我觉得vibe coding的问题

Claude Code 51 万行源码泄露，是一场低级失误引发的行业地震，更是一次免费的技术普惠。它证明：顶级 AI 编程助手≠大模型堆参数，而是架构设计 + 工具编排 + 上下文管理 + 安全机制的综合工程。从六层架构到 Multi-Agent、智能压缩，这套设计已经成为 AI Coding Agent 的事实标准。1.用户交互层：终端 UI，自研引擎不卡技术：React + 自研 Ink 渲染引擎（重写 Reconciler，80 + 文件）。核心：解决 AI 流式输出（每秒几十次更新）的卡顿问题，用双缓冲渲染实现 16ms 级流畅刷新。形态：CLI 命令行、支持彩色 / 滚动 / 实时编辑、多面板布局。2. 命令与技能层：100 + 斜杠命令，降低门槛作用：把复杂 Agent 能力包装成/commit、/diff、/tasks、/agents等Slash 命令，开发者不用记复杂语法。能力：覆盖 Git 工作流、多 Agent 管理、任务调度、外部工具接入（MCP 协议）。3. 核心引擎层（大脑）：QueryEngine + 工具 + 权限三驾马车这是 Claude Code 的灵魂，4.6 万行代码的 QueryEngine 是绝对核心。QueryEngine：对话编排中枢，负责任务拆解、思维链、工具选择、循环重试、结果汇总，把自然语言转成可执行步骤。工具系统：定义 40 + 标准工具（文件、Bash、Git、搜索、子 Agent），支持动态扩展、并行调用。权限框架：细粒度工具审批（自动 / 手动确认）、危险命令黑名单（rm -rf）、沙箱降权、审计日志。4. 服务层：对接大模型与外部能力核心服务：claude.ts封装所有 Anthropic API 通信，管理请求 / 响应 / 长连接、流式输出。外部集成：MCP 协议（Model Context Protocol）接入第三方工具、Git/GitHub API、文件系统、终端命令。5. 上下文与记忆层：解决 AI “失忆”，长对话不崩Claude Code 最惊艳的设计之一 ——四层记忆 + 智能压缩，支持超长会话、项目级理解。系统提示（claude.md）：项目级规则（技术栈、规范、风格）。目录状态：代码树结构、关键文件、依赖关系。对话摘要：历史压缩，保留关键信息、剔除冗余。实时上下文：工具调用最新结果、当前编辑内容。压缩机制：上下文用到 75%~92% 时自动触发，按信息密度（代码占比）优先压缩低价值内容，避免 Token 爆炸。6. 基础设施层：运行底座运行时：Bun（非 Node.js）—— 更快启动、更低内存、原生 TS 支持。状态管理：React Hooks 全局状态、文件持久化、跨会话记忆。安全沙箱：本地权限隔离、命令白名单、操作审计。三、藏在代码里的 5 大黑科技：为什么 Claude Code 比普通 AI 助手强？1. Multi-Agent 蜂群协作：一个需求，一群 AI 干活泄露代码曝光了未发布的多 Agent 系统—— 彻底告别 “单个 AI 串行干活”。主 Agent（协调器）：拆解任务、分发、汇总结果。子 Agent（分工）：前端、后端、测试、文档各守一职，独立上下文、并行执行。通信：共享消息总线，直接对话、无需人工中转。效果：200k Token 任务拆成 3 个 70k 并行，速度 ×3、质量更高、不丢上下文。2. 双模式推理引擎：快任务秒回，复杂任务深度啃快速路径：轻量子模型，延迟 < 50ms，处理简单查询（解释代码、查函数）。深度路径：全模型 + 多阶段推理 + 工具循环，支持7 小时 + 无中断代码重构。3. Hook 自动化：开发流程 “自动驾驶”事件驱动触发器，7 类核心 Hook（文件编辑、消息、工具 / 任务前后），改 JSON 就能配置自动化：改测试→自动跑 Lint；提交前→自动跑测试；写入文件→自动规范校验。4. 代理式搜索（Agentic Search）：不上传代码库，更安全传统助手（Copilot）要把整个代码库上传云端索引，隐私风险大。Claude Code：按需调用工具，只读需要的文件、本地处理，不把全库发云端。5. 反竞争防御：偷偷塞 “假工具”源码曝光：每次 API 调用会混入几个假工具—— 专门污染偷数据训练竞品的人，属于 Anthropic 的 “商业防御黑科技”。

Claude Code 的完整 TypeScript 源码，51.2万行，1903个文件，就这样暴露在了公网上。 我当然不可能在短短数小时内看完这么多代码，因此，我带着三个问题去读这份源码：  Claude Code 和其他 AI 编程工具到底有什么本质区别？ 为什么它写代码的"手感"就是比别人好？ 51万行代码里，到底藏着什么？  读完之后，我的第一反应是：这不是一个 AI 编程助手，这是一个操作系统。 一、先讲一个故事：如果你要雇一个远程程序员 想象你雇了一个远程程序员，给他你电脑的远程访问权限。 你会怎么做？ 如果你是 Cursor 的做法：你让他坐在你旁边，每次他要...

