AI编程从零开始：环境配置到开发调试_互联网前沿

我最开始接触ai编程（vibe coding）是去年，因为我以前没写过插件，第一次用ai来写，十分钟搞定，功能是点击将浏览器所有书签转化为网址导航站来显示，用ai在网页端生成，插件运行后显示正常。我感觉有了ai之后，编程门槛大幅降低，傻子都可以当程序员了。

后来维护一个很古老的vb6程序，提示mscomctl.ocx控件加载失败的问题，查看了一下代码，用了progressbar控件，于是用ai重写了一个类，通过picturebox（图片框）来模拟progressbar，源代码几乎不用修改就完成了，编程效率非常高。

经过一番研究，我发现ai编程（vibe coding）是件很有意思的事情，能让人做一些意想不到的工作，特别是对于程序员的好处大大。以前有35岁程序员失业的情况，掌握了ai编程以后，年纪更大的程序员也能在短时间高效率地开发出大量程序，年轻的程序员未必会有什么优势，编程也不再是体力活了，ai能帮忙写出大部分程序，因此，现在无论是否是程序员的职业，都应该多学习一下ai编程知识，做点什么东西。

下面我就以我个人的经验，从零开始介绍一下vibe coding的环境配置到具体开发调试和发布的全过程。

1、环境配置

客户端编辑器就选vs code，以及其套壳变种，例如trae，antigravity，cursor等等，把vs code的界面、配置、功能都搞清楚了，其他绝大多数ai编辑器都没什么问题。visual studio code的官网下载地址是：https://code.visualstudio.com 。下载安装后的语言是英文的，在侧栏“扩展”里，搜索chinese，装第一个扩展，可以把界面变成简体中文界面。

代码管理选用git，这是一款开源的分布式版本控制系统，下载地址：https://git-scm.com

安装后配置：

git config --global user.name "你的名字"

git config --global user.email "你的邮箱"

代码托管选用github，一键同步 github 所有项目到本地的方法：

安装 github cli（运行powershell）：winget install github.cli

批量同步所有项目到本地当前目录：for /f "tokens=1" %a in ('gh repo list --limit 1000') do gh repo clone %a

国内访问github大概有一半的几率会访问失败，因此需要设置代理。

本地代理服务器这里就默认为：socks5://127.0.0.1:10808，大家可以将端口号修改为自己使用的端口号。

在git里设置访问github走代理的方法是：

打开终端，运行以下命令：

git config --global http.https://github.com.proxy socks5://127.0.0.1:10808

git config --global https.https://github.com.proxy socks5://127.0.0.1:10808

另一种方法是修改配置文件，该文件通常位于系统的用户主目录下：

c:\users\你的用户名\.gitconfig

可以使用任何文本编辑器（如 notepad, vs code）打开，将以下内容直接复制并粘贴到文件的末尾。

[http "https://github.com"]

proxy = socks5://127.0.0.1:10808

[https "https://github.com"]

proxy = socks5://127.0.0.1:10808

验证配置是否成功：

git config --global --list

编程语言就选python，现在ai编程主流语言是python，这个语言和vb6非常像，语法结构几乎高度一致，绝大多数逻辑和vb6一模一样，只是写法略有不同而已，就像以前用过的dos版gw-basic，都和自然语言差不多，一看就懂，python则像是一个跨平台、库超多的加强版vb6，我也尝试把vb6老程序转换成python，发现是完全可行的。

ai模型有很多选择，国外的有claude code、openai codex、microsoft copilot、google gemini等等，国内的有doubao、glm、deepseek、kimi、qwen等等，国外ai模型必须要用代理才能访问。

