1.1 打破认知，开启 Vibe Coding 之旅

很多老师第一次听到 AI 编程，心里大概会冒出两个声音。

一个声音说：

这东西太香了，以后是不是我说一句“帮我做个课堂抢答器”，AI 就能直接把系统变出来？

另一个声音又很快补刀：

我连前端后端都分不清，真能靠聊天把东西做出来吗？

这两个声音都正常。

因为 Vibe Coding 这件事，最容易被误解成两种极端：要么被吹成一句话生成万物的魔法，要么被贬成玩具级别的代码自动补全。

它都不是。

更准确地说，Vibe Coding 是一种新的开发方式：你用自然语言描述需求、拆解逻辑、指出问题，AI 负责生成代码、修改代码、解释代码，你再不断审阅、追问、调整方向。

它不是替你省掉思考。

它是把你从大量机械的语法劳动里解放出来，让你把精力放回“到底要解决什么问题”上。

不是一句话魔法

先把最重要的一句话放前面：

Vibe Coding 不是“一句话生成一个完整复杂应用”，而是“用自然语言持续指挥 AI 完成开发迭代”。

比如你想做一个机房排座系统。

如果你只对 AI 说：“帮我做一个机房排座系统”，它大概率会给你一个看起来还行、但根本不够用的半成品。

因为它不知道你的机房有多少排、每排多少台电脑，也不知道班级是固定座位还是轮换座位，更不知道你想不想记录学生姓名、座号、班级、电脑编号，以及后续是否要导出表格。

本书会继续用这个排座项目讲完整技术链路，因为它同时包含角色、流程、数据、权限和部署。它只是作者亲自跑通的样板；换成英语单词练习、古诗时间线、科学实验记录或课堂分组工具，先把真实现场说清楚的方法完全一样。

真正靠谱的做法，是一轮一轮把需求说清楚：

先让它做一个最简单的座位布局页面。

再告诉它每个座位要能绑定学生。

再补充不同班级要有不同座位表。

再要求它把数据保存起来。

最后再检查哪里不顺手，哪里容易出错，哪里需要重构。

这就像老师备课。

一节课不是一句“我要讲循环结构”就能变出来的。你还要拆目标、选案例、设计活动、预设问题、安排评价。

AI 编程也是一样。

只不过过去很多环节都要你自己敲代码，现在你可以把大量实现工作交给 AI。

传统编程和 Vibe Coding 差在哪

传统编程更像“从砖头开始盖房子”。

你要查文档、记语法、手敲代码、看报错、改细节。一个括号少了，一个变量名写错了，黑窗里就可能红一片。

这不是说传统编程不好。

恰恰相反，传统编程训练出来的基本功非常重要。但对很多没有完整开发经验的老师来说，真正的困难不在“有没有想法”，而在“想法到能用之间的技术坡太陡”。

Vibe Coding 把坡度降下来了。

你不再需要一开始就记住所有框架、语法和工程细节。你更像一个产品经理、项目负责人，甚至是一个把控全局的小架构师。

你的工作重点变成了这些事：

• 把校园里的真实需求描述清楚。
• 把一个大需求拆成几个小步骤。
• 看懂 AI 生成的结果大概在做什么。
• 发现哪里不符合预期，并要求它修改。
• 在关键逻辑上多追问几句，别让系统糊弄过去。

这就是心智上的变化。

以前你是“写代码的工人”，一行一行把砖搬上去。

现在你更像“现场指挥的人”，要知道房子想盖成什么样，哪里先打地基，哪里不能省材料。

门槛降低，思维要求升高

很多人会误以为 AI 会写代码以后，技术门槛就彻底没了。

其实不是。

降低的是语法门槛，不是思维门槛。

过去你可能被 JavaScript 的异步、Python 的缩进、数据库连接、页面样式这些东西卡住。现在这些实现细节，AI 可以帮你承担很大一部分。

但另一些能力反而更重要了。

你得会描述需求。

你得会拆流程。

你得能判断一个功能是不是跑偏了。

你还得能告诉 AI：“这里不是我要的，我要的是先选择班级，再显示该班级的座位表，而不是所有学生混在一起。”

