@trq212：我看到最常见的失败情况，是人们在专业领域之外工作时，不知道如何精确地……
摘要
一条关于 vibe coding 的讨论推文，指出非专业领域人士使用 AI 编码时最常见的失败原因是提示词不够精确，导致大量无效迭代，并引用了一个耗费 40 亿 token 才做出国际象棋网页应用的极端案例。
查看缓存全文
缓存时间: 2026/10/08 14:17
我看到的最常见失败案例是，人们在自己专业领域之外工作，不知道如何精确地编写提示词和制定计划，结果不得不花费大量轮次进行模糊的迭代。
Brian Lui (@brianluidog)： 我认为程序员在与非程序员相比时，有点低估了自己的 vibe coding 优势。我认识一个人，花了 40 亿 token 来制作一个国际象棋 web 应用。
相似文章
@sujingshen: https://x.com/sujingshen/status/2072497223850668513
批评Vibe Coding风格，指出自然语言需求的不精确性导致AI Agent产出需要大量返工，提倡spec-driven development以确保安全性和生产质量。
@Xudong07452910: 这篇论文很适合所有重度使用 Claude Code、Codex 或者其他AI Agent 的人看。 它研究的不是 Agent 在 benchmark 上怎么失败，而是一个更真实的问题： 在真实开发里，AI coding agent 到底是…
This paper analyzes 20,574 real-world coding-agent sessions to identify how AI agents misalign with developer intent, finding that constraint violations and inaccurate self-reporting are the most common failure modes, imposing trust and effort costs rather than irreversible damage.
作为从未写过代码的人，我在“氛围编程”中踩过最大的坑
一位非工程师分享，在AI辅助的“氛围编程”中，最大的陷阱不是提示词，而是如何验证AI的修复是否真正解决了根本原因，还是仅仅修补了某个特定情况，导致代码脆弱。他提供了实用技巧，比如询问修复是通用的还是针对特定情况的，以及维护一份持续更新的设计文档。
@KengGuangLong: Vibe Coding 时代，为什么软件工程反而更重要了？ AI 让代码跑起来的成本趋近于零了。写一个功能、出一个原型，速度快到离谱。但瓶颈也跟着变了：现在最难的地方，是这个东西以后还能不能改。 Vibe coding 最大的问题，就是让…
在 Vibe Coding 时代，AI 让代码生成变得容易，但软件工程的原则如代码可维护性和设计模式变得更加重要，以解决审查、调试和重构的挑战。
@BTCqzy1: Codex 5.6 最强隐藏提示词：让 AI 不再盲目执行，而是先帮你找错！ 很多人用 Vibe Coding 最崩溃的时刻： AI 花几个小时写完代码，token用完了，最后才发现——方向从一开始就错了。 因为 AI 擅长执行，却不会主…
本文分享一个针对 Codex 5.6 的隐藏提示词，让 AI 在接受任务前先审查需求中的错误前提、逻辑漏洞和风险，从而减少返工并节省 token。