如果你最近在 B 站搜过 AI 编程相关的内容，大概率会被同一个词刷屏：Vibe Coding。再往下翻，又会出现 Superpowers、Claude Code、Codex、Cursor 这一串名字。很多零基础的同学看到这里直接懵了：这四个东西到底有什么区别？我是先装 Cursor，还是先学 Claude Code？为什么我把工具都装好了，AI 还是写不出我想要的项目？
这个问题的答案，其实不在某一个工具里，而在工作流。
Vibe Coding 看起来是“把需求用自然语言扔给 AI，让 AI 生成代码”，听起来很轻松。但真实项目里，AI 面对的不是一道填空题，而是没有边界的需求、不断变化的文件结构、需要反复验证的改动。如果没有一套可重复的流程，工具装得再多，最后得到的也只是一个“能聊天但接不了活”的编辑器。
这篇文章会把这四个工具的角色一次讲清楚，然后从环境安装、Superpowers 技能包、Claude Code 实战、Codex 接入、Cursor 中文配置，一路写到常见报错排查和工程建议。跟着走完一遍，你可以搭起一套完整的 Vibe Coding 工作流，而不是停留在“让 AI 写几段代码”的层面。
1. Vibe Coding 到底解决了什么问题
Vibe Coding 这个词由 Andrej Karpathy 提出，大意是：完全沉浸在编程氛围里，把主要编码工作交给 AI，自己负责描述方向、检查结果和修正偏差。它解决的核心问题，不是“写代码”这个动作，而是程序员与代码之间的关系发生了根本变化。
在传统编程里，你要先学语法、搞懂数据结构、理解框架的设计思想，然后才能动手。对零基础的人来说，最大的阻力不是“不会写”，而是“不知道从哪开始写”。一个需求落在面前，大脑一片空白：这个接口该建在哪里？数据怎么传？页面样式怎么组织？这些决策问题，在 Vibe Coding 里变成了“用自然语言描述 + 让 AI 出方案 + 你来做选择和验证”。
但这里有一个非常容易踩的误区：Vibe Coding 不等于“不做设计，全靠 AI 猜”。
如果你只是打开对话框，输入“帮我做一个电商系统”，AI 确实会给你一大段代码。但这段代码大概率是玩具级的：没有用户认证、没有支付回调、没有异常兜底、没有数据库迁移方案。为什么？因为需求不明确。AI 不是万能的，它擅长的是在明确边界内高效执行，而不是替你完成产品决策。
所以，Vibe Coding 真正改变的是“实现层”的效率，而不是“决策层”的职责。你仍然需要想清楚：
- 这个项目要给谁用，解决什么问题；
- 核心功能有哪些，先做哪一个版本；
- 对代码质量、安全性、可维护性的要求是什么；
- 哪些边界必须人工确认，哪些可以放手让 AI 生成。
想明白这些，Vibe Coding 才能帮你节省大量时间。想不明白，AI 只会帮你把错误方案做得更快。
这也是为什么本文要引入 Superpowers。它解决的是 AI 编程中最容易被忽略的部分：流程纪律。单次对话式的 AI 编程是“散打”，Superpowers 试图把它变成“有套路的训练”，让 AI 在需求澄清、方案规划、任务执行、验证反馈这个循环里稳定推进。
2. 四个工具的角色分工与选择策略
很多初学者第一个问题就是：既然都是 AI 编程工具，为什么还要装四个？事实上，它们属于不同层次，解决的问题并不重叠。先看一张对比表：
| 工具 | 形态 | 核心作用 | 适合的场景 |
|---|---|---|---|
| Claude Code | 命令行 Agent | 在终端里理解项目、执行多步任务 | 重业务逻辑、需要跨文件改动、自动化程度高的场景 |
| Codex CLI | 命令行 Agent | OpenAI 推出的终端编程 Agent | 熟悉 OpenAI 模型、希望用自然语言驱动终端任务 |
| Cursor | AI IDE | 带 AI 能力的代码编辑器，适合人机协作 | 边看代码边改、快速补全、局部重构、新手友好 |
| Superpowers | Claude Code 的技能包 | 为 Agent 提供结构化工作流 | 从“让 AI 写代码”升级到“让 AI 按流程做项目” |
从使用顺序来看，Cursor 是“入口级”工具，安装门槛低，打开就有一个图形界面，适合零基础理解代码结构。Claude Code 和 Codex 是“工作流级”工具，它们的价值不在于补全某几行代码，而在于接收一个模糊任务后，自己读项目、规划步骤、执行修改、报告结果。Superpowers 则是“流程增强包”，它让 Agent 在复杂任务里不会跑偏。
这里要给出一个明确判断：如果你是零基础，第一优先不是选工具，而是先理解一个完整项目是怎么从需求变成文件的。用 Cursor 去“看”代码，理解文件之间的关系；用 Claude Code 去“做”任务，体验 Agent 自动拆解和执行的乐趣；当任务复杂到 Agent 经常做一半就跑偏时，再引入 Superpowers 来管住流程。
