#模型时代# 一位创业公司CTO的2025年Vibe Code指南：在我们公司，CEO也能动手做产品原型

这是一个一线创业公司CTO的真实工作分享，来自3月份Snapbar的CTO Patrick Ellis在Foundations（仅限邀请的AI创业公司创始人组织）上的分享。作为一家早期创业公司，Snapbar拥有约8名全职员工（含承包商共13人左右），他们专注于事件营销平台，提供一套AI工具帮助市场营销人员在不同场景中工作。多说一句，10人团队，现在是创业公司的标配。

Patrick Ellis做过近 2 年的 AI 工程和LLM辅助软件开发、UI/UX 设计，他们在创业战略构思、市场研究、营销等各个方面都在使用 AI CodeGen 工具(如Cursor、Windsurf、Bold.new、Lovable.dev 和 MCP)的最佳建议。

我印象最深刻的是这一句："对于我们团队来说，真正有价值的是赋能非技术人员的能力，"Patrick解释道，"即使是我们的产品人员、销售团队，甚至CEO，都能够原型化并探索想法，然后由工程团队接手。"所以，Vibe Code的最佳价值就是填平能力鸿沟，让工作链条上每一个都具备相对全面的能力，显然这可以快速拉齐工作语言，提升项目进度。唯一的要求是，项目组每一个人都要具备这个能力。

对了，幻灯片地址在这里：www.canva.com/design/DAGhkPCg_zY/-FXunnoWcXQSpZylMAZLLQ/edit

***
一、AI驱动的"Vibe Coding"及其工作流程

"Vibe Coding"（直译为"氛围编程"）是Patrick分享的第一个关键领域，指的是通过AI工具进行快速、流畅的代码生成和原型设计。在Snapbar，他们的工作流程主要依赖于bolt.new或lovable.dev进行从零到一的绿地开发，然后使用Cursor、Windsurf或Cloud Code进一步完善。

"对于我们团队来说，真正有价值的是赋能非技术人员的能力，"Patrick解释道，"即使是我们的产品人员、销售团队，甚至CEO，都能够原型化并探索想法，然后由工程团队接手。"这种方法尤其适用于开发较为短暂、较少需要长期维护的功能，如画廊或幻灯片展示。

更复杂的功能采用不同的方法。Patrick指出："对于更复杂的项目，我们使用bolt.new和lovable.dev来帮助非技术人员有效地向工程师传达需求。"这些工具成为了Figma加上需求文档和工程师反馈的综合替代品。通过这种方式，产品团队可以与AI模型互动来了解可行的功能范围，而无需占用真实工程师的时间。

"这个工作流程能够替代Figma来设计我们的许多应用，"他补充道，"尤其是对于早期阶段的创业公司，有大量新开发和新功能需要实现，这种方法非常适合。"

二、传统开发工作流程的AI增强

虽然"Vibe Coding"有其优势，但Patrick强调了一种更为严谨的方法，即增强传统软件开发流程。这种方法把AI模型视为结对编程伙伴或思维伙伴，而非完全依赖它们。

"我认为这与'程序员的橡皮鸭'有些相似，"Patrick打了个比方，"编程时人们常在桌上放个橡皮鸭，可以向它解释代码，即使它是无生命的物体。有趣的是，现在我们有实际可以交谈并反馈的工具，帮助我们保持工作流畅，同时提供真实的反馈和见解。"

这种方法的核心是将AI作为编程助手，而非完全接管编程任务。Cloud Code文档为这种迭代方法提供了具体指导。通过这种结对编程方法，团队能够创建真正可生产级、可扩展的代码库，因为工程师仍然参与思考过程、代码审查和设计过程。

"这不是'vibe coding'，"Patrick解释说，"我认为这更像是传统编码，但具有传统软件工程工作流程的纪律性。尽管如此，这仍然是生产力的巨大倍增器，至少在我们的环境中是这样。"

