Vibe Coding 不是玄学：我用 Google I/O 的思路，3步从零跑通了一个 AI Demo

你也看到那个演示了吗？

Google I/O 上，台上的工程师打开一个空白编辑器，用自然语言说了几句话，几秒钟后一个可以运行的 app 就出现在屏幕上。没有敲代码，没有查文档，就像在跟一个懂你的同事说"帮我做个这个"，然后它真的做出来了。

我当时的第一反应是：这不可能是真的。

要么是提前准备好的脚本，要么是剪掉了中间反复调试的过程，要么就是——这东西只有 Google 内部才能用到的能力。

然后我去验证了。

这篇文章不是新闻转述，不是"Google I/O 十大亮点盘点"。这是一篇实操复盘：我按照演示的思路，实际跑了一遍，踩了坑，也跑通了，把整个过程完整拆给你看。

---

第0步（隐藏关卡）：你得先承认自己不知道"vibe"什么

在讲三步之前，我要先说一个很多教程跳过的前提。

大多数人看完演示，打开 ChatGPT 或者 Claude，然后输入"帮我做一个 app"——然后卡住了。

不是模型不行，是你自己都不知道你要什么。

Vibe coding 这个词最早是 Andrej Karpathy 提出的，他的原意是：用自然语言和 AI 协作，靠"感觉"驱动代码生成，不需要自己精通每一行代码。但"靠感觉"不等于"什么都不想清楚"。

Google I/O 演示里，那位工程师在开口之前，脑子里一定已经有了清晰的目标。演示流畅，是因为意图清晰，不是因为提示词魔法。

这是整篇文章最重要的一句话，先记住，后面会反复印证。

---

第一步：想清楚你要"vibe"什么——需求拆解比提示词更重要

我给自己定的 demo 目标是：一个能把输入的中文文本翻译成英文、并用语音朗读出来的小工具。

听起来很简单，但在我第一次开口之前，我做了一件事——用三个问题把需求逼清楚。

三问框架

是给自己验证技术可行性，还是要演示给不懂技术的人？

我的答案：给自己用，验证流程跑通就行，不需要好看的 UI。

翻译？朗读？还是整合在一起的完整流程？

我的答案：完整流程跑通，哪怕界面只是命令行输入也行。

什么叫"跑通了"？

我的答案：输入一段中文，能听到英文语音输出，没有报错。

---

三问之后，我的需求从模糊的"做个翻译朗读工具"，变成了这样一句话：

"用 Python 写一个命令行脚本，接收用户输入的中文文本，调用 API 翻译成英文，再调用 TTS 接口朗读出来，不需要 GUI，能跑通就行。"

这两种表达方式，给 AI 的效果是天壤之别：

💡 关键认知：Vibe coding 卡壳，99% 是卡在这一步，而不是提示词写得不好。

---

第二步：用对话驱动代码生成——节奏比内容更关键

需求想清楚之后，我打开了 Claude，开始第一轮对话。

这里有一个新手最常犯的错误，我要先说：

搜索引擎的逻辑是：你给完整问题，它给完整答案。但 vibe coding 的逻辑更像是结对编程——你是 PM，AI 是工程师，你们在来回沟通，逐步逼近目标。

一次性把所有需求全塞进去，往往得到一坨你看不懂、也改不动的代码。

正确的节奏是：第一轮搭骨架，第二轮补逻辑，第三轮修 bug。

---

第一轮：搭骨架

帮我写一个 Python 脚本，实现以下功能：
1. 从命令行接收用户输入的中文文本
2. 调用 OpenAI 兼容的 API，把文本翻译成英文
3. 把翻译结果打印出来

先只做翻译这一步，TTS 我们后面再加。
API 的 base_url 我会自己替换，先用占位符。

注意最后两句——我主动把任务拆小了，而且告诉 AI"TTS 后面再加"。这样第一轮得到的代码是干净的，可以独立测试。

import openai
import sys

client = openai.OpenAI(
api_key="YOUR_API_KEY",
base_url="YOUR_BASE_URL"
)

def translate_to_english(text: str) -> str:
response = client.chat.completions.create(
model="gpt-4o-mini",
messages=[
{"role": "system", "content": "你是一个翻译助手，请将用户输入的中文翻译成英文，只输出翻译结果，不要加任何解释。"},
{"role": "user", "content": text}
]
)
return response.choices[0].message.content

if __name__ == "__main__":
user_input = input("请输入中文文本：")
result = translate_to_english(user_input)
print(f"翻译结果：{result}")

