Об этом проекте

Это учебный репозиторий по Vibe Coding для китайскоязычных разработчиков, посвящённый рабочему процессу AI-парного программирования — от начального до продвинутого уровня. Репозиторий разбивает AI-программирование на уровни: Prompt, Skill, Context, Quality Gate и инженерный цикл, предоставляя сопутствующую документацию, библиотеку промптов, модули навыков и конфигурации инструментов. Основное содержание и структура - Путь новичка: полная карта входа с нуля, охватывающая сетевую среду, настройку CLI, развёртывание среды разработки, первый проект и Git-цикл. - Концептуальный уровень: единое понимание Vibe Coding через фреймворк решения задач «цель—текущее состояние—разрыв—стандарт», а также цикл с фиксированной целью, изменяемой стратегией и многоуровневой обратной связью. - Инженерная практика: акцент на жёстких ограничениях для вывода AI — тесты, CI, скрипты, типы, схемы и чек-листы; приводятся рекомендации по архитектуре проекта, организации кода и типичным ошибкам. - Точки входа в ресурсы: библиотека промптов, сборник навыков Skills, установка Codex в один клик, локальный реестр внешних ресурсов и навигация по GitHub Wiki. Инструменты и экосистема В README перечислены AI CLI и сервисы моделей: Codex CLI, Claude, Gemini CLI, GitHub Copilot, Ollama, а также инструменты разработки и запуска: WSL2, Ubuntu, VS Code, Cursor, Neovim, tmux, Git, DBeaver, Docker. Приведены рекомендуемые комбинации и границы применения. Экспериментальные методы Репозиторий также содержит методы, помеченные как экспериментальные: самооптимизация промптов через рекурсивный цикл генератор/оптимизатор, подход «собери хороший код» на основе переиспользования зрелых возможностей, роевой режим с несколькими AI-терминалами через tmux, а также инструментарий, превращающий философские методологии в инженерные действия. Эти материалы явно предупреждают, что могут быть переписаны в любой момент, и подчёркивают обязательное ручное подтверждение для чувствительных учётных данных, производственных баз данных и необратимых операций. Целевая аудитория Подходит китайскоязычным разработчикам и командам, желающим системно изучить AI-ассистированное программирование и построить переиспользуемые рабочие процессы, а также тем, кто хочет понять, как взаимодействуют Prompt, Skill, управление контекстом и контроль качества. Репозиторий позиционируется как сборник учебных материалов и методологий, а не как отдельный инструмент или библиотека кода.