三、企业客户解决方案工程的自动化

Patrick分享了一个有趣的业务模式转变，即如何利用AI代码生成工具来提供更加个性化的企业解决方案，同时保持高效率。

"通过稍微深入服务方面，拥有更多我称之为传统的产品化服务，我们能够为客户提供更多价值，同时也能创造更多价值，"Patrick解释道，"然后我们可以用这些代码生成工具大大自动化这个过程。"

作为一个事件营销平台，Snapbar的企业客户常常需要自定义他们的微网站，例如针对大型产品发布活动。以前这类定制可能需要大量人工工作，但通过AI工具，这一过程变得更加高效。

"目前，这意味着我们的解决方案工程师和运营人员使用像Cursor和WinSurf这样的CodeGen工具来实现最后一公里的定制，"他说，"而我们正在努力的方向是完全自动化这个过程，你可以想象，最终客户可以提示一个代理来进行前端定制。"

这种方法不仅提高了效率，还创造了新的商业机会，允许公司提供更多定制服务而不会线性增加成本。

四、战略与营销产品研究的AI辅助

除了代码生成，Patrick强调了AI在公司战略和产品研究方面的价值。深度研究工具（使用OpenAI的GPT-O3引擎）为团队提供了强大的战略思考支持。

"深度市场研究、公司战略、产品战略，向它提供尽可能多的上下文，使其真正能够帮助我们思考我们的想法，无论是产品还是企业战略、市场研究，思考新产品发布，或任何类似的事情，"Patrick分享道。

一个特别有用的战术是记录会议内容，然后将转录文本输入到Notebook LM中，利用其播客功能或直接与内容互动提问。Patrick解释："你可以获取摘要，然后将其输入到Cloud中，例如创建一个PRD.md或其他有用的标记文档。"

这种方法不仅可以捕捉和组织思想，还能帮助团队从杂乱的讨论中提取结构化的产品需求和战略方向，大大提高了会议的生产价值。

五、AI模型与代码生成工具的选择

对于不同的任务，Patrick推荐了特定的AI模型和工具组合，以获得最佳结果：

"Cloud 3.7很棒，尽管它在代码生成和架构方面有时过于雄心勃勃，"他说，"我们发现O1 Pro和O3 Mini更适合思考架构方法，而Deep Research则非常适合快速学习新领域，帮助了解库、工具，进行战略研究等。"

在代码生成工具方面，Cursor、Windsurf和Cloud Code用于开发，而Bolt和Lovable则用于新原型。Patrick特别提到了MCP（可能指多模态对话协议）目录作为有价值的资源，它是由Anthropic等公司支持的官方规范背后的团队提供的。

"浏览器工具基本上向Cloud或你使用MCP的地方提供上下文，"他补充道，"它可以获取网络日志、控制台日志，甚至可以截图，这非常有用。"

他还推荐了FireCrawl工具，可以将任何网站转换为Markdown格式："这样，这些模型就不必解析大量XML或HTML和一堆分散注意力的文档，而可以直接获取所需的简洁上下文，非常有用。"

六、文档和上下文管理的最佳实践

Patrick强调了高效文档管理的重要性，特别是关于如何组织外部信息，使AI工具能够更好地理解项目上下文。

"我会在代码库中创建一个上下文文件或文件夹，"他分享了他的具体工作流程，"然后创建一个docs文件，并将任何我正在使用的外部文档放入其中，比如使用Firecrawl MCP程序化地获取资料，或直接使用Firecrawl，然后将这些markdown文件放入docs中。"

这种方法也适用于内部文档。Patrick举例说："我们在Google Docs中有大约80页的API文档，用于我们的一项服务。我只是保存了它，或者你可以将其导出为markdown文件，然后也直接将其带入这个文件夹，这虽然在上下文上可能有点沉重，但对我们非常有帮助。"

他还推荐了Super Whisper工具，用于真正的语音转文本"vibe coding"体验："能够按下热键，然后让模型转录你的语音，非常实用。而且它是上下文感知的，所以它知道自己是在光标终端、文本消息线程还是电子邮件上下文中，因此可以根据不同情况处理你的文本。"