工具链的选择不是“越多越好”，而是“每个工具解决一个环节”。Cursor 负责日常阅读和微调，Claude Code 负责批量改造和自动执行，Codex 可以视为 Claude Code 的同类替代或补充，Superpowers 是给 Claude Code 加的“工作流骨架”。
3. 环境准备：从 Node.js 到四个工具安装
正式开始之前，先把环境准备好。这里以命令行为主，因为 Claude Code 和 Codex 都是终端工具，后面写起来会更顺畅。
3.1 安装 Node.js 与 npm
Claude Code 和 Codex 的官方安装方式都依赖 npm，所以第一步是安装 Node.js。建议安装 Node.js 18 或更高版本。安装完成后，先验证一下环境：
node -v npm -v如果这两个命令都能输出版本号，说明 Node.js 环境没有问题。
3.2 安装 Claude Code
Claude Code 是 Anthropic 推出的命令行 AI 编程工具。它在终端里运行，能够读取当前项目目录下的文件，通过自然语言指令完成编码任务。全局安装命令：
npm install -g @anthropic-ai/claude-code安装完成后，在项目目录下运行：
claude首次运行时，它会引导你登录。如果你有 Claude 订阅账号或者 API Key，按提示完成认证即可。认证通过后，你会进入一个交互式终端界面，在这里可以输入自然语言指令。
3.3 安装 Codex CLI
Codex CLI 是 OpenAI 推出的终端编程 Agent，使用方式和 Claude Code 类似。全局安装命令：
npm install -g @openai/codex安装完成后，在终端运行：
codex首次运行会要求登录 OpenAI 账号，按提示完成即可。登录成功后，你可以输入类似“帮我初始化一个 Python 项目”的指令，Codex 会读取当前目录、分析项目结构并执行任务。
3.4 安装与启用 Cursor
Cursor 是带 AI 能力的代码编辑器，本质上是一个深度集成大模型的 IDE。它支持 Windows、macOS 和 Linux，直接到官网下载对应安装包即可。安装过程中不需要单独配置环境变量，打开后导入现有的 VS Code 插件或配置文件就能继续用。
Cursor 的用法介于“编辑器”和“Agent”之间。它既有传统编辑器的文件树、代码高亮、终端面板，也有 AI 对话窗口。对零基础学习者来说，Cursor 的最大价值是“边看边改”：左边是代码文件，右边是 AI 对话，AI 给出的修改建议可以直接应用到文件里，比纯命令行更直观。
4. Superpowers 技能包：让 AI 协作变得有纪律
4.1 为什么需要 Superpowers
Claude Code 本身已经很强，但它有一个典型问题：任务越复杂，越容易“自由发挥”。比如你让它“给项目加一个用户登录功能”，它可能跳过需求确认，直接按自己的理解写一整套实现，中途代码风格不一致、遗漏边界条件，甚至改了不该改的文件。这在简单 demo 里问题不大，但真实项目里很容易翻车。
Superpowers 是一个为 Claude Code 设计的第三方技能包，核心思路是把“一次性的自由对话”变成“可重复的工程流程”。它提前定义了多个技能模块，比如需求澄清、方案编写、任务拆解、测试驱动开发、Git 提交规范等。当 Agent 接到任务时，会先调用这些技能，而不是直接开始写代码。
从实际效果看，Superpowers 最大的价值是降低了 AI 编程的方差。不用 Superpowers，AI 的产出质量非常依赖提示词和你的运气；用了 Superpowers，它至少会先问清需求、给出计划、分步执行，并在每一步提供验证方式。对零基础用户来说，这种“结构化引导”弥足珍贵，因为你还不具备判断 AI 代码质量的能力，需要流程来兜底。
4.2 安装 Superpowers
Superpowers 通常会以 Claude Code 的插件或技能目录形式安装。更稳妥的方式是查看它的 GitHub 仓库 README，但这里给出一个典型安装思路，供你先跑通流程：
- 第一步：确认 Claude Code 已安装并完成登录。
- 第二步：在 Claude Code 交互界面中，使用插件市场命令添加 Superpowers 的 marketplace。
- 第三步：安装 superpowers 插件，重启 Claude Code。
命令行大致如下：
