第三思维 THE THIRD MIND
AI干货
OCT 03, 2025 · 2025年10月3日

零基础 Vibe Coding 迷你课 (四): 当 AI 犯错时怎么办？

如果你曾使用 AI 写过代码，你的第一感受可能是 AI 实在太强大了。但很快，你可能也会发现，AI 实在是太容易犯错了。

如果你曾使用 AI 写过代码，你的第一感受可能是 AI 实在太强大了。但很快，你可能也会发现，AI 实在是太容易犯错了。

项目刚开始时，AI 往往能推进得飞快；但随着项目变得复杂，它似乎会越写越糟糕，问题越来越多，直到最后出现一个尴尬的局面：你和 AI 都不知道这个项目该如何继续维护下去了。

这期内容，作为我们“零基础 Vibe Coding 迷你课”的最后一期，我们就来深入探讨一下，如何解决 AI 犯错的问题。

📺 视频版：AI编程的3个必修课，让你的代码不翻车

不想看文字？视频版在这里

从根源出发：AI 究竟为什么会犯错？

要解决问题，首先要理解问题。从第一性原理出发，AI 犯错只有两种可能的原因：

  1. 模型自身的能力问题： 底层模型不够好。
  2. 你给模型的输入问题： 也就是上下文 (Context) 不足或不当。

有句老话叫：“Garbage in, garbage out”（垃圾进，垃圾出）。Langchain 官网的一篇博客也表达了类似的观点：AI 在复杂编程任务上的失败，往往并非模型能力不足，而是缺乏必要的上下文。

随着 AI 模型本身越来越强大，绝大多数问题都源于第二点。AI 无法直接“记住”你的整个代码库，对最新的技术文档也常有盲区。因此，我们在 Vibe Coding 中的核心进阶技巧，就是学会如何高效地为 AI 准备它完成任务所需的上下文。这个过程，我们称之为**“上下文工程” (Context Engineering)**。

防患于未然：写代码前的“上下文准备”

最好的 Debug，就是不让 Bug 发生。在指挥 AI 开始编码前，做好充分的上下文准备，可以从源头上避免大量的错误。

技巧一：提供高质量的项目计划

这是最重要的一点。与其一句一句地和 AI 聊天，不如先花时间准备一份高质量的项目计划。这份计划应该详细描述你的功能需求、技术栈选择、工程设计等。

  • 化整为零： 不要试图一次性规划整个庞大的项目。应该按功能模块（如“用户登录模块”、“支付模块”）来规划，为每个模块都生成独立的、详细的计划，并保存到相应的 Markdown 文件中（如 plan_authentication.md）。
  • 指令清晰： 在让 AI 实现每一步时，都明确指示它读取相关的文件。

我保证，这样做一定远比和 AI 随意聊天的效果更好。我们在前几期课程中已经详细介绍过如何与 AI 协作生成这样的计划，如果你还不熟悉，可以回顾一下。

技巧二：提供外部知识

大语言模型都有一个预训练的知识截断时间点（比如 Gemini 2.5 Pro 是 2025 年 1 月）。这意味着，在这个时间点之后发布的新技术、新 API 版本，模型是不知道的。

当你需要使用这些新技术时，AI 可能会因为知识过时而出现“幻觉”，给出错误的方案。

解决方案： 主动把最新的官方文档链接、关键代码示例作为上下文提供给 AI，让它“学习”之后再开始工作。如果你自己搞不定，可以尝试使用像 Context7 这样的 MCP (Model Context Protocol)。你可以简单地把 MCP 理解为给 AI 提供的一种“工具”，而Context7这个工具，就可以让 AI 实时检索最新的技术文档。

以 Claude Code 为例，你可以通过运行以下命令，为它装备这个工具：

claude mcp add --transport http context7 https://mcp.context7.com/mcp
技巧三：设定全局规则

现在的 AI 编程助手大多都支持你创建全局规则文件，就像给 AI 建立起一个“长期记忆库”。

还是以 Claude Code 为例，你可以在命令行里输入 # 来给它添加一段记忆。

注意： Claude Code 新发布的 VS Code 插件目前还不支持这个 # 命令，建议还是使用命令行版本。

例如，你可以输入：
# When doing research for a technical solution, you MUST use context7 to get the latest technical documentation.

回车后，Claude 会让你选择这段记忆的适用范围：User memory (所有情况下都生效) 或 Project memory (只对当前项目有效)。

完成后，你会发现 Claude 帮你创建了一个新文件，叫做 CLAUDE.md。之后，你可以直接在这个文件里不断添加新的规则，让 AI 在整个项目开发过程中都严格遵守。

主动出击：开发过程中的“质量保证”

除了事前准备，我们还可以在开发过程中引入一些软件工程的最佳实践，来主动预防 Bug。

技巧一：测试驱动开发 (TDD)

TDD (Test-Driven Development) 的核心思想是“先写测试，再写代码”。具体流程如下：

  1. 先针对一个新功能，编写一个测试用例。
  2. 运行这个测试，由于功能还没实现，测试理应会失败（显示为红色）。
  3. 然后，编写刚好能让这个测试通过的最小化功能代码。
  4. 再次运行测试，确保它通过（显示为绿色）。
  5. 最后，再对代码进行重构和优化。

