AI Agent / 系统课时
创建第一个 AI 协作项目
创建第一个 AI 协作项目
本节将从一个空目录开始创建第一个 AI 协作项目,学习如何向 AI 描述需求、生成代码、运行程序并验证结果。完成后,你将掌握一次完整的人机协作开发闭环。
学习目标
- 理解 AI 协作项目从需求到运行的基本流程。
- 掌握创建项目、生成代码和验证结果的方法。
- 建立人工判断与 AI 输出结合的开发习惯。
从空目录建立项目
AI 协作项目仍然需要明确的工程边界。开始开发前,先创建项目目录,并初始化基础配置,让 AI 生成的代码拥有明确运行环境。
下面使用 Node.js 创建一个简单命令行项目作为示例。
bash
mkdir first-ai-project
cd first-ai-project
npm init -y预期结果:
text
Wrote to <PATH>/package.json初始化完成后,项目目录中会出现 package.json,用于记录项目名称、脚本和依赖信息。
描述需求并生成代码
与 AI 协作时,需求描述需要包含目标、输入、输出和限制条件。例如,不要只说“写一个程序”,而应该说明程序需要完成什么任务。一个有效需求通常包含:
- 项目目标:希望解决的问题。
- 功能要求:用户可以执行的操作。
- 技术约束:语言、框架或运行方式。
- 验收标准:如何判断结果正确。
AI 生成代码后,需要人工检查文件结构、依赖选择和实现逻辑,再决定是否采用。
编写并运行第一个程序
创建入口文件 index.js,实现一个简单功能。
javascript
function createGreeting(name) {
// 保持业务逻辑独立,方便后续让 AI 扩展功能
return `Hello, ${name}`;
}
console.log(createGreeting('AI Developer'));运行程序:
bash
node index.js预期输出:
text
Hello, AI Developer这个过程体现了 Vibe Coding 的基本循环:提出需求、获得方案、运行验证、继续调整。
建立 AI 协作验证流程
AI 生成代码后,不应直接认为结果正确。可靠流程通常包括理解需求、检查代码、执行测试和观察结果四个步骤。

人工判断是整个流程中的关键环节。AI 擅长快速生成候选方案,但项目目标、技术取舍和最终质量仍需要开发者确认。
常见失败处理
第一次 AI 协作项目常见问题包括需求描述模糊、生成代码缺少依赖、运行环境不一致等。遇到问题时,可以按照以下顺序定位:
- 检查需求是否明确。
- 检查项目依赖是否完整。
- 检查运行命令是否正确。
- 根据错误信息调整需求或代码。
不要只要求 AI “修复错误”,而应该提供错误现象、运行环境和期望结果,让 AI 更准确地定位问题。
按自己的节奏,确认真正理解。