人机交互 · 做产品的方法 / 第 N 讲

做好 vibe coding 的知识结构

会不会写代码,不再决定你作品的上限。当“实现”被 AI 接管,瓶颈整体向上游移动——移到了说清意图、做出判断、收口框架、沉淀资产。这一讲,把“做得好”拆成一张可以照着练的知识结构。

授课 邱懿武 浙江大学国际设计研究院 时间戳 2026-06-26 姊妹篇 · 专业知识地图 → ← 教学日志索引

底层判断

vibe coding 真正难的,从来不是“让它跑起来”。
第一版谁都能跑通——那只是最容易的 80%。做得好的全部功夫,在瓶颈移到的那几个上游环节。

← AI 已基本接管(便宜、随叫随到)瓶颈移到这里(贵、只有你能做)→

下游
实现 / 编码
写出能运行的代码
→
上游 一
表达 / 意图
说清你到底要什么
→
上游 二
判断 / 品味
看出好坏、分清真假
→
上游 三
收口 / 框架
取舍、定边界、沉淀

所以这门手艺的知识结构,几乎全在上游:把模糊说清、把好坏看准、把方向定住、把经验存下。下面五根支柱,正是这条轴的展开。

一 · 先翻转四个认知

很多人 vibe coding 卡住,不是手不行,是脑子里装着旧坐标系。先把这四个换掉。

能跑起来,就算做完了

能跑 ≠ 做好

跑通只是把最容易的 80% 做完。价值全在后面那 20%——而那 20% 不靠手速,靠判断。

我是在写代码 / 不会写就做不了

你是导演,AI 是剧组

你的活儿是定意图、给参照、做选择、喊卡。代码是剧组交付的成片,不是你的工种。

AI 说得很笃定,应该没错

AI 会自信地胡说

它和你都容易自我感觉良好。随时问一句“这是验证过的,还是猜的”,是从作业到作品的分水岭。

这次做完就过去了

每一次都该留下资产

一次性的努力最贵也最浪费。把判断、规则、好东西沉淀成库,下一次它替你干活。

二 · 知识结构 · 一图

做好 vibe coding = 在一个闭环里转,每一圈都靠五根支柱支撑。点支柱可跳到详解。

1对齐意图→ 2小步生成→ 3当场对照→ 4对抗自检→ 5退一步收口→ 6登记沉淀↻ 回到意图

这是“做产品”的最小闭环,转得越多、每圈参照系越高,作品越好。

五根支柱由外向内越来越“只有你会做”:表达、控制是入场券,判断、收口、资产才拉开差距。

三 · 五根支柱 · 详解

每张卡可展开:它解决什么 · 关键动作 · 常见误区 · 往深里走。

1
意图与表达

把模糊的想法,说成 AI 接得住的料

第一瓶颈不是模型不够强,是你没说清。

+
它解决什么
  • context 窗口越来越大,真正的瓶颈从“信息不够”变成“策展”——给对的料,而不是更多的料。你脑内那张画面,模型读不到;你得把它外化成它能对齐的东西。
关键动作
  • 先给参照,再给文字:一张截图 / 一个竞品链接 / 一段示例,胜过三段形容词。
  • 用画布而非长篇大论:把要的氛围、要素摆成情绪板,让“看”代替“描述”。
  • 先让 AI 复述目标再动手:确认是同一张地图,避免它在错的前提上努力。
  • 给清边界与非目标:不要什么,往往比要什么更能定位。
参照先行情绪板 / 画布 先复述再开工写清非目标
常见误区
  • 一句话甩需求、等惊喜;以为模型读得懂你脑内的画面;用形容词堆砌代替给样例。
往深里走
  • 把“策展意图”本身当作一门手艺——意图画布 Intent Canvas 就是在论证:context 大了,瓶颈是策展,画布优于文档与聊天。
2
驱动与控制

把 AI 当剧组指挥,而不是许愿池

控制力来自小步、约束、角色、可回退。

+
它解决什么
  • 放任 AI 一口气写几百行,好看但难收、难改、难信。导演的控制,不在写得多,在每一步都拿得住、退得回。
关键动作
  • 一次只改一件事:改完两版摆一起对比,凭对照不凭感觉。
  • 主动加约束:单文件 / 只用三种颜色 / 限时一小时。约束是免费的打磨器,逼你把力气用在刀刃上。
  • 给 AI 指定角色:让它扮一个有更高标准、且会拒绝你的人,而不是夸夸机。
  • 留可回退的脚印:每步产出一个可看的东西 + 版本,长出来的过程看得见、退得回。
单步改动→ 主动加约束→ 指定角色→ 版本留痕
常见误区
  • 一次塞十个诉求,结果哪条都没改透;选择越多越做散;放任它一口气写完一大坨,出问题无从下手。
往深里走
  • 把约束当成风格的来源,而非限制——它常常让作品反而更利落、更有个性。
3
判断与品味 · 深水区