围绕项目问八股1.秒杀场景下数据库宕机怎么办2.数据库在达到最大连接数后是否还能继续连接3.秒杀整体流程4.redis中hash的数据结构5.redis中zset的数据结构6.一条完整sql语句执行流程7.mysql索引结构8.redis lua脚本在redis集群情况下要注意什么9.agent上下文过长怎么办10.如果这个程序运行出现问题会从哪些方面进行排查11.https协议12.对称加密和非对称加密手撕：最大子数组和后续：已挂

过去这一年，我对Vibe Coding的理解发生了明显转变——不再是“让一个AI帮我写代码”，而是像管理一个小型研发团队一样，管理一组AI。最近，我就用这套流程，将LLM-TradeBot在不到一周的时间里，从0搭建到了可运行版本。下面，我把目前稳定在用的一整套流程记录下来，供大家参考。1. 先选对“主力AI员工”如果只记住一条经验，那就是：选对模型，能极大减少返工、修BUG、推倒重来的隐形成本。在能力允许的情况下，尽量选择当下综合能力最强、上下文稳定的模型，而不是“能用就行”。在我的流程里，目前的AI分工如下：- Claude Code：核心开发主力，负责规划与编码；- Codex：负责代码Review与风险检查；- OpenCode：负责高频小改动与自动执行。IDE层面，我依然把Claude Code作为主战场，它非常适合长时间、高强度的Vibe Coding。2. 架构师 + 程序员的“双层AI架构”这是我认为最关键的一步。不要让一个AI既当产品经理，又当架构师，还当底层码农，这样几乎一定会导致：前期很爽、后期失控、最终形成“屎山”。我的做法是明确AI的角色分工，分为AI架构师和AI程序员两层。AI架构师（大脑）我会选择一个擅长系统思考和产品设计的模型，让它只专注做四件事，不涉及具体编码：1. 构思整个系统的目标和边界；2. 拆分开发阶段和模块；3. 为每一步生成「给AI IDE用的Prompt」；4. 验收阶段性成果，并给出下一步指令。这里有一个重要原则：不要让AI架构师陷入实现细节。上下文越干净，它的判断越稳定。AI程序员：专心干活，不做决策真正负责写代码的是AI程序员，流程非常简单：- 把AI架构师给出的Prompt，原样丢给AI程序员（我选用Claude Code）；- 监督它完成具体工作，包括编码、读文档、跑测试、修BUG。测试结果、异常情况、设计偏差，我会原封不动反馈给AI架构师，由它判断是继续推进，还是调整方向。这样做能明显感觉到：系统是“被管理着往前走”的，而不是失控地生长。3. Code Review 必须独立出来这是我最近新增、但非常重要的一步。当代码规模开始变大时，我会把代码丢给Codex，让它只专注做两件事，不参与设计、不写新功能：- 逻辑Review；- 风险检查（包括边界、异常、潜在Bug）。它的核心作用就是判断“这里有没有坑”，这一层能挡掉非常多未来才会暴露的问题。4. 不要害怕推倒重来这是Vibe Coding里最反直觉、但也最重要的一点。去年12月，我尝试开发一个MEME Auto LP系统，随着代码越来越多，逻辑越来越绕，明知道方向不对，却舍不得重写，最终导致：越修越乱、越改越偏，最后完全背离初衷。最终我选择：新建文件夹，全部重来。换了流程、换了模型组合，用现在这套多Agent方式，开发反而异常顺利。很多时候，与其花时间修补“屎山”，不如让更智能的AI，重新写一座干净的“山”。5. 测试、验收、提交：用Git控制AI最后一点，非常务实：一定要用Git。我目前的配置是GitHub私有仓库+GitHub Desktop/自动生成Commit Message，每完成一个阶段，就按照“测试→确认无误→提交”的步骤操作。这样做，你永远拥有三种权利：回滚、覆盖、推翻重来，这也是控制AI不乱写、不乱删、不乱来的最有效手段。最后如果只是开发一个很简单的小工具，其实任何AI IDE都能直接搞定。但只要项目稍微复杂一点，Vibe Coding的核心就不再是“写代码”，而是“设计一套能持续推进的AI协作流程”。对我来说，现在这套流程，已经足够稳定地支撑中大型项目开发。以上，记录在此。