Vibe Coding 的概念已经流行一段时间了，这个周末终于找到了一个小的个人项目进行了实践。

经过大概 2~3 个小时的调试（大部分时间在等待代码规划与生成），最终花费了大概 $20 （TRAE的订阅费、OpenAI 的 Token 费）生成了一个个人单词辅助记忆网站（链接，站点截图如右）：该站点上，我可以记录日常遇到的陌生英文单词，然后需要的时候进行记忆与背诵。

对于我，这个站点非常有用。为什么没有使用一些英语学习的 app 呢？

1. 这种 Web 的形式可以便于我在上 1 对 1 英语课时，可以让老师针对性的进行交互练习
2. 这个站点可以通过 Web 访问，所以方便随时随地、多端添加单词

如果这个站点实现难度非常大的话，我是不会去考虑实现的，但是现在只需要 $20 就可以做出来，那么还是可以的。

两种尝试

在这个站点的实现中，我做了两个独立的尝试：(1) 用自己设计的架构进行实现，即Python 作为工具后端生成 HTML 页面发布；(2) 确定一些最主要的原则（例如尽可能的简单的实现，引入少的组件），然后让大模型去选型与实现。最终的版本我使用了方案（2）的结果。

显然的，大模型更有经验，最终给出的架构是：前端使用 React + TypeScript + Vite + Tailwind ，没有使用任何后端语言，从而实现了最为简单的部署；涉及到少量的持久化存储（使用JSON文件格式），最终选择 GitHub 的 gist （似乎比较小众）服务进行读取与存储。

自己的设计更为 old fasion 一点，大模型的设计可能是在Agent 设计的提示词中有关于前端架构的一些架构和基础组件，选择了更加面向 AI 的设计。

在大模型给出的架构设计中，我没有调整过一行代码，全部都通过自然语言完成。

部署

原本是打算将其部署在与博客同一个服务器上，但尝试安装了 npm 失败后，就放弃了。最终听从了大模型的建议，将其完整的部署在 Vercel 上，并暂时使用了默认提供的域名：https://english-vocab-seven.vercel.app/ 。

整个部署过程非常简单，配置好 GitHub 地址，再单独配置好一些环境变量（主要是 API Key ），然后点击一下 deploy 就可以了。

最后

经过一些实践，再谈谈自己对 Vibe Coding 的理解。

Vibe Coding 大概是当前几乎所有超大公司都在重点投入的方向，或者提供 IDE ，或者提供编码相关的模型。

首先，这个领域的潜力、生产力都极大。当大模型可以帮助提升开发能力的时候，程序员与公司的付费意愿都是极强的。可以这样考虑这个问题，目前全球已经有超亿人的开发者群体，如果能够给这部分群里的开发效率提升 \(X\% \)，那么产生的效应是巨大的，而现在各种面向编程场景的大模型，早已经表现出了巨大潜力，这里的 \(X\% \) 值是非常大的，例如 \(X\% \gt 50 \% \) ，这已经是非常确定的，这将催生出一个巨大的市场。

随着编程大模型能力的增强、以及编程相关的基础设施更加的面向于 AI （例如 Supabase、vercel、各种 IDE 等），应用构建的门槛将会进一步降低，也将会有更多的人成为开发者，这将进一步扩大这个市场。

当下，面向 AI 编程的基础设施还在逐步的进化与完善的过程中，未来的潜力还非常大，现在一切都才开始。