你可以通过在 CLAUDE.md 文件中加入相应的指令，来要求 Claude 遵循 TDD 的开发模式。例如：

### Test-Driven Development (NON-NEGOTIABLE)

**Mandatory TDD discipline:**
- Tests MUST be written BEFORE implementation (no exceptions)
- Red-Green-Refactor cycle strictly enforced:
  1. Write failing test
  2. User approves test coverage
  3. Verify test fails
  4. Implement minimal code to pass
  5. Refactor with tests passing
- Contract tests required for all APIs and module boundaries
- Integration tests required for all user-facing workflows
- Unit tests required for business logic and edge cases
- Test coverage MUST be ≥80% for all production code
- All tests MUST be deterministic (no flaky tests tolerated)

**Rationale:** TDD ensures requirements are testable, prevents regression,
documents intended behavior, and enables confident refactoring. The discipline
forces clear thinking about interfaces before implementation.
技巧二：引入代码审查 (Code Review) Sub-agent

在传统的软件工程中，代码审查是指一个工程师写完代码后，交给另一位同事来审阅，以发现潜在的问题。我们可以让 AI 来模拟这个过程。

这样做的好处是： 负责审查的 Sub-agent 会拥有一个全新的上下文窗口，不会被写代码的 Agent 的思路“污染”，能以一个全新的、更客观的视角来发现问题。

在 Claude Code 中，你可以通过 /agents 命令来创建一个新的 Sub-agent：

  1. 输入 /agents 并选择“创建新的 Agent”。
  2. 选择“只对当前项目有效”。
  3. 让 Claude 帮你配置，并用自然语言描述它的任务：“Help me do high quality code reviews”。
  4. 关键一步： 在工具选择上，取消所有工具，只保留“读取文件”的权限。因为我们希望审查员只看不改。
  5. 为这个任务选择一个模型（如 Sonnet）。

创建完成后，Claude 会生成一个对应的 Markdown 配置文件。你可以在其中定制更详细的 Code Review 标准。最后，在你的主规则文件 CLAUDE.md 中，加入一条指令：“Invoke Code Review Sub-agent after every code change”，这样就可以实现自动化代码审查了。

💻 项目源码：rokabytedev/vibe-coding-mini-course-ep4

如果你对这些配置不熟悉，不用担心。本期课程演示的配置文件可以直接下载使用。

Debug的艺术：当 Bug 还是不可避免的发生时

尽管我们做了万全准备，但 Bug 有时还是会不可避免地出现。这时，我们就需要掌握如何与 AI 一起高效 Debug 的技巧。

你需要掌握的最重要的技能，就是如何清晰、准确地向 AI 描述你遇到的 Bug。

Bug 描述的“五要素”

一个高质量的 Bug 报告，通常包含以下几点：

  1. 复现步骤： 如何一步一步地复现这个 Bug？（例如：在哪个页面，点击哪个按钮）
  2. 实际表现： Bug 出现时，App 的具体表现是什么？（例如：点击按钮后没有任何反应）
  3. 预期表现： 在没有 Bug 的情况下，它应该是什么反应？（例如：点击按钮后应该跳转到另一个页面）
  4. 错误信息： 有没有看到任何错误信息？对于 Web App，你通常可以在浏览器的“开发者工具”的 Console (控制台) 中找到它们。
  5. 环境信息： 你是在什么环境下复现这个 Bug 的？（例如：是在手机上，还是在哪个浏览器里）

把这些详细信息提供给 AI，一般它就可以锁定问题所在了。

增加详细的 Debug Logging

如果 AI 还是找不到问题，你可以让它在可能出错的代码区域，加上详细的 debug logging。然后，让 AI 自己去阅读它打印出来的日志。通过观察日志中显示的执行步骤和变量细节，AI 往往能更精准地定位到问题的根源。

避免代码质量下降

最后一点需要注意：如果 AI 一次修改不对，它反复修改往往会导致代码质量严重下降。

最佳实践是：

  1. 在 AI 最终修复完问题后，让它总结一下问题的根源以及最终的修复方法。
  2. 你把这个总结保存下来。
  3. 让 AI 回滚 (revert) 之前所有的修改，回到 Bug 出现前的干净状态。
  4. 开始一个新的对话，直接把问题，以及你刚才保存的“根源和解决方法”，一次性再交给 AI，让它一次性改对。

这样做，通常能获得质量更高的修复代码。

课程总结与毕业

我们这期课程涵盖了许多内容，从上下文工程，到主动测试、代码审阅，再到如何与 AI 高效地 Debug。这些都是驾驭 AI、进行高效软件开发的必修课。

到这里，我们“零基础 Vibe Coding 迷你课”的四期内容就全部结束了。恭喜你，顺利毕业！

未来，我还会推出更进阶的 AI Coding 课程，比如如何设计后端服务和数据库、如何开发跨平台的移动应用、如何实现用户系统和应用内购等等，我都会手把手教你。

感谢你的一路陪伴。