我的vibe-coding流水线：语音、研究、生成

在上一篇文章中，我解释了为什么vibe coding不是玩具，以及今天在AI创业公司做CTO意味着什么。很多人问我具体的工作流程。请看。

这就是我们每天构建Agely的方式。没有理论。只有工具、技术和我如何串联它们。

在讨论工具之前，要理解一件事：目标从来不是写代码。目标是生成正确的规格说明，让AI来写代码。你的工作变成了编排，而非执行。

这需要思维转换。你不再思考"我该怎么实现这个？"而是开始思考"我该如何足够精确地描述它？"

对于复杂项目，我先说。用ChatGPT的语音输入来生成提示词。我口述我想要什么，然后让它重新组织成结构化的提示词。

魔法在Canvas。一旦ChatGPT结构化了我的提示词，我就保存到Canvas中。这给了我一个干净的文档，可以复制粘贴也可以直接编辑。它成为我不断打磨的工作规格。

我让ChatGPT包含的内容：

关键是我不打字，我说话（法语或英语都行）。快10倍，而且更好地捕捉细微差别。

当我需要在构建之前理解复杂主题时，使用Claude Opus的扩展研究模式。AI不只看10或20个来源，而是探索数百甚至上千个来源。需要时间，但你会得到一份全面的markdown报告作为参考材料。

我用它做：

输出是一份报告，然后我可以注入到编码提示词中。这意味着写代码的AI有前沿知识，而不仅是训练数据。

实际代码生成用Windsurf（有人偏好Cursor，都行）。模型始终是Claude Opus 4.6 Thinking。是的，贵。但当你加速10-30倍时，成本变得无关紧要。

流程：

典型的功能开发是这样的：

我不逐行阅读生成的代码。那违背了初衷。

我实际检查的：

其余的？如果能编译、通过测试、符合linter规则，我就信任它。重点是把注意力放在重要的地方：架构决策、复杂逻辑，以及确保AI理解了你的意图。

在Agely，每个功能都通过这条流水线。

过去需要10人团队数月完成的工作，现在由一个开发者在AI加持下完成。不是因为AI替代了思考，而是因为它消除了打字这个瓶颈。

范式已经转变。工具就在这里。问题是你会构建让自己效率提升10倍的工作流，还是继续逐行写代码。