Vibe Coding? Vibe over Coding! | 在Cursor中文社区的分享

作者 ｜硅星人

2025年7月12日，在Cursor中文社区在杭州举办的线下meetup上，硅星人主编王兆洋作为嘉宾分享了把Cursor用在内容创作上的实践。

作为一个AI coding软件，Cursor也被很多人用在与内容有关的创作过程，但很多用法是类似“小红书爆款批量制作”的路线。

对于如何把AI用在更有质量追求和可控风格的内容生产上，帮助更高效生成和创作达到高发布标准的科技媒体类的作品，较少有人尝试，更鲜有分享。

于是在这个演讲里，我们开源了背后的Prompt思路，也把使用不同模型或产品的过程里踩过的各种坑，和得到的“感悟”梳理出来，提出了“Vibe over Coding”的概念，并且对Cursor这样产品的未来做了探讨。

以下是分享全文。

大家好，感谢Cursor中文社区的邀请，有机会跟大家分享一些实操经验。

我想先问一下在座各位，无论是创业者，还是自己在做一个自己的独立项目开发的，有多少人？

看到举手的人还是挺多的。之前和主办方交流，说参加者里创业者和开发者会很多，今天也没想到这么火爆，有几百人参加，我的分享的主题叫做Vibe coding? Or Vibe over coding？是我自己在使用Cursor以及和行业里一线的创业者和大厂交流中，积累的一些思考。

所以，今天我以三重身份来跟大家做分享。

第一个身份，刚才主持人提到，我在科技内容平台硅星人担任主编。我们是成立在硅谷的科技内容平台，另外我们也在硅谷有自己的社区GenAI Assembling ，会在硅谷做一些线下活动。所以我有机会接触到很多AI领域的创业者和公司，有机会向黄仁勋、Sundar Pichai、Lilian Weng这样的今天深刻影响着行业的人提问，给大家一些一手信息，提供一些不同的视角，观察到中国和美国用户使用习惯的差异，甚至是开发者思维的不同。

我把这个身份形容为“前排看戏”。

第二个身份是，我自己作为内容创作者，其实是被众多AI工具瞄准的最典型用户。大语言模型本质是“predict next token”，token这个词今天大家都不翻译了，但黄仁勋其实去年在中国台湾参加活动时候，用中文演讲，把它翻译为“词元”。这个翻译很有意思，它一定程度说明这些LLM或者套壳应用们本身都可以理解为在帮你“写作”，我们这些“文字工作者”事实上成为很多开发者在做产品时瞄准的典型用户。所以对今天在座的开发者，希望可以提供用户角度的一些反馈和价值。

第三个身份是我自己在使用Cursor这类产品用在自己的工作流中，我们发明过一个词“Vibe editing ”，接下来的实操分享里，会分享一个案例，我发现Cursor这个所谓的编程工具，却是最好的AI写稿子工具。这对于各位用Cursor的使用者来说，可能会有些非常不同角度的启发。

在所谓AI写作这件事上，我会把它简单分成三大类，对应我们日常看到的跟AI相关的自媒体或机构媒体等不同的类型。

第一类：AI自媒体。这波AI浪潮诞生了很多AI自媒体，典型风格是小红书式的。很多模型发布时为了展示能力，都会演示“一句话生成小红书爆款文案”的功能。

第二类：机构式写作。很多媒体其实在AI出现前就已经在做，它们会有自己的内容pipeline，按照1、2、3的具体框架去写。你能看到它们快速高效的产出很多文章，但你看完只记住机构名字，而很少记住作者是谁，无法区分作者的个人风格。

第三类，是仍要保持对质量的追求，对个人风格和深度内容的追求，发布标准较高。我们可能属于这一类。这部分需求，我发现现有的AI写作工具，无论是直接使用开源模型还是各种AI写作软件，都没有很好地解决。

目前的很多AI应用更多是服务第一种需求，总会说，你只要批量复制一个爆款的东西，拿爆款文章去训练，然后反复训练，然后几秒几句话提要求，AI生成就传播出去，然后就流量变现了，背后已经有一套比较成熟的方法论。但我觉得如果你要是对文章或者内容质量本身还有追求的话，可能它不是适合你的方案。

所以我自己也从ChatGPT出现就开始探索，怎么样把我们的想法流程里加入AI，然后在各位踩坑和尝试后，目前写出最满意的一些所谓“AI生成文章”，居然是用Cursor完成的，而不是用任何AI写作软件。

接下来我会分享一下实操，现在大家流行说“Code is cheap, show me your prompt”，那我接下来就是“show you my prompt ”。

这是一个具体案例——关于巴菲特在最后一次股东会后宣布退休的报道。

这不是真的是一个讣告式的事件，但我把这类写作归类为“讣文式写作”，需要用简短、精炼的文字高度概括信息量很大的事件。

Prompt其实分为三个部分，使用cursor里的Gemini 2.5一次性完成的生成后，我基本没有做修改，直接达到了我们自己的发布标准，成功发布出来成为一篇完整的文章。

