# vibecoding_pku

**Repository Path**: aistudy101/vibecoding_pku

## Basic Information

- **Project Name**: vibecoding_pku
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: gemini
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 3
- **Forks**: 0
- **Created**: 2026-03-02
- **Last Updated**: 2026-05-18

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# Vibe Coding PKU：人工智能辅助开发课程

![Vibe Coding PKU 课程封面](cover.png)

## 课程简介

本课程面向希望使用人工智能工具完成真实数字产品开发的本科生。课程以大语言模型、提示词工程、多模态生成、AI 辅助编程、版本管理、测试、命令行工具和智能体开发为主线，帮助学生从需求定义、原型搭建到项目答辩，完整经历一次 AI 辅助开发流程。

课程强调实践能力。学生不需要具备系统的软件工程训练，但需要能够清晰描述问题、拆分任务、阅读并验证 AI 生成的结果。课程中的每节内容都由讲义和项目任务组成，最终以小组项目展示作为综合评价。

## 适用对象

- 北京大学元培学院本科生，以及对 AI 辅助开发感兴趣的其他专业学生。
- 有基本计算机使用能力，了解任意一门编程语言的变量、条件判断、循环等基础概念。
- 希望将生活、学习、科研或社团工作中的具体需求转化为可运行工具的学生。
- 不要求已经掌握前端、后端、机器学习或软件工程完整知识体系。

## 课程目录

| 课次 | 主题 | 讲义 | 项目任务 |
| --- | --- | --- | --- |
| 第 1 课 | 人工智能基本概念与大语言模型基础使用 | [handout.md](lesson1/handout.md) | [完成一次结构化 AI 对话任务](lesson1/project.md) |
| 第 2 课 | 大语言模型原理与提示词工程 | [handout.md](lesson2/handout.md) | [使用 CRISPE 和 CoT 设计高质量 Prompt](lesson2/project.md) |
| 第 3 课 | AIGC 与多模态内容创作 | [handout.md](lesson3/handout.md) | [生成项目 Logo、界面概念图与传播素材](lesson3/project.md) |
| 第 4 课 | Vibe Coding 基础：从自然语言到 AI 代码 | [handout.md](lesson4/handout.md) | [创建并运行个人主页原型](lesson4/project.md) |
| 第 5 课 | Spec 驱动开发与 Git 协作基础 | [handout.md](lesson5/handout.md) | [为班级管理系统撰写可执行 Spec](lesson5/project.md) |
| 第 6 课 | MCP、Skills 与代码稳定性 | [handout.md](lesson6/handout.md) | [完成项目立项、测试设计与稳定性检查](lesson6/project.md) |
| 第 7 课 | Terminal、云端环境与自动化工作流 | [handout.md](lesson7/handout.md) | [用命令行和 AI 工具搭建项目骨架](lesson7/project.md) |
| 第 8 课 | 互联网项目开发视角下的 AI 辅助开发 | [handout.md](lesson8/handout.md) | [将静态原型推进为可用产品流程](lesson8/project.md) |
| 第 9 课 | AI 智能体与智能体开发 | [handout.md](lesson9/handout.md) | [为课程项目加入 AI 对话或任务代理能力](lesson9/project.md) |
| 第 10 课 | 课程答辩与项目展示 | [handout.md](lesson10/handout.md) | [准备并完成最终项目答辩](lesson10/project.md) |

## 统一环境配置

建议在课程开始前完成以下准备：

1. 安装 Chrome 或 Edge 浏览器，并准备常用的大语言模型网页端账号。
2. 安装 Trae、Cursor 或同类 AI 编程工具；课堂示例以通用 AI IDE 工作流为主。
3. 安装 Git，并注册 GitHub 或 Gitee 账号，用于代码版本管理和小组协作。
4. 准备一个本地项目目录，所有课堂项目和大作业代码应放入该目录并持续维护。
5. 如需调用在线模型、云数据库或智能体平台，请妥善保存 API Key，不要提交到公开仓库。

## 学习建议

- 先写需求，再让 AI 生成代码。所有重要任务都应先形成 `spec.md`、任务清单或对话上下文。
- 对 AI 输出保持审阅。重点检查业务逻辑、数据流、权限、异常处理和是否真实可运行。
- 小步提交。每完成一个可验证阶段，就使用 Git 保存当前状态，避免后续修改破坏已有成果。
- 将报错作为学习材料。遇到错误时，应保留完整报错信息，并让 AI 解释原因、提出修复方案，再自行验证。
- 大作业应从小场景切入，优先完成一个稳定可演示的 MVP，再扩展复杂功能。

## 作业与答辩

课程前半段以单节项目训练为主，帮助学生掌握 AI 对话、提示词、多模态生成和基础 AI 编程流程。第 6 课后进入小组大作业阶段，三人左右组成一组，围绕真实生活、学习、科研或校园服务场景开发一个可运行应用。

最终答辩重点考察以下方面：

- 问题定义是否具体，目标用户与使用场景是否清晰。
- 项目是否能够现场运行，而不仅是界面截图或原型说明。
- 是否合理使用 AI 工具完成需求分析、代码生成、调试、测试或智能体能力接入。
- 小组是否能解释关键技术选择、遇到的问题和后续改进方向。