vibe-coding-cn/README.md

vibe-coding-cn：Vibe Coding工具箱

以Pi Agent与OpenAI GPT为主体底座，将既有Context、Skills和Extensions组合成可验证的工作流。

工具箱怎么用

先说明要解决的问题、输入、验收和权限，再从三个资源域挑已有对象，不先造新工具：

资源域	输入与输出	既有内容与代价
Context	问题与来源→可核对的参考材料	功法、法器、入门、研究、提示词与资源；需付出检索、上下文和来源核对成本
Skills	任务与参考→可遵循的指令/流程	2个自有及16个既有官方Skill；适用范围、依赖和错误判断仍须核实
Extensions	显式参数/文件→产物、退出码或外部副作用	原程序、脚本、转换器与适配；运行有环境、资源、权限和恢复代价

统一说明约定：每次选用工具，问清问题是什么、为何这样设计、怎样实现、代价是什么；再比较替代方案、可复用共性和生效前提。 这不是新增工具注册表，也不把资料行、运行实例、抽象依赖类别和程序源码混成一种身份。

组合方式：借鉴Lambda演算，用f: Input → Result表达接口，只有前一步结果满足后一步输入条件时才组合λx. g(f(x))。 真实程序的错误、环境、权限及副作用另列；这个记号不证明纯函数、确定性、正确性或终止，不在仓内实现解释器。

主体执行复用Pi的原生工具与模型选择，使用已授权的OpenAI GPT；没有新建Agent、模型HTTP客户端或Pi内置扩展副本。 资料与官方Skill可读取不代表已运行、已获许可或有效果证明。

📚 功法体系

功法体系

思想、准则、思维模型、方法与工程流程统一从功法体系按当前问题选用。 原来的经验、道法术器、实验性方法和哲学保留为同一集合中的原始文集，不再作为首页独立栏目或分库入口。

逐条身份、内容版本、冻结来源与已有意见查看功法原始资料及生成总表。 文集归并不等于全部内容已经逐条登记；已有初评也不等于正式效果验证。

🧰 法器体系

法器体系

法器总表整理 Vibe Coding 流程中使用或依赖的工具、可调用入口和依赖类别；固定来源实现、当前运行实例、候选对象与抽象类别分别记录。文件级许可线索仅作支持证据，不等于许可批准或再分发授权。

• 法器体系说明：分类边界、重要性分级、选用方式与固定 MCP 源码的副作用边界。
• 法器重要性总表：30 项的品级、名称、说明与记录状态。
• 法器登记源：唯一可编辑数据源；生成总表不可手改。
• 法器类型与正式效能规约：正式任务效果量表仍为草案。

当前 30 项按 Vibe Coding 重要性暂分天阶 4 项、地阶 12 项、玄阶 9 项、黄阶 5 项。重要性不代表实现质量、运行可用性或效能验证；正式效能评级尚未完成。

📌 字多不看

📌 字多不看

• vibe-coding-cn 是Vibe Coding工具箱，主体底座为Pi Agent与OpenAI GPT；本次只整理已有资产，不增加业务Skill。
• 新手先走 从零开始完整入门：网络环境、CLI 配置、开发环境、第一个项目和 Git 闭环。
• 方法正文统一在 功法体系：按问题选择思想、准则、模型与工程方法，不按旧栏目分库。
• 资源统一为Context、Skills、Extensions；用现有测试、CI、脚本、类型、Schema与Git核对具体结果，不把分类当作运行或效果证明。
• 需要直接使用资源时，进入 提示词、Skills 和 外部资源。

入口关系

入口	你该怎么理解
Context	既有资料按需读取；功法、法器、入门、研究、提示词、资源、引用、索引及附件
Skills	所有既有Skill平铺治理；指令引用单一程序源，不自动执行
Extensions	所有既有程序、小工具、检查器与适配；不是Pi原生扩展盲扫目录
Wiki	独立导航仓库，不作为第四种资源或第二份正文源

⚡ 1 分钟快速开始

⚡ 1 分钟快速开始

1. 准备当前系统可用的Pi Agent及已授权OpenAI GPT模型，通过Pi原生模型选择配置；不把ChatGPT订阅自动等同于API权限，也不在仓内保存凭据。
2. 获取本仓并按锁定修订初始化既有来源：git submodule update --init --recursive。
3. 阅读根AGENTS.md和当前任务所需Context；需要既有Skill时，从仓库根显式加载：

pi --skill .github/skills

4. 用Pi原生/model选择已授权的OpenAI模型。先明确任务和验收，再让Agent按需读取资料、使用相应Skill并显式调用现有程序。

加载不是执行许可，也不是运行或效果测试。不要把.github/extensions/整体传给-e。 既有Codex配置和从零开始仍保留，按其中具体工具选择使用，不是新造第二套主体运行时。

