传统开发中引入一个新库的流程:Google 搜索 → 查看 GitHub Star 数 → 阅读 README → 看示例代码 → 决定是否使用。
在 Vibe Coding 中,这个流程的前三步可以交给 AI。你只需要做最后一步决策。
当你需要一个功能但不确定用什么库时:
我需要在前端实现 Excel 文件的上传和解析,用户导入数据后做展示。
推荐几个 JavaScript 库,比较它们的优缺点。
AI 会返回一个对比表格,包含库名、Star 数、优缺点、推荐场景。
这是让 AI 做初筛的正确方式——给它一个具体的场景,而不是笼统的问题。
❌ "推荐一个好用的前端工具库。"——太宽泛,AI 给出列表但不贴合你的需求
✅ "我需要解析 Excel 文件,在前端展示数据,支持筛选和排序,推荐 UI 和数据处理的库。"——具体场景,AI 能给出精准推荐
不同场景的初筛提示模板:
我需要 [在 React 中实现拖拽排序功能]。推荐开源库,对比优缺点。
我需要 [在浏览器中解析 PDF,提取文本内容用于搜索]。推荐方案。
我需要 [在 Node.js 后端生成 PDF 文件,包含表格和图片]。推荐库。
"具体的需求 → AI 精准推荐" 比 "笼统的提问 → AI 泛泛而谈" 效率高得多。
当你在两个库之间纠结时,让 AI 做对比分析:
比较 xlsx 和 exceljs 这两个库:
1. 功能完整度
2. 浏览器兼容性
3. 包体积
4. TypeScript 支持
5. 社区活跃度
AI 会给出一个结构化的对比。但注意——AI 的数据可能不是最新的。Star 数、最近更新日期这些信息,最好让 AI 联网搜索或你自己快速看一眼。你可以给 AI 添加一条指令:"使用 Web 搜索获取最新的 Star 数和更新时间。"
选定库之后,下一步是集成。与其你自己写第一个示例,不如让 AI 直接生成:
我决定使用 xlsx 库。
请创建一个上传 Excel 文件的组件:
- 拖拽或点击上传 .xlsx 文件
- 解析后以表格形式展示前 10 行数据
- 显示列名和行数
AI 会安装库、写组件代码——省去了你读文档写第一个 demo 的时间。
一个更高效的集成方式:"先验证后集成"。
有时候 AI 首次生成的集成代码可能不工作(因为库的 API 变化了)。两步策略更可靠:
这个策略把问题隔离了——如果第一步失败,说明是库的 API 问题;如果第一步成功但第二步失败,说明是组件集成的问题。问题范围缩小后,AI 的修复效率更高。
AI 初筛 + 你自己做的最终检查。当你拿到 AI 推荐的 2-3 个库后,自己快速确认这几个指标:
1. GitHub 状态(30 秒)
2. 许可证
3. 你的直觉
这是一个重要的实践问题:AI 生成的代码可能包含受版权保护的代码片段。目前各国法律对"AI 生成内容的版权"尚无定论。
实际操作建议:
标签不会侵犯任何人的版权。
- 如果你在构建商业产品,避免直接要求 AI "复制 XXX 库的实现"或"实现和 XXX 完全相同的功能"。这是一种"露馅"的红色信号——让 AI 写功能需求,而不是"复刻"需求。
- 使用许可证宽松的库(MIT、Apache 2.0)——AI 生成这些库的示例代码是完全合法的。
- 如果你的合规要求严格,考虑使用 GitHub Copilot 等有"可引用代码过滤"功能的工具,或者在你购买的内容中检查相关政策。
高维度:建立你的"工具库"
随着你使用 Vibe Coding 越来越多,你会发现有一些库是每次项目都要用的。建立一个"默认工具栈",每次新项目自动带上:
我的默认工具栈:
- 前端:Next.js + Tailwind CSS + shadcn/ui
- 后端:Next.js API Routes
- 数据库:Prisma + SQLite(原型)/ PostgreSQL(生产)
- 认证:NextAuth
- 部署:Vercel
- AI 集成:Vercel AI SDK
每次新项目开始时,直接给 AI 你的默认工具栈,然后说:
用我的默认工具栈创建一个新项目:一个简单的记账应用。
AI 不需要重新思考用什么框架、什么数据库——它直接上手。这才是真正的"Vibe 工作台"——不是工具本身,而是你选定的武器组合。
"默认工具栈"的演化过程:
你的默认工具栈不是一成不变的。随着你做的项目越来越多,你会:
- 发现某个库在某些场景下表现不好 → 替换它
- 发现某个新库让你更高效 → 添加它
- 发现你其实不需要某个库 → 移除它
一个健康的默认工具栈通常包含 4-6 个工具(前端框架、UI 库、后端框架、数据库、认证、AI 集成)。太少说明你可能在某些场景下"硬用不合适工具",太多说明你花在工具选择上的决策疲劳太多了。
本节要点
- 寻找开源库的正确姿势:告诉 AI "我要做什么",让它推荐并对比。具体场景的提问比笼统提问效率高得多。
- 二选一时让 AI 做结构化对比分析,但最终自己去 GitHub 看一眼 Star 数和更新时间。可以加上"使用 Web 搜索"指令让 AI 获取实时数据。
- AI 可以生成集成代码——先验证基本 API 调用是否正常,再生成完整组件。两步策略隔离问题范围。
- 评估一个库的三个指标:GitHub 状态(Star/更新/版本/文档)、许可证(MIT 最宽松)、直觉。
- 建立你的"默认工具栈",每次新项目复用,减少决策疲劳。通常 4-6 个工具最合适。工具栈会随着项目经验自然演化。
- 版权提醒:常规使用不用担心,商业产品避免要求 AI "复刻"其他库。使用 MIT/Apache 2.0 许可的库最安全。
Vibe 练习
对 Claude Code 说:
"我需要在我的应用中实现用户支付功能,接受中国用户的支付宝和微信支付,也支持国际用户的 Stripe 支付。请推荐合适的支付集成方案,对比它们的适用场景和接入复杂度。"
进阶练习:
让 AI "帮我建立一个个人默认工具栈:分析我最近做的项目类型(记账应用、博客、电商后台),推荐 4-6 个最适合我的工具组合。" 等 AI 给出建议后,回复 "好的,请帮我把这个工具栈写入 CLAUDE.md 文件中,以后每次启动新项目时 AI 自动使用这个配置。"