Token导航 LogoToken导航TokenDH.com
研究检索操作浏览器clawhub未标认证来源可访问clear审计通过

vibe-coding-guide氛围编码指南

Agent Skill

vibe-coding-guide 用于查找、检索和筛选相关信息,适合在 OpenClaw 中需要根据关键词、任务场景或来源线索快速定位候选结果时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态,以及是否会触发联网、命令执行或文件读写。

总安装

984

周安装

41

GitHub Stars

公开资料未说明

下载量

328
OpenClaw

安装说明

本站只整理中文说明和来源信息,不托管安装包,也不代用户安装。

GitHub

来源数

2

许可证

MIT-0

最后核验

2026-05-01

来源状态

来源可访问

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手,先确认命令和权限,再让它执行。

请帮我安装这个 Agent Skill:vibe-coding-guide(氛围编码指南)
来源仓库:https://github.com/smseow001/vibe-coding-guide
安装命令:
openclaw skills install vibe-coding-guide
安装前请先检查当前环境是否支持对应 CLI,并向我确认将要执行的命令、安装目录、联网范围和文件读写权限;确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 OpenClaw 从第三方来源获取 Skill;本站只展示命令,不托管安装包,也不自动执行。

ClawHubOpenClaw
openclaw skills install vibe-coding-guide

简介

谷歌开源 AI 编程工作流 - 从需求到代码的快速转化。包含20个专项技能、规范开发流程、7大实战案例。

SKILL.md

name
vibe-coding
description
谷歌开源 AI 编程工作流 - 从需求到代码的快速转化。包含20个专项技能、规范开发流程、7大实战案例。

VibeCoding AI 编程工作流

谷歌开源 · 2.5 万 GitHub 星标 · 20 个专项技能 核心理念:让 AI 按规范流程开发,而不是随意生成代码

一、核心定位

本技能整合 VibeCoding 完整工作流体系,包含:

模块内容
20 个专项技能谷歌团队将真实开发流程转化为 AI 必须执行的规范
规范流程先调研 → 写计划 → 写测试 → 实现 → 复现 Bug → 修复
验收环节代码评审 + 浏览器测试 + 文档整理
7 大实战案例企业级系统 / 仪表盘 / 字幕工具 / 音乐播放器 等

二、20 个专项技能概览

#技能用途
1Requirements Analysis结构化需求描述
2Research Planning调研后写计划
3Test-First Development先写测试再实现
4Prototype Generation生成可运行初版代码
5Validation & Testing运行验证 + 核心功能测试
6Iterative Optimization自然语言迭代修改
7Bug Reproduction先复现再修复 Bug
8Code Review代码评审规范
9Browser Testing浏览器测试流程
10Documentation文档整理规范
11Module Splitting复杂需求拆分
12Context Management保持上下文
13FastAPI Integration后端 FastAPI 开发
14HTML/JS Frontend前端 HTML+JS 开发
15LLM API IntegrationLLM API 调用
16Data Visualization数据可视化开发
17CI/CD Pipeline持续集成/部署
18Security Review安全审查规范
19Performance Tuning性能优化
20User Acceptance Testing用户验收测试

三、核心开发流程

┌─────────────────────────────────────────────────────┐
│                  VibeCoding 规范流程                 │
├─────────────────────────────────────────────────────┤
│                                                      │
│   1️⃣ 明确需求                                      │
│      ↓ 结构化描述(输入/输出/约束条件)               │
│   2️⃣ 调研 + 写计划                                  │
│      ↓ AI 先调研,再制定计划                          │
│   3️⃣ 先写测试                                       │
│      ↓ AI 先写测试用例,再实现代码                    │
│   4️⃣ 生成原型                                       │
│      ↓ 一次一个模块,立即测试                         │
│   5️⃣ 运行验证                                       │
│      ↓ 检查逻辑正确性,忽略样式细节                    │
│   6️⃣ 迭代优化                                       │
│      ↓ 每次 2-3 个问题,逐步完善                     │
│   7️⃣ Bug 修复                                       │
│      ↓ 先复现,再修复                                 │
│   8️⃣ 验收收尾                                       │
│      ↓ 代码评审 + 测试 + 文档                          │
│                                                      │
└─────────────────────────────────────────────────────┘