# 在 Claude Code 交互界面中执行 /plugin marketplace add obra/superpowers-marketplace /plugin install superpowers@superpowers-marketplace如果你使用的 Claude Code 版本尚不支持插件市场，也可以从 GitHub 仓库直接获取 skill 文件，复制到 Claude Code 的技能加载目录。具体目录路径和格式请以仓库 README 和当前版本官方文档为准。
4.3 Superpowers 的工作方式
安装成功后，当你给 Claude Code 下达一个复杂任务，Superpowers 会引导 Agent 走一遍流程：
- 需求澄清：先问清楚用户到底要什么，列出功能边界。
- 方案设计：在动手前给出技术方案，说明会改哪些文件。
- 任务拆解：把大需求拆成小任务，逐步执行。
- 验证反馈：每完成一个阶段，给出运行或测试方式。
- Git 提交：按语义化提交规范生成提交信息。
这个过程看起来比“直接写代码”慢，但对真实项目来说反而更快。因为 AI 最耗时的不是写代码，而是写到一半发现理解错了，再返工。Superpowers 把“返工成本”提前到“规划阶段”来解决，属于工程上非常典型的投入前置。
5. Claude Code 实战：从一句话需求到可运行项目
下面用一个最小示例演示 Claude Code 的完整使用流程。我们目标是在当前目录下创建一个 Python 命令行待办事项小工具，支持添加任务、列出任务、标记完成。
5.1 进入交互式终端
打开终端，进入一个空目录：
mkdir vibe-demo cd vibe-demo claudeClaude Code 启动后，会显示交互提示符。此时输入需求。比较好的做法不是一句话概括，而是给出三要素：做什么、输入是什么、输出是什么。
请在这个空目录下创建一个 Python 命令行待办事项工具。 功能：添加任务、列出任务、把任务标记为完成。 数据保存在本地 todos.json 文件里。 要求：使用 argparse 解析命令，代码结构清晰，运行方式要提供 README。5.2 Agent 的生成与验证
Claude Code 收到指令后，通常会先列出它会创建的文件，比如todo.py和README.md，然后生成代码。生成完毕后，退出 Claude Code，在普通终端里验证：
python todo.py add "学完 Vibe Coding 基础教程" python todo.py list python todo.py done 1如果三条命令都能正常工作，说明这个最小示例已经跑通。这里要强调一个关键原则：AI 生成代码后，必须由人来做验证。哪怕这个验证只是“跑一次看结果”，也比盲目信任代码要好。
5.3 多轮迭代修改的姿势
真实项目几乎不会一次生成到位。比如你运行后发现，标记完成的任务在 list 里仍显示，这时可以重新进入 Claude Code：
claude然后输入：
现在 list 命令会把已完成的任务也显示出来，我希望已完成任务用 [x] 标记，未完成任务用 [ ] 标记，并且已完成任务排在列表最后。这种“基于反馈的迭代”才是 Claude Code 的真正用法。它是你的结对程序员，不是一次性代码生成器。每次修改后，继续运行命令验证。整个过程的关键是：你的反馈越具体，AI 的修改越精准。
6. Codex 与 Cursor 的接入和日常配置
6.1 Codex CLI 的基本用法
Codex CLI 的使用体验与 Claude Code 非常相似。在项目目录中运行codex，进入交互界面后输入自然语言任务。它同样会读取项目文件、规划执行步骤，并把改动的文件列出来。
一个很实用的场景是让 Codex 帮助你梳理现有项目。比如你拿到一份别人的代码，不知道从哪里入手，可以输入：
先不要改代码。帮我分析这个项目的结构，说明主要模块的职责，并指出最可能的问题点。Codex 会输出一份分析报告，这种“只读分析”模式对学习和接手旧项目非常有用。日常使用中，建议遵循最小权限原则：不要让 Agent 自动执行高风险的删除命令、数据库重置命令，尽量让它先输出计划，你确认后再执行。
6.2 Cursor 的中文设置与日常使用
Cursor 默认界面是英文，对零基础用户不太友好。设置中文很简单：打开 Cursor，进入 Settings，在 General 或 Appearance 设置中找到 Language 选项，选择简体中文，重启后界面就变成中文了。
Cursor 的 AI 对话窗口有两种模式：一种是针对当前文件的“问答模式”，适合局部修改；另一种是针对整个项目的“项目模式”，可以基于代码库回答问题。日常开发中，推荐先把项目根目录在 Cursor 里打开，再在对话窗口输入问题。这样 AI 的回答会结合项目实际代码，而不是泛泛而谈。
6.3 项目级使用建议
对零基础用户，我的建议是：Coder 负责“看”，Claude Code/Codex 负责“做”。
你在 Cursor 里阅读代码、搜索定义、查看文件结构，遇到不懂的随时问 AI；确认要做什么改动后，再切换到 Claude Code，用自然语言描述任务。一个项目里两个工具频繁切换很正常，因为它们的优势不同，组合使用效率最高。
