KEEL · 龙骨 · A CURRICULUM FOR THE AI ERA
AI Vibe Coding 实战手册 — keel 龙骨
AI Vibe Coding 实战手册 的参考信息：AI Vibe Coding 实战手册
一句话版本：AI 缺的不是智力，而是约束与判决标准；这两样只能由你给。
用对话式驱动开发推进真实项目的一份操作清单：怎么给 AI 喂上下文、怎么拆任务、怎么验证与回退，以及那些一定会踩的坑。
这门课程不是讲某个工具怎么用，而是讲协作方式：同样一个模型，上下文给得对，它是高级工程师；上下文给得糙，它是自信的实习生——而且它犯的错高度重复，可以被归类、被预防、被门禁拦住。
这门课建立在什么之上
三条公开研究给出的问题是真实存在的，不是危言耸听：
- GitClear 对 6.23 亿次代码变更的统计（2023—2026）：重复代码块 +81%，重构占变更行从 21% 跌到 3.8%，复制粘贴 +67%，对 12 个月以上旧代码的维护 -74%，错误掩盖结构 +47%。
- METR 随机对照试验：16 位资深开发者在百万行级仓库上做 246 个任务，允许用 AI 时反而慢 19%，而他们事后认为自己快了 20%。
- Stack Overflow 2025：84% 在用 AI 工具，信任度降至 29%；66% 反映"方案几乎对但不完全对"，45% 说调试 AI 代码比调试自己写的更费时。
归因不是"模型不够聪明"，而是三件事错位：成本结构变了（写代码的成本让位于理解代码）、激励目标是原子化的（happy path + 通过的测试 + 关闭的工单，税记在看不见的地方）、人的感知不可靠（必须度量）。
所以这门课只做三件事：给上下文、定契约、加门禁与度量。
章节
| 章节 | 内容 | 什么时候读 |
|---|---|---|
| 01 · 为什么 vibe coding 会在某个规模失灵 | 三条研究数据、三条归因、上下文三件套、开场白模板 | 第一次，以及说服别人的时候 |
| 02 · 场景 A：已有代码库迭代 | 先考古后落笔、同类锚点、范围控制、回退点 | 接手或维护现有项目 |
| 03 · 场景 B：从 0 到 1 新建 | SDD 规格驱动开发六步、Constitution、Red-Green、三层承诺 | 起新项目 |
| 04 · 五道通用护栏 | 依赖、变更范围、一致性、验证、安全；CI 作为规格守卫 | 每轮改动的验收 |
| 05 · 失败模式速查表 | 12 类高频失败与反制、三条元规则、真实事故复盘 | review 时对照 |
| 06 · 工作流与模板 | AGENTS.md、任务单、开工三问、Git 节奏、回退策略 |
直接复制使用 |
| 07 · 度量与门禁 | 原型悬崖、五个可观测指标、门禁金字塔、什么时候别用 AI | 建立长期机制时 |
每章的结构（也是高级课程的自检标准）
每章除正文外，都包含三段可操作部分：
- 动手：可观察结果——做完应该产出什么、用什么命令验证、看到什么算过；
- 故障注入——故意做错某个步骤，观察它坏在哪，把这些坏法变成日后一眼认出的模式；
- 自测题——通常 5 题，答不上来说明那一块的判据还没建立。
评审一门 AI 协作类课程是否达标，可以问六个问题：目标与前置是否清楚、是否有逐章实践、是否有可观察结果、是否设计了故障注入、是否有自测题、是否有自动化或评估门禁。 本课程的答案是：有、有、有、有、有、有（第 04 与第 07 章给出可落到 CI 的门禁）。
三条最重要的判断
- 不验证就不算完成——AI 说改好了是意见，命令输出才是事实。
- 先怀疑上下文，再怀疑模型——大多数"AI 今天不灵"都能归因到上下文变化、跨模块、未知约束或需求歧义。
- 每轮结束把教训写回约定文件——这是让协作能力复利增长的唯一步骤。
替身边界
这份材料讲的是协作方法，不替代任何具体技术栈的系统学习；它也不承诺"用了就一定更快"——数据显示方法不当反而会变慢。未覆盖的部分包括：具体工具的配置细节、多智能体并行编排的工程实现、团队级 AI 编码平台搭建，以及许可证兼容性、数据跨境、生成代码著作权等合规深度议题。