四、使用步骤详解

4.1 步骤一:明确需求

结构化描述公式

目标:[核心目标]
功能细节:
  - 输入:
  - 输出:
  - 交互逻辑:
约束条件:[限制条件,如"不用真实网络请求,用打印日志模拟"]

示例

目标:构建费用跟踪器
功能细节:
  - 输入:费用金额 + 类别
  - 输出:每月费用统计表
  - 交互逻辑:点击添加 → 显示输入框 → 提交 → 更新列表
约束条件:
  - 不用真实网络请求
  - 用 localStorage 模拟存储
  - 仅限单页应用

4.2 步骤二:生成原型

推荐组合

场景技术栈
快速原型HTML + JS(无需构建工具)
后端 APIFastAPI + LLM API
数据处理Python + Pandas
全栈React/Vue + FastAPI

关键原则

  • ✅ 一次只生成一个功能模块
  • ✅ 生成后立即测试核心逻辑
  • ❌ 不要一次性要求完整项目

4.3 步骤三:运行验证

验证清单

□ 代码是否能运行?
□ 核心功能是否实现?
□ 输入/输出是否符合预期?
□ 边界条件处理?
□ 错误处理?

优先级

  • ✅ 逻辑正确性(最重要)
  • ✅ 核心功能(次重要)
  • ❌ 样式/命名/注释(最后处理)

4.4 步骤四:迭代优化

迭代话术模板

"基于上一版代码,帮我做以下修改:
1. [修改点1]
2. [修改点2]
3. [修改点3]

不要改变其他部分。"

每次迭代原则

  • 每次 2-3 个修改点
  • 改完立即测试
  • 保持上下文(粘贴上一版关键代码)

4.5 步骤五:验收收尾

验收清单

环节检查项
代码评审代码规范、安全漏洞、性能问题
单元测试核心函数测试覆盖率
浏览器测试页面加载、交互、功能
文档README、使用说明、API 文档

五、注意事项

5.1 拆分复杂需求

❌ 错误:大任务一次给 AI
   "帮我做一个电商网站"

✅ 正确:拆分为小模块
   1. 地址选择 → 完成并测试
   2. 商品展示 → 完成并测试
   3. 购物车 → 完成并测试
   4. 结算 → 完成并测试
   5. 支付 → 完成并测试

5.2 保持上下文

迭代时告诉 AI:
- "基于上一版代码修改"
- 或粘贴上一版关键代码
- 明确指出修改位置

5.3 工具选择

工具用途推荐度
VS Code代码编辑器⭐⭐⭐⭐⭐
GitHub CopilotAI 代码补全⭐⭐⭐⭐⭐
CursorAI 原生 IDE⭐⭐⭐⭐
Claude Code命令行 AI⭐⭐⭐⭐
WindsurfAI 编程⭐⭐⭐

5.4 常见陷阱

陷阱后果正确做法
需求太模糊AI 理解偏差结构化描述
一次给太多代码混乱每次一个模块
不测试就继续Bug 累积每步必测
忽略代码评审安全/性能问题必须评审

六、7 大实战案例

6.1 企业级 Text-to-BI 系统

项目内容
需求自然语言查询数据的系统,支持数据可视化
传统耗时2 周
VibeCoding 耗时3 天(效率提升 6 倍
关键步骤结构化需求 → 分模块开发 → AI 生成测试
结果代码减少 20%,Bug 降低 58%,文档 95%

6.2 AI 驱动任务调度仪表盘

项目内容
需求工作订单 → 可视化时间线 + 优先级过滤
实现方式自然语言描述 → AI 生成 HTML/CSS/JS + 后端逻辑
优势快速验证交互,无需 prototyping 工具

6.3 视频字幕自动生成工具

项目内容
需求视频 → 自动生成 SRT 字幕 + 时间轴
流程语音识别 → 翻译 → 字幕文件
效率传统数小时 → AI 10 分钟(90% 工作)

