文章分享了作者利用 Claude Code 和 Claude Agent SDK 在个人服务器上构建 24/7 AI 助手的全过程，全程不写代码，仅通过对话实现构建、分析数据、处理文件和构建界面的能力，体现了 Vibe Coding（将 AI 视为思维延伸）的乐趣。

Demo 的核心价值 构建 Demo 是传达想法最有效的方式，它具有高信息密度，能将模糊的想法外化，建立信任。作者通过构建 Demo 成功说服了团队接受其 AI 工作流方案。

Vibe Coding 的六大核心技巧

1. 学习模仿而非凭空创造：通过参考 GitHub 上的开源项目设计风格，让 AI 生成匹配代码，减少反复调试。
2. 问题驱动学习：在执行每一步操作前都向 AI 提问概念和步骤（如 SSH、Docker），实现“干中学”。
3. 渐进式开发：先定义数据模型和核心逻辑结构，再添加约束层和交付层，确保模块接口稳定，便于调试。
4. 模块化代码：要求 AI 每个文件只实现一个聚焦目标（例如，一个文件仅处理聊天软件命令），以优化 AI 上下文和定位问题。
5. 架构思考：在编写代码前，与 AI 进行 5 分钟的架构讨论，确定方案可行性、风险点（如安全隔离），预先解决 80% 的潜在返工问题。
6. 利用 Agent SDK 优势：Claude Agent SDK 允许 AI 使用自定义工具和管理上下文，官方支持直接编写基于该 SDK 的程序，效率远高于手动提供文档。

从想法到产品的完整工作流

1. 问题定义：只定义目标（What/Why），让 AI 自主选择最佳技术栈（How）。
2. 架构思考：评估 AI 建议的架构是否可理解，识别风险最高的模块（如安全），并提前加入安全层（如路径隔离）。
3. 逐模块实现：将大需求拆解为清晰边界的小任务，一次只让 AI 实现一个模块的功能。
4. 错误处理：要求 AI 先自我测试；报错时，提供完整上下文（操作、期望结果、实际错误信息），并集成前先用 curl 等最小化方式验证外部配置。

产品思维是差异化核心 代码实现是手段，产品思维是目的。AI 无法代替决策者回答“为什么”：

• 配额系统：基于 150GB VPS 资源限制，决策为每用户分配 5GB 配额。
• 长消息处理：为优化聊天软件体验，回复超过 1000 字时，自动打包成 .txt 文件发送。
• 安全责任：主动禁用 bash 执行权限，设置严格的路径隔离（users/{user_id}/data/），并使用 Docker 容器隔离环境。

结论 Vibe Coding 是一种高效的做事方式，它通过低成本试错加速学习、提供有说服力的 Demo、训练系统化思维，并帮助构建者认识自己的真实需求和偏好。