7. 常见报错与排查思路
工具装好之后，报错是必然要面对的。这里整理几个高频问题，都是从实际使用中容易遇到的场景。
| 问题现象 | 可能原因 | 排查方式 | 解决方案 |
|---|---|---|---|
提示unable to locate the codex cli binary | Codex CLI 未安装，或 PATH 中找不到命令 | 在终端执行codex --version | 执行npm install -g @openai/codex，确认后重启 IDE |
提示set codex_cli_path or ensure the elec... | IDE 不知道 Codex 二进制位置 | 检查系统 PATH | 在 IDE 设置中手动指定 codex_cli_path，指向codex命令路径 |
| Claude Code 提示模型名无法识别 | 当前版本不支持某个模型标识 | 执行claude --version确认版本 | 升级 Claude Code，或更换为版本支持的模型名 |
提示your organization has disabled claude subscription access | Anthropic 组织管理员关闭了 Claude 订阅权限 | 检查使用的账号类型 | 联系组织管理员，或切换到个人订阅/API Key |
| 使用 cc-switch 后请求报 local proxy failed | 第三方 API 切换工具的代理配置错误 | 查看 cc-switch 日志和代理端口 | 检查代理地址、端口、模型名是否对应，重新保存配置 |
| Agent 执行中途突然停止且没有报错 | 上下文过长或网络中断 | 查看终端日志，重试一次 | 重启终端会话，拆分任务；复杂任务分段描述 |
| AI 修改了不该改的文件 | Agent 自由度太高 | 检查任务描述是否明确 | 在任务中声明“只能修改 src 目录下的文件”，或关注计划阶段 |
排查通用原则：先看终端原始报错，再确认工具版本，最后检查 API Key 和网络。很多问题不是代码问题，而是环境不一致。
8. Vibe Coding 的适用边界与工程建议
Vibe Coding 并不是银弹。它最适合的场景是：原型验证、中小型工具、内部系统、学习项目，以及“从零搭建骨架”这类结构清晰的任务。它不太适合的场景包括：
- 高并发、强一致性的核心系统，比如支付、账户、库存；
- 包含大量历史包袱的遗留代码库；
- 对性能有极致要求的底层模块；
- 需要严格安全审计的场景。
这里有一个值得记住的判断：Vibe Coding 生成的是“起点”，不是“终点”。AI 帮你把第一版做出来，真正让项目活下来的是后续的人工审查、测试覆盖、架构演进。如果你把 AI 生成的代码直接丢到生产环境，又不做任何 review，风险极高。
在工程实践中，建议至少要守住以下几条底线：
- 所有 AI 生成的代码都要跑一遍，验证基本功能。
- 涉及数据库、权限、外部 API 的改动，先在测试环境验证。
- 不要让 Agent 自动执行
rm、drop table等危险命令。 - 重要的业务逻辑，要求 AI 补测试用例。
- 使用 Git 管理变更，每次大改动前先 commit，保持可回滚。
团队协作时，可以用 OpenSpec 这类基于 Markdown 的规范文件来记录需求和方案，再让 Agent 按规范执行。这种“先写规范，再让 AI 干活”的方式，比“边聊边写”更可控，也更方便其他人审查。
9. 总结与后续学习方向
这篇文章的价值，不在于告诉你“AI 编程很强大”这种空话，而是帮你理清楚四条线：Vibe Coding 改变了编程方式，但没有取消人的责任；Cursor 降低的是入门门槛，Claude Code/Codex 提升的是任务执行效率，Superpowers 解决的是 Agent 在复杂任务里的流程失控问题。
下一步你可以这样做：先用 Cursor 打开一个真实项目，理解代码结构；再用 Claude Code 完成一次小功能迭代，体验 Agent 的完整工作流；等任务复杂到开始频繁返工，再安装 Superpowers，让它帮你把流程管起来。然后试着用自然语言从零构建一个小工具，跑通“描述需求—生成代码—验证修正—提交版本”的闭环。
Vibe Coding 真正考验的不是英语写得好不好，而是你有没有把需求讲清楚的能力、有没有验证结果的习惯、有没有在 AI 给出的多个方案里做选择的判断力。这几项能力，恰恰是传统编程训练里最值钱的部分。工具会持续迭代，模型会越来越强，但这些工程习惯不会过时。如果你在实操中遇到新的报错，记住先看日志，再把问题缩小到“环境、版本、权限、网络”四个维度里，绝大多数问题都能定位到。