6.4 个人项目:音乐播放器原型

项目内容
需求复古风格播放器(播放/暂停/音量/浏览)
实现方式描述交互逻辑 → AI 生成 HTML5 Canvas + JS
结果2 小时完成可交互原型

6.5 招聘简历分析仪表盘

项目内容
需求上传简历 → AI 分析技能 + 匹配岗位 + 生成报告
流程自然语言 → Python (pandas + LLM) → 可视化报告
效率人工筛选效率提升 80%

6.6 跨境 AI 应用(不懂代码)

项目内容
案例"发型模拟" 应用(上传照片 → 预览不同发型)
流程中文描述需求 → AI 调用图像生成 + 前端框架
结果无需编码,3 天完成 MVP 上线

6.7 团队协作:初级开发者效率提升

项目内容
模式初级开发者用 VibeCoding,资深开发者专注架构
效率对比初级产出提升 5 倍,资深专注架构优化

七、行业应用

行业应用场景
科技/软件开发快速原型、代码生成、测试
视频/内容创作自动字幕、剪辑自动化
企业应用/数据分析自然语言 BI、仪表盘
创业/出海非技术创业者快速验证 MVP
工具/脚本开发数据处理、文件操作自动化

八、优势总结

VibeCoding vs 传统开发

维度传统开发VibeCoding
需求到代码数周数天
原型验证需原型工具自然语言 → 可运行代码
迭代速度慢(手动改代码)快(AI 批量修改)
测试生成手动编写AI 自动生成
文档容易忽略AI 同步生成

VibeCoding vs 纯 AI 生成

维度纯 AI 生成VibeCoding
流程规范❌ 随意✅ 规范流程
代码质量❌ 良莠不齐✅ 先测后写
可维护性❌ 低✅ 高
复杂需求❌ 容易混乱✅ 拆分模块

九、使用方式

触发场景

用户说「帮我用 VibeCoding 做一个费用跟踪器」→ 展示完整流程
用户说「VibeCoding 怎么做」→ 展示使用步骤
用户说「有哪些案例」→ 展示 7 大实战案例
用户说「AI 编程工作流」→ 展示规范流程图
用户说「需求怎么描述」→ 展示结构化描述模板

组合使用

用户:「帮我用 VibeCoding 开发一个博客系统」
→ 步骤一:明确需求(结构化描述)
→ 步骤二:拆分模块(用户模块、文章模块、评论模块)
→ 步骤三:生成原型(每次一个模块)
→ 步骤四:迭代优化
→ 步骤五:验收收尾

十、与其他技能关联

本技能关联技能关系
VibeCodingbrowser-use浏览器自动化测试
VibeCodingai-research-toolsAI 辅助开发
VibeCodingthinking-knowledge-system思考四层次(需求分析)
VibeCodingmckinsey-frameworks战略分析框架

十一、参考资料

  • GitHub: addyosmani/agent-skills (25k ⭐)
  • 工具推荐:VS Code + GitHub Copilot / Cursor / Claude Code

*本技能整合 Google VibeCoding AI 编程工作流的完整规范与实战指南*

适合场景

01

OpenClaw 用户查找和安装 Skill 时

02

用户想查找某类 Agent Skill 时

03

需要根据任务场景推荐可安装能力包时

04

需要对比不同来源的安装命令和来源信息时

能力概览

能力 1

按任务关键词查找相关 Skills

能力 2

展示可复制的安装命令

能力 3

保留来源站点、仓库和原始说明,方便继续核验

能力 4

补充不同宿主或平台的使用分布数据

能力 5

展示第三方安全扫描或审计结果

安装后应在对应宿主中按原始 README 的触发条件使用;具体调用方式请以来源页面和 README 为准。

平台分布

OpenClaw

87.58%
按下载量换算287

安全审计

VirusTotal

通过

ClawScan

通过

Static analysis

通过

权限和风险

操作浏览器

该 Skill 可能涉及浏览器控制能力,使用时可能读取或操作网页内容,需要在受控环境中确认权限边界。

安装前确认

本站仅展示第三方公开信息,不托管安装包,不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。当前只有一个来源,正式发布前建议补源仓库或其他目录站核验。

来源信息

继续浏览同类 Skills