我直接跑了一下，报错了：

Error: Connection refused. Could not connect to YOUR_BASE_URL

这是预期内的错误——我还没填真实的 API 地址。这不叫踩坑，这叫验证骨架是对的。

---

第二轮：补逻辑（加 TTS）

骨架跑通之后，我发起第二轮对话：

骨架没问题，现在帮我加 TTS 功能：
把翻译后的英文文本，用 Python 的 pyttsx3 库朗读出来。
在翻译完成后直接调用，不需要额外的用户确认。

AI 很快补上了 TTS 逻辑，整个脚本扩展到约35行，结构依然清晰。

---

第三轮：修 bug

第二轮代码跑起来之后，我遇到了一个真实的坑：

在 macOS 上，pyttsx3 有时候会静默失败——不报错，但也没有声音。

我把报错信息（其实是没有声音这个现象）描述给 AI：

pyttsx3 没有报错，但是跑完之后没有听到声音，
macOS 系统，Python 3.11，请帮我排查可能的原因。

AI 给出了两个可能的原因，并建议换用 say 命令（macOS 内置）作为备选方案。我选了 say，一行代码解决：

import subprocess
subprocess.run(["say", result])

这就是"结对编程同事"的价值——你描述现象，它帮你分析，比自己去 Stack Overflow 翻快多了。

---

第三步：接通 API，让 demo 真的"活"起来

代码骨架有了，逻辑也通了，但 demo 能不能真正跑起来，关键在 API 这一环。

这是 vibe coding 最容易断链的地方：代码是对的，但 API 连不上，或者 key 配置错了，或者模型名写错了——整个 demo 就卡死在这里。

我踩过的坑：

• 用了一个不稳定的公共 API 代理，时不时 timeout，以为是代码问题，排查了半小时
• 模型名写成了 gpt-4，但实际接口只支持 gpt-4o-mini，报了一个模糊的 model not found 错误

OpenAI 兼容接口的接入方式极其简单，只需要替换 base_url 和 api_key：

import openai

client = openai.OpenAI(
api_key="你的key",
base_url="https://api.884819.xyz/v1"  # 替换这里
)

就这两行，其余代码完全不用动。

💡 实操提示：文中 demo 用的 API 接入点是 api.884819.xyz，OpenAI 格式完全兼容，直接替换 base_url 就能跑，不需要额外配置。8848AI 平台注册即送体验 token，国产模型（Deepseek/千问等）免费使用，没有月租。我测试下来延迟和稳定性都没拖后腿，适合拿来跑这类学习型 demo。

接通 API 之后，整个 demo 第一次完整跑通的瞬间，我输入了一句"今天天气真好"，然后听到了 macOS 用英文朗读出来的"The weather is really nice today"——

说实话，有点破防。

不是因为技术多厉害，而是因为这个过程我完全没有查文档、没有翻 Stack Overflow、没有复制粘贴别人的项目。从零到能演示，我用了不到40分钟。

---

复盘：3步之外的真正收获

整个过程跑完，我最大的感受不是"AI 好厉害"，而是：

Google I/O 演示的是上限——专业工程师、顶级模型、精心设计的演示场景。本文复盘的是普通人的可复制路径：想清楚、对话迭代、接通 API，三步走完，demo 就活了。

给不同层次读者的一句话建议

• 完全没编程基础的小白：先别想"做什么"，先跑通文中的翻译脚本，感受一下"AI 帮你写代码"是什么感觉，这比任何教程都有说服力。

• 有一定编程基础的用户：把三问框架用起来，在开口之前先回答那三个问题，你会发现和 AI 的对话效率提升不止一倍。

• 进阶用户：试着让 AI 帮你做你实际工作中的一个小工具，不是练习题，是真实需求。真实需求的模糊性和边界情况，才是 vibe coding 真正的训练场。

---

今天就可以试，5分钟够了。

打开任意一个支持 AI 对话的工具，用三问框架收敛一个你想做的小 demo，然后发出第一轮提示词——不要追求完美，只要发出去。

Vibe coding 最大的门槛，从来不是技术，是你愿不愿意开口。

---

下篇预告：

>

这次 demo 我只用了对话生成代码。但 Google I/O 还演示了另一个更炸裂的能力——让 AI 直接"看"你的屏幕，然后帮你调 bug。不是截图，是实时的屏幕流。我在测试这个，踩了几个有意思的坑，下篇见。

---

#AI教程 #VibeCoding #GoogleIO #8848AI #AI编程 #ChatGPT #Gemini #人工智能