分清“我以为”和“我验证过”

这是从作业到作品的分水岭,也是最难外包给 AI 的一根。

+
它解决什么
  • AI 会很自信地胡说,你也会被自己的作品骗。看出好坏、分清真假,是 AI 时代真正稀缺、也最“只有你会做”的能力。
关键动作
  • 诚实之问:随时问“这是验证过的,还是猜的?”不确定,就大方标出来。当那个“等一下,真的吗”的人。
  • 对抗性自检:让 AI 扮挑剔评委 / 最难搞的用户 / 竞品主理人,给“评分 + 理由 + 三条最该改的”,而不是问“好不好”。
  • 不断引入更高参照系:去 AI、GitHub、作品站借标准,再把它内化成自己的默认手感。
这是验证过的还是猜的对抗性评委 评分+理由+三条最该改借更高参照系
常见误区
  • 只想要表扬;把 AI 的笃定当真;把“我以为”当成“已验证”往下走,错误一路复利。
往深里走 · 整整一讲
  • 这根支柱有专门一课:《如何精进打磨自己的作品》——打磨 = 不断引入更高参照系再内化,四种渠道(AI 对抗陪练 / GitHub 检索 / 作品站拆解 / 自建知识库)由外到内。
4
收口与框架

卡住时,往后退一步

让项目上台阶的,几乎都是“定框架”,而不是“派活”。

+
它解决什么
  • vibe coding 容易越做越散:选择多、加得快。真正拉开差距的不是多写功能,是知道什么不做、到哪为止、整体长什么样。
关键动作
  • 卡住别加功能,往后退:越加越乱时,退一步问“这到底给谁、解决什么”。
  • 做减法回归原点:把作品砍回它最锋利的那一句主张。
  • 分清产品与装置:价值落在用户身上(产品),还是落在“让人理解你的引擎”(展示/装置)?两者标准不同,别混。
  • 先定框架再派活:先想清结构(给谁、几层、怎么收口),再让 AI 填充。
卡住就后退做减法回归原点 产品还是装置先框架后派活
常见误区
  • 越卡越往里加功能;用“勤奋地派活”代替“清醒地定框架”;什么都想要,结果什么都不锋利。
往深里走
  • “定框架”往往是一次退到更高一层的重命名 / 重分类:把散落的东西,归进一个能解释全部的结构里。
5
资产与复利 · 复利点

把一次性的努力,变成越用越值钱的库

前四根都是单次发力,这一根让它们复利。

+
它解决什么
  • 对齐过的意图、看准过的好坏、定过的框架——如果不沉淀,下次从零再来。资产化让别人的天花板,慢慢变成你的地板。
关键动作 · 知识库三层逐级内化
① 素材库 — 看到的好东西 → ② 模式库 — 提炼出的规则 → ③ 设计系统 — 你下手时的默认值
  • 收的时候就结构化:打标签 + 写一句“我为什么收它 / 能用在哪”,否则只是数字囤积。
  • 把库喂给 AI 当“品味内核”:让它按你的标准提建议,而不是大众平均值。
  • 给项目留记忆 / 日志:每个新产物登记进产品日志,带时间戳,按分区与时间双维度回看。
常见误区
  • 只收不标、不提炼;库与创作两张皮,从不回头用它;好不容易做出的判断,做完就丢。
复利点
  • 这根支柱把前四根全部回收:表达过的、判断过的、收口过的,都进库,下一圈闭环起点就更高。这正是“人机交互产品日志”这套工作习惯要守住的东西。

四 · 把五根支柱拧成一个闭环

知识结构不是挂在墙上的图,是每天转的一个圈。这六步,正好把五根支柱串起来。

对齐意图 · 支柱一

给参照、摆画布,让 AI 复述一遍目标,确认同一张地图再开工。

小步生成 · 支柱二

一次只推进一件事,加一条约束,产出一个可看的东西。

当场对照 · 支柱二 / 三

两版摆一起,凭对比不凭感觉;同时问“这是验证过的还是猜的”。

对抗自检 · 支柱三

换一个会拒绝你的角色,让它给评分 + 三条最该改的,收口这一圈的质量。

退一步收口 · 支柱四

卡住或发散了,就后退定框架:这到底给谁、解决什么、到哪为止。

登记沉淀 · 支柱五

把产物、判断、规则登进日志和库,带时间戳。下一圈,起点更高。

一句话收束

做好 vibe coding 的知识结构,本质只有一条:当实现变便宜,把你的功夫整体搬到上游。

表达、控制是入场券;判断、收口、资产才是分水岭——它们是 AI 最难替你做、也最像“你自己”的部分。

五根支柱不是清单,是一个越转越高的闭环。而贯穿全程的那一问——“这是我以为的,还是我验证过的?”——是把作业变成作品的那道线。