这对各学科老师其实是好消息。

因为老师本来就擅长把复杂事情拆给学生听。只要把这种能力迁移到 AI 协作里，就已经比很多只会丢一句提示词的人走得更稳。

还需要懂技术吗

需要。

但不是让你立刻变成全栈工程师。

你至少要知道校园 Web 项目里有哪些“技术积木”。只有知道积木大概长什么样，你才能指挥 AI 去拼。

前端和后端

前端，就是用户看得见、点得到的部分。

你可以把它理解成餐厅的大堂和菜单：学生看到的按钮、老师操作的表格、屏幕上显示的座位图，都属于前端。

后端，就是用户看不见、但系统真正干活的部分。

它像餐厅后厨：处理登录、保存数据、计算结果、判断权限、生成统计，这些都在后端发生。

一个课堂抢答器，如果只是页面上几个按钮，那还只是前端玩具。

如果它能记录每个学生的抢答时间、自动统计积分、下次打开还能继续使用，那就离不开后端。

数据库

数据库就是系统的记忆。

学生积分要存起来，排座位名单要存起来，班级信息要存起来，课后服务统计也要存起来。

如果没有数据库，页面一刷新，很多数据就没了。

关系型数据库，比如 MySQL，可以先简单理解成一个很规整的仓库。学生信息放一张表，班级信息放一张表，座位信息放一张表，每张表都有自己的列和行。

你不一定马上会写复杂 SQL。

但你要知道：只要系统需要长期保存、查询、统计数据，就要考虑数据库。

HTTP 和 WebSocket

HTTP 是网页世界里最常见的沟通方式。

它像餐厅里的传菜员：你点一次菜，传一次；前端问一次，后端答一次。

比如老师点击“保存座位表”，前端把数据发给后端，后端保存完再告诉页面“保存成功”。这就是典型的 HTTP 场景。

WebSocket 则更像一条一直开着的传送带。

它适合实时双向通信。

如果你要做课堂实时抢答器、实时投票大屏、班级积分滚动展示，就可能会用到 WebSocket。学生一抢答，大屏立刻变化，不需要老师手动刷新页面。

Python 和 Node.js

后端可以用很多语言写。

对老师来说，先认识两个常见方向就够了。

Python 很适合数据处理、脚本自动化和 AI 相关任务。比如整理 Excel、批量生成名单、处理成绩数据、做排课表辅助脚本，它很顺手。

Node.js 对 Web 全栈开发比较友好。前端本来就常用 JavaScript，后端也用 JavaScript，做校园小系统时协作成本更低。

这不是让你现在就选边站。

只是让你知道：以后你让 AI 做东西时，可以说得更准。

比如“帮我用 Node.js 做一个后端接口”，就比“帮我做个保存功能”更容易得到可用结果。

开启 Vibe Coding 要花很多钱吗

不一定。

AI 编程背后消耗的是算力。我们平时常听到的 Token，可以粗略理解成 AI 处理文字和代码时消耗的计量单位。

你问得越多，贴的代码越长，改的项目越复杂，消耗就越多。

常见付费方式大致有两种。

一种是包月套餐。每个月固定付费，适合高频使用的人。很多 AI 工具和代码编辑器都采用这种方式，价格和权益经常变化，具体要以官网为准。

另一种是按量计费。用多少算多少，适合刚入门试水的人。

如果你刚开始，我更建议先从按量计费或者免费额度开始。

不要一上来就把工具买齐。

先拿一个真实的小需求练手，比如“做一个学生积分记录页面”或者“做一个班级座位展示页面”。当你真的感受到它能帮你推进项目，再考虑是否需要更稳定的套餐。

国内模型这两年也很值得关注。

智谱 GLM、通义、混元、小米、阶跃星辰等模型和平台，网络连通性更友好，价格也常常更适合新手试用。

海外模型和工具，比如 Claude、Gemini、Codex，以及 Cursor 这类 AI 代码编辑器，也有很强的代码能力。

但第一步不要陷入“哪个最强”的焦虑。

对新手来说，更重要的是先跑通一次完整流程：提出需求，生成代码，本地运行，发现问题，再让 AI 修改。

一个很实用的模型原则

模型选择可以先记住一个简单原则：

复杂问题用更强的推理模型，简单问题用更快更便宜的轻量模型。

比如你要设计“机房固定布局与班级轮换动态排座系统”的防冲突逻辑：

同一个学生不能重复占座。

同一台电脑不能同时分给两个人。

不同班级要能保存不同座位表。

调整座位后还要能回滚或重新生成。

这种就属于复杂问题，值得交给更强的 Pro 或推理模型慢慢想。

但如果只是改一个按钮颜色、调整页面间距、把标题居中、给表格加个搜索框，就没必要每次都上最强模型。

用 Flash、Lite 这类更快的轻量模型，通常更省钱，也更利索。

这和学校用人很像。

不是所有事情都要校长亲自上。

复杂决策找能拍板的人，日常事务交给合适的人，效率才高。

先迈出一小步

读到这里，你不需要马上安装一堆工具。

你可以先做一件很小的事：把你最想解决的一个校园需求，用六句话写清楚。

比如：

我想做一个机房排座系统。
它要服务于七年级多个班。
每个班都有自己的座位表。
老师可以拖动学生到对应电脑位置。
系统要能保存结果，下次打开还能继续用。
后面最好能导出一张打印用的座位表。

这六句话，已经比一句“帮我做个排座系统”强太多了。

Vibe Coding 的第一步，不是写代码。

是把脑子里的模糊想法，变成 AI 能接住的清晰需求。

后面的章节，我们会开始准备真正的工具环境： 编辑器怎么选，本地项目怎么跑起来，模型怎么连接，Git 怎么帮你在折腾时留后路。

兵马未动，粮草先行。

当这些准备做好，你就可以开始把校园里的小痛点，一个一个变成真正能用的小工具。

封面