七、AI辅助编码的关键战略洞见

在演讲的最后部分，Patrick强调了使用这些工具时最重要的战略考虑。最核心的一点是：上下文至关重要。

"如果你是模型，对模型有同理心，如果你只被告知模型能够访问的内容，比如上下文中的内容，代码库中的索引，它可以访问的MCP，你的上下文文件夹中的内容，像API文档等等，这就是它所知道的全部，"Patrick解释道。

他鼓励开发者了解LLM的基础知识，了解它们的架构和训练数据，以便更好地使用它们："如果你理解它们的架构，理解它们训练的内容，以及这种模糊的长期记忆（如果用我们来类比的话），它们能够提取的内容是有限的。"

因此，提供具体的例子、精确的文档、引用之前的对话，都能帮助模型更好地理解你的需求，并提供更准确的帮助。"所以只要认真考虑你的上下文和你要求它做的事情，并且在你的想法中清晰和具体，这非常重要，"他强调道。

此外，预先定义技术栈也很重要："这样你就能锚定，特别是使用Bolt或Lovable时，你可以将输出锚定到你的实际代码库中。这对于我们非技术方面也很有帮助，确保这些人员与我们的代码库保持一致。"

选择拥有大量训练数据的库和框架也是明智之选："所以任何TypeScript、React、Next.js、Node这些技术往往有大量开源示例。而且很多这些库也是更现代的技术栈，我感觉训练数据或者它们提取的应用程序质量真的很高。"

八、UI设计与SEO方面的意外收获

Patrick提到，这些AI工具在UI设计和SEO优化方面表现出色，这是使用过程中的一个意外收获。

"这些工具在UI设计甚至SEO方面非常出色，能够快速获得建议，进入你的应用程序并询问改进SEO的方法，"他分享道。他认为这与训练数据和提示有关："能够从真正成熟的代码库和优秀的范例中提取信息。"

对于团队而言，这意味着他们可以从更高的起点开始项目："对于我们的团队，特别是非技术团队，但对我也一样，我开始项目时不仅仅依赖于我自己的理解，而是从现代代码库、风格指南、框架中的这些优秀模式中汲取灵感。然后我从那里开始，而不仅仅是我自己想出来的东西。"

这种方法使团队能够聚合各种知识，真正提升最终产品的质量："通过使用这些工具，我们能够聚合大量知识，真正提升最终产品的质量。因为我们是在80%的基线上迭代，而不是50%的基线，如果你想这样看待它的话。"

最后的结论：

Patrick Ellis的分享展示了AI代码生成工具如何从根本上改变软件开发流程和创业公司运营方式。从赋能非技术人员进行原型设计，到增强专业开发人员的能力，再到创造新的商业模式，这些工具正在创造前所未有的可能性。

关键的见解是，虽然"vibe coding"提供了令人印象深刻的快速原型开发能力，但结合传统软件工程纪律的方法才能产生真正可靠的生产级代码。上下文管理、团队协作和理解AI模型的局限性同样重要。

随着这些工具的不断发展，我们可以预见它们将继续重塑软件开发行业。对于创业公司和企业来说，掌握这些工具并不仅仅是提高效率的问题，而是关乎竞争力和创新能力。正如Patrick所示范的，成功的关键在于找到AI自动化与人类专业知识之间的最佳平衡点，利用前者提升起点，同时依靠后者确保最终产品的质量和可维护性。

对于希望在这一领域保持领先的开发者和创业者，持续学习和实验至关重要。Patrick推荐的资源，如Latent Space的内容、AI Explained的YouTube频道和AI工程师大会的视频，都是保持更新的宝贵渠道。通过这些资源和实践经验的结合，任何团队都可以开始构建自己的AI辅助开发工作流程，提升效率，并可能发现全新的业务可能性。 http://t.cn/A6B3NJTu