🚀 从零开始

完全新手？按顺序完成以下步骤：

0. 从零开始完整入门 - 按目标选择新手、开发者、团队、Prompt、Skill 或质量门禁路线
1. Vibe Coding 经验 - 通用语言能力、人机分工、机器门禁和入门铁律
2. 第一个项目 - 用本地待办清单走通需求、实现、验收和 Git 保存
3. 问题求解 - “目标-现状-差距-标准”与“目标-约束-对象-路径”的极简框架
4. Vibe Coding 状态转移闭环 - 用固定目标、可变策略和分层反馈统一理解 Vibe Coding
5. 拼好码 - 优先复用成熟能力，用胶水代码连接、编排、适配业务流程
6. 工程实践 - 用项目架构、代码组织、开发经验和硬门禁约束 AI 输出

🗂️ 项目目录结构概览

🗂️ 项目目录结构概览

资源只有三个域；下面列出域边界与Context的全部9个集合，不展开各原生包内部源码。完整对象分别在三个域的README中导航。 原Actions定义已移入Extensions保全，自动CI、打标签及欢迎流程已停用；本地make test保留。

.
├── README.md                    # 项目主文档
├── AGENTS.md                    # AI Agent 行为准则
├── llms.txt                     # 面向 AI 助手的短上下文入口
├── Makefile                     # 自动化脚本
├── LICENSE                      # MIT 许可证
├── CODE_OF_CONDUCT.md           # 行为准则
├── CONTRIBUTING.md              # 贡献指南
├── .gitattributes               # GitHub Linguist 语言统计规则
├── .gitignore                   # Git 忽略规则
├── .lychee.toml                 # 外部链接检查配置
└── .github/                     # GitHub 配置与仓库内容
    ├── AGENTS.md                # 本目录规则和平台边界
    ├── context/                 # 按需读取的既有资料
    │   ├── README.md            # 资料导航
    │   ├── AGENTS.md            # 原始数据、来源与信任规则
    │   ├── gongfa/              # data.json + 生成README.md
    │   ├── faqi/                # data.json + 生成README.md
    │   ├── getting-started/     # 原入门与实例
    │   ├── prompts/             # 原云端提示词入口
    │   ├── research/            # 原研究、事实镜像和缓存
    │   ├── external-resources/  # 原外部资源登记
    │   ├── ai-citation/         # 原AI引用语料
    │   ├── metadata/            # 原分类、术语与重定向
    │   └── assets/              # 原图片、数据与模板
    ├── skills/                  # 2个自有 + 16个既有官方入口
    ├── extensions/              # 原程序、脚本、小工具和适配
    ├── CODEOWNERS               # 路径级 owner 评审基线
    ├── ISSUE_TEMPLATE/          # Issue 模板
    ├── PULL_REQUEST_TEMPLATE.md # PR 模板
    ├── SECURITY.md              # 安全政策
    ├── FUNDING.yml              # 赞助配置
    ├── WIKI.md                  # GitHub Wiki 独立仓库说明
    └── labeler.yml              # 原PR标签规则（自动流程已停用）

📺 演示与产出

📺 演示与产出

一句话：Vibe Coding = 规划驱动 + 上下文固定 + AI 结对执行，让「从想法到可维护代码」变成一条可审计的流水线，而不是一团无法迭代的巨石文件。

你能得到

• 成体系的提示词工具链：云端表格 提供系统提示词约束 AI 行为边界，编程提示词提供需求澄清、计划、执行的全链路脚本。
• 闭环交付路径：需求 → 上下文文档 → 实施计划 → 分步实现 → 自测 → 进度记录，全程可复盘、可移交。

⚙️ 架构与工作流程

⚙️ 架构与工作流程

核心资产映射是context/的资料、skills/的指令和extensions/的现有实现。相邻步骤按输入输出合同连接，失败和外部副作用不能隐去。

下面保留既有提示词转换程序的架构示意；图中的历史预留节点不是本次新增能力，也不代表整个工具箱均采用该转换流程。

graph TB
  %% GitHub 兼容简化版（仅使用基础语法）

  subgraph ext_layer[外部系统与数据源层]
    ext_contrib[社区贡献者]
    ext_sheet[Google 表格 / 外部表格]
    ext_md[外部 Markdown 提示词]
    ext_api[预留：其他数据源 / API]
    ext_contrib --> ext_sheet
    ext_contrib --> ext_md
    ext_api --> ext_sheet
  end

  subgraph ingest_layer[数据接入与采集层]
    excel_raw[prompt_excel/*.xlsx]
    md_raw[prompt_docs/外部MD输入]
    excel_to_docs[.github/extensions/prompts-library/scripts/excel_to_docs.py]
    docs_to_excel[.github/extensions/prompts-library/scripts/docs_to_excel.py]
    ingest_bus[标准化数据帧]
    ext_sheet --> excel_raw
    ext_md --> md_raw
    excel_raw --> excel_to_docs
    md_raw --> docs_to_excel
    excel_to_docs --> ingest_bus
    docs_to_excel --> ingest_bus
  end

