 我审查方案，确认技术选型和架构
3. 再让 AI 按方案执行

我的平台有 5 次大的 Plan-then-Execute 循环，每次 AI 都会先输出一个详细的计划文件（如 day1-2-plan.md），确认后才动手。

3. 分阶段推进，每阶段验证#

4. 遇到错误时，把完整信息喂给 AI#

错误日志 + 操作步骤 + 你期望的行为，三者一起给。AI 排查 Bug 的速度会快 10 倍。

5. 问"为什么"比说"改掉"更有价值#

当你不理解某个现象时，先问为什么。AI 的解释会帮助你做出更好的决策，而不是盲目地修修补补。

6. 用角色设定提升回答质量#

“请你扮演一个有 10 年 Django 和 ML 工程经验的资深开发者，帮我审查这个架构方案。”

这类角色设定会让 AI 的回答更注重工程实践和边界条件，而不是只给你一个"能跑的 demo"。

核心文件结构#

mysite/
├── ml_platform/
│   ├── utils/
│   │   ├── ml_utils.py          # ~4200 行，ML 核心管道
│   │   ├── progress.py          # 训练进度回调
│   │   └── error_classifier.py  # 错误分类器
│   ├── tasks.py                 # Celery 异步任务调度
│   ├── views.py                 # 28 条 API + 12 个页面
│   └── templates/               # 11 个 HTML 模板
├── mysite/
│   ├── settings.py              # Django + Celery 配置
│   └── celery.py                # Celery 入口
└── media/                       # 用户数据/模型/图表

写在最后#

Vibe Coding 不是"让 AI 帮你写代码"，而是 你做架构师，AI 做工程师。你需要理解业务需求、能判断方案好坏、会设计验证策略。AI 负责把你的意图翻译成可执行的代码。

最后一点：每一行 AI 生成的代码，我都读过了。不是为了完全理解每行代码的细节，而是为了确保它做的是我想要的事情。这是 Vibe Coding 的底线——你可以不理解每一行代码怎么工作的，但你必须理解它 做了什么。

本文博客也是让AI结合我的开发日志及学习笔记进行创建。