年初的时候有尝试使用大语言模型完成一个前后端项目，详见“记一次使用AI完成一整个前后端项目”。
那时的观点是很难用，即使已经有了现成的其他语言的代码作为参考，依然难以复现，很大程度上还是需要人工参与到代码的编写中（尤其是对一些编译问题和运行时bug）。
但今年 agent 的快速进步也推动了 Vibe Coding 的快速发展，以及我自己对 Next.js 框架的逐渐熟悉，似乎这件事也变得更加简单了。
作为一个压缩领域的研究者，我一直苦恼于每次画新的 RD 曲线图都要从过往的实验数据中找到旧方法的实验结果，并编写 matplotlib 代码绘制。这几天终于忍不住想要搞一个管理相关实验数据并进行可视化的应用——RD Curve AI，也欢迎大家试用并给我一些改进建议。
图表
BD-Rate
数据导入
评价指标
这次 Vibe Coding 实际上仅用了一天时间就完成了，个人认为还是很顺利的，大致流程如下：
- 首先详尽地编写一个提示词，描述要使用的技术栈、组件等内容。其实也不用组织得特别好，只要条目足够多，足够覆盖脑海中的需求即可。这里也给出我的示例：
CodeBlock Loading...
- 除了这个提示词外，我还喂了一些之前写好的密码加密、better-auth的配置进去，因为根据之前的经验，这部分需要AI迭代好多轮才能输出一个符合我预期的代码。
- 写一个项目的整体提示词，这个可以交给 AI，但仍需要对其内容进行一些微调。这里也给出我微调后的版本：
CodeBlock Loading...
- 花了一段时间后 AI 就能把整个框架搭好了，此时就需要根据编辑器给出的错误提示，逐条交给 AI 去解决。
- 当项目成功跑起来，就是逐步调整包括功能、前端页面了，这一部分也是最耗时的一段。比如我就中途想到加入一个 BD-Rate 计算的功能。在这里进行反复迭代最后也许就能得到你想要的项目了。
最后想要说明的是，Vibe Coding 依然无法帮助小白完成一个较为复杂的系统任务，人在其中虽然不一定要完全读懂 AI 写的代码，但一定要对系统框架有一个较为全面的掌握。这里引用一条暴论：”AI（几乎）不能帮你完成你并不会的任务“。我对 Next.js 框架的熟悉就是这一年自学并在 AI 的帮助下完成一些小项目或者改进一些开源项目中逐渐成长起来的，当有了这些经验积累后，AI 才能变成一个提升效率的优秀工具。