  subgraph core_layer[数据处理与智能决策层 / 核心]
    ingest_bus --> validate[字段校验与规范化]
    validate --> transform[格式映射转换]
    transform --> artifacts_md[prompt_docs/规范MD]
    transform --> artifacts_xlsx[prompt_excel/导出XLSX]
    orchestrator[main.py · .github/extensions/prompts-library/scripts/start_convert.py] --> validate
    orchestrator --> transform
  end

  subgraph consume_layer[执行与消费层]
    artifacts_md --> catalog_coding["prompts(在线)/编程提示词"]
    artifacts_md --> catalog_system["prompts(在线)/系统提示词"]
    artifacts_md --> catalog_meta["prompts(在线)/元提示词"]
    artifacts_md --> catalog_user["prompts(在线)/用户提示词"]
    artifacts_md --> docs_repo[.github/context/*]
    artifacts_md --> new_consumer[预留：其他下游渠道]
    catalog_coding --> ai_flow[AI 结对编程流程]
    ai_flow --> deliverables[项目上下文 / 计划 / 代码产出]
  end

  subgraph ux_layer[用户交互与接口层]
    cli[CLI: python main.py] --> orchestrator
    makefile[Makefile 任务封装] --> cli
    readme[README.md 使用指南] --> cli
  end

  subgraph infra_layer[基础设施与横切能力层]
    git[Git 版本控制] --> orchestrator
    deps[.github/extensions/prompts-library/requirements.txt · .github/extensions/prompts-library/scripts/requirements.txt] --> orchestrator
    config[.github/extensions/prompts-library/scripts/config.yaml] --> orchestrator
    monitor[预留：日志与监控] --> orchestrator
  end

📈 性能基准 (可选)

📈 性能基准 (可选)

本仓库是既有资源工具箱，不对模型或程序效果作统一性能保证；可在具体任务中跟踪下列可观测指标（当前主要依赖人工记录，可在 progress.md 中打分/留痕）：

指标	含义	当前状态/建议
提示命中率	一次生成即满足验收的比例	待记录；每个任务完成后在 progress.md 记 0/1
周转时间	需求 → 首个可运行版本所需时间	录屏时标注时间戳，或用 CLI 定时器统计
变更可复盘度	是否同步更新上下文、文档和 Git 提交	通过 commit、CHANGELOG 与必要的 tag 留痕
例程覆盖	是否有最小可运行示例/测试	建议每个示例项目保留 README+测试用例

🗺️ 路线图

以下是 2025 Q4–2026 Q2 的历史规划，不代表当前进度或交付承诺；原日期仅用于回溯。 当前交付以仓内文档、代码与提交记录为准，新排期待确认。

gantt
    title 历史规划（非当前进度）
    dateFormat YYYY-MM
    section 原计划 (2025 Q4)
    补全演示GIF与示例项目: 2025-12, 30d
    外部资源聚合完善: 2025-12, 20d
    section 原计划 (2026 Q1)
    prompts 索引自动生成脚本: 2026-01, 15d
    一键演示/验证 CLI 工作流: 2026-01, 15d
    文档索引与引用门禁增强: 2026-02, 10d
    section 原计划 (2026 Q2)
    模板化示例项目集: 2026-03, 30d
    多模型对比与评估基线: 2026-04, 30d

📞 研究交流

📞 研究交流

• Twitter / X: 123olp
• Telegram 交流群: glue_coding
• Telegram 频道: tradecat_ai_channel
• 邮箱: tukuai.ai@gmail.com

✨ 支持项目

✨ 支持项目

救救孩子，好人一生平安🙏🙏🙏

• Tron (TRC20): TQtBXCSTwLFHjBqTS4rNUp7ufiGx51BRey
• Ethereum (ERC20): 0xa396923a71ee7D9480b346a17dDeEb2c0C287BBC
• Bitcoin: bc1plslluj3zq3snpnnczplu7ywf37h89dyudqua04pz4txwh8z5z5vsre7nlm

✨ 贡献者

✨ 贡献者

感谢所有为本项目做出贡献的开发者！

特别鸣谢以下成员的宝贵贡献 (排名不分先后):
@shao__meng | @0XBard_thomas | @Pluvio9yte | @xDinoDeer | @geekbb | @GitHub_Daily | @BiteyeCN | @CryptoJHK | @tukuaiai | @tradecatlabs | @factory-droid[bot] | @Scuner

---

如果这个项目对您有帮助，请考虑为其点亮一颗 Star ⭐！

Star History

⬆ 返回顶部