配置vs code走代理服务器的方法是：

本地先安装一个代理服务器软件，打开vs code，打开“设置”，搜索proxy，在http: proxy：里填写代理服务器地址，例如下面的例子："http.proxy": "socks5://127.0.0.1:10808"，这时候vs code里面的国外ai模型就可以访问了。

vs code默认的ai模型是github copilot，其免费额度每月重置，我一天就用了20%，感觉对于程序开发不够用。openai codex从扩展里搜索codex来安装，免费额度一周重置，我一天用了27%，但其每天会恢复，使用比较灵活。claude code也从扩展里搜索claude来安装，会一次性赠送一些额度，之后就要充值，claude code对中国用户不太友好，经常会封号。

google antigravity虽然也是vs code套壳，但不知道做了什么修改，必须要用tun代理模式才能登录使用，很不方便，找了一个工具config.json，通过劫持 version.dll，可以将网络流量重定向到代理服务器，这样不开启tun模式也能运行了。用其编写了一个简易版的uptimerobot，一次性生成代码运行成功，并提交到了github actions，可以定时运行了，感觉质量还不错。

国内版的trae默认使用doubao-seed-code模型，好像找不到 “用量/额度” 入口，看不到用量，据称是无限使用。trae可以更换模型，也可以自定义接入模型，目前比较热门的是deepseeek-v4-pro，但需要在deepseek网站上充值才能用。

我尝试用trae+deepseeek-v4-pro来修改以前用了一个魔兽战场警报插件：simplebattlefieldalert，这个插件在魔兽世界12.0以后就不能用了，使用trae调用deepseek-v4-pro修改调试了三次，生成了三次代码，但依旧还是无法在战场发送消息，耗费deepseek的token总共0.55元。

虽然字节跳动的trae是免费使用，但其默认的doubao-seed-code模型实在不敢恭维，我用其转换一个vb6程序到python程序，转化出来的代码全是错误，完全无法运行，调试了一个小时都还剩一大堆错误，换用openai的codex做同样的转换工作，用同样的提示词，codex一次性转换生成代码并运行成功，没有一个错误。

除了字节跳动的trae以外，国内的类似ai编程工具还有阿里的通义灵码，百度的文心快码，腾讯的codebuddy，蚂蚁的codefuse等等。

总的来说，感觉codex和antigravity都不错，copilot给的额度太低，生成代码质量也一般。trae的额度很大，但生成代码质量一般。

2、开发调试

配置好环境，我们就可以进行开发工作了，开发我们第一个vibe coding项目。

先创建一个目录，用vs code打开这个目录，然后把需求提示词发给ai，提示词要写详细一些。很多人以为，ai 写不好代码，是模型太弱，其实大部分时候，是提示词太烂，新手可遵循“目标+细节+要求”的描述模板：

模板示例：“用python实现一个个人信息查询工具，功能：1. 存储3条个人信息（姓名、年龄、职业）；2. 输入姓名，可查询对应的年龄和职业；3. 若查询不到姓名，提示‘无此信息’；要求：代码简洁，带注释，可直接运行，无需复杂依赖。”

让ai生成代码的时候，一定要ai添加注释和说明，比如要求ai添加“代码带详细注释，解释核心逻辑”“说明每个变量的作用”，这样才能方便后续理解和调试。为了方便提交github，还可以要求ai生成代码说明文档，例如“生成一段readme.md内容，说明本项目的使用方法、功能模块和运行环境”，方便后续维护和分享。

调试方法：复制终端中的错误信息，粘贴给ai，输入提示：“这段代码运行时出现如下错误，请找出原因并修改，修改后代码可直接运行：[粘贴错误信息]”。ai会自动定位错误并修正，无需你手动排查语法细节。

反馈内容的时候，只保留“错误信息+预期需求”，不要添加无关内容，避免ai抓不住重点。

3、提交发布

调试运行没问题后，在vs code点击侧栏“源代码管理”，点“初始化仓库”，写上注释，即可提交github，每次提交github都需要写注释。如果代码里有密码、密钥、数据库等私密信息，可以让ai不要提交私密信息，通过.gitignore文件让敏感信息不提交到github上。

为了方便用户在不安装python的情况下使用我们开发的python程序，可以使用pyinstaller将python程序打包为exe文件。

方法很简单：

安装pyinstaller

pip install pyinstaller

之后进入到要打包的python脚本所在的目录，运行

pyinstaller my_script.py

即可把打包好的exe文件保存到dist文件夹。

常用的打包选项包括：