去年这时候，我对「Vibe Coding」这个词的理解还停在：「就是 AI 帮你写代码嘛，有啥了不起的。」
现在我的想法是：这玩意儿把独立开发的门槛炸平了一半。
从一个具体的痛点开始
事情的起点很普通——
身边有朋友跟人暧昧期发消息，发完截图给我：「你帮我看看，这条回的是什么意思？」
这种事发生的次数多了，我开始想：为什么没有一个工具专门干这件事？
不是泛泛的「AI聊天助手」，而是：
- 你把聊天截图丢进去
- 它告诉你现在的对话温度是热还是冷
- 根据你的性格风格，给你几条可以发的回复
这就是 Wingman 的起点。
Cursor 是怎么介入的
说清楚一点——做 Wingman 之前，我写代码的水平是：
- 能看懂 Python 基础语法
- 改改别人的脚本没问题
- 从零搭一个有前端的完整产品？没戏
然后我开始用 Cursor。
Cursor 不是「你说需求它生成代码」那么简单。更准确的描述是：它是一个能参与你思考过程的结对程序员。你不需要先把需求写清楚，你可以边想边说，它边理解边写，有问题它问你，你觉得不对你推翻重来。
整个过程更像是跟一个有代码能力的人对话，而不是填表单。
实际做了什么
第一步：把产品逻辑说清楚
跟 Cursor 描述：用户上传聊天截图，识别文字，输出「对话温度」（1-10分），再根据用户的风格偏好（幽默/温柔/直接）生成3条回复建议。
Cursor 直接给了技术方案：Next.js 前端 + FastAPI 后端 + 通义千问 (Qwen) 做截图识别与分析。
第二步：逐模块推进
没有一口气把所有代码生成出来。而是：
- 先做「截图上传+文字识别」这一块
- 跑通了，再做「温度分析」逻辑
- 再接「回复生成」
- 最后做 UI
每一步 Cursor 写完，我在浏览器里验证，发现问题告诉它，它修。这个循环大概持续了3天。
第三步：遇到了什么麻烦
- 截图识别偶尔出错 → 换成先用本地 OCR 提取文字，再喂给千问分析
- 「温度」这个概念太主观，模型输出不稳定 → 在 prompt 里加了详细的评分标准和示例
- 移动端排版垮了 → 让 Cursor 专门跑一轮「只修移动端样式，不动逻辑」
这些问题在以前对我来说是「卡死」，现在变成了「多花一个小时」。
Vibe Coding 真正改变了什么
不是「不用学编程了」——这个说法是错的。
真正改变的是：你需要学的东西变了。
以前做产品，卡点在「实现」：想清楚了但写不出来。
现在卡点在「想清楚」：你对产品的理解有多深，Cursor 就能帮你走多远。
换句话说，Vibe Coding 放大的不是你的技术能力，而是你的产品思维。
如果你有一个具体的痛点，能把它说清楚，知道「好的结果」是什么样，Cursor 能帮你把这件事做出来。
工具组合参考
我做 Wingman 用的完整工具链：
| 环节 | 工具 |
|---|---|
| 代码编写 | Cursor (Claude Opus) |
| 前端框架 | Next.js + Tailwind |
| 后端 | FastAPI (Python) |
| AI 能力 | 通义千问 (Qwen) |
| 部署 | Vercel (前端) + Railway (后端) |
| 版本管理 | GitHub |
整个过程没有外包，没有找程序员，自己一个人完成。
相关延伸
如果你对「AI 工具怎么真正融入工作流」感兴趣，可以看这几篇：
- 结构化输出：省掉70%的人工整理时间 — 让 AI 直接输出可处理的格式，而不是一堆文字
- 我以为派出去了，其实一个都没到——多 Agent 派单的正确姿势 — 多个 AI 协作时踩过的坑
- 如何给 AI 建立一个灵魂 — 为什么同一个问题，不同的 AI 助手给出完全不同的回答
Wingman 现在可以直接用：wingman.zhixingshe.cc
有在用 Cursor 做东西的，欢迎告诉我你遇到的最大卡点。