让我详细解释一下三个部分的构成：第一个是在Cursor的“Rules for AI”部分，相当于构建了system prompt；第二部分是具体的内容生成逻辑，用了Cursor 的plan模式；第三部分是我给AI的具体几段话的风格迁移指引。

案例的背景是当时巴菲特宣布一个重要消息——他表示可能是他最后一次主持股东大会，他宣布了接班人计划，下一次可能不会再亲自参加了。在当时是一个信息量很大、影响力很大的重要新闻事件。

我们日常工作中也会跟进这样的重大新闻，会加入我们自己独特的角度去追踪和分析。我把这一类的写作方式归类为“讣文式”的写作风格——虽然说法可能不太合适，毕竟当事人都还健在——但确实很符合这一类写作的特点和要求，要求你用简短、经典的文章结构，高度概括一个信息量很大的事件。

所以在system prompt里面，首先我说“你是一个资深的作家，为纽约客供稿”，然后后面有一个“讣文式”写作，这两个关键词。我自己在各种尝试后的经验是，在系统提示词框架里面不用写很长，但要精准不啰嗦，但是一些重点关键词可以适当重复，所以我这边有两次这两个关键词的重复。

然后后面就是继续给他一些要求，比如说“show，not tell”。这里想分享的是，像“Show, not tell”，它是出现在大量的新闻写作的textbook，新闻机构的style book里，这些语料被大量用在训练至少是英文的那些比较不错的模型里，它是那种能激发模型某类能力的提示词，但对于不是内容或者新闻媒体行业内的人，他可能都不知道这样一个说法。而实际上我的感受里，它变成实现最终效果很关键的一部分。

这里我也感觉目前普遍可能有一个误区，很多人希望大家一句话、花几秒钟时间，生成一个东西，就复制了爆款，在小红书上给你几十万流量，我觉得是不负责任的。

我和身边用AI编程的开发者朋友聊，他们可是一天一天，恨不得24小时的在跟模型对话的，而最后出来的东西还要考虑它是不是有价值，是不是一个代码屎山，那为什么你做内容的就几秒钟生成一个东西，就想让它变成一个“爆款”？而不管它是不是垃圾？

所以第二部分的提示词会显得比较长，因为它需要细致地规划文档的结构，在这部分，我用了编程里任务流程的概念，给了具体的大纲要点。我列了整个的一些节奏，这个部分效果很好。

（欢迎转发本篇文章，截图发送至后台获取包含完整prompt的Slides）

然后第三部分，我参考了Diffusion Model的“风格迁移”的概念，这是AI本身就理解的名词，而不是类似“文风”、“格式”等比较通用的词。其实这里是你要给他一个你自己具体写文章的味道。前面已经给了一个纽约客的大风格，你自己的文章风格会是什么样？你可能给他一个比较详细的内容，这会比较好。

这样最终出来的就是我们发布的那篇文章。（点击图片跳转到文章）

这里我截取了三段，分别对应提示词带来的效果。

比如我要求他对巴菲特一生进行总结的部分，它就做得非常好。可能现在我们的人类作者有时候写也比较费劲，你要怎么几句话就把一生给概括出来，勾勒出来出来。这个跟Plan模式的使用有关系。

然后现在微信公众号有划线的功能，我觉得有一个很有意思的现象，这段是划线最多的，就是AI改写的，来自“风格迁移”，在我给了他一个原意后，他写的，有不少内容它直接用了我的，但这段它改写的得到更多划线。

中间我认为能体现的是Rules of AI带来的效果，使用里体验是比直接的模型的系统提示词会更有可控性，有某种“海底针”的感觉，它能很好跟从我的指令。

所以，在这个案例里，我除了想开源这些提示词，更重要我觉得是有一个感受：

这里很多做法是在用Vibe coding 的方法或者哲学，在做Vibe writing 或者叫editing ，而甚至可能进一步泛化到一切其他工作。

比如今天很多开发者在聊的上下文工程，在编辑和写作里，如何给作者相关资料，给很多还是给很精确，也是很微妙的东西。

比如结构化，用“大纲”这样的概念，还是用编程里的任务流程这种AI应用更能理解的结构概念，用Plan这种模式，可能后者反而比所谓写作里的概念术语效果更好。

以及风格迁移部分，其实也有一个很有趣的对应。今天Cursor的产品上的体验领先，其中很重要一个就是“代码补全”功能，而大家对它最初的理解，或者一些其他产品目前能做到的，只是“向下补全”，比如写了一行代码，它开始往后写完。但在和Cursor以及同类产品交流里，其实一个重要的能力和未来比拼的体验点，是结合文档数据库上下文，从一段中间某个位置的代码也可以向上向下做补全，全局的修改调整更新。

如果你真的在写东西，你会发现很多时候你也是写了文章里某一段，而不是AI那样，从第一个字开始写。在我这个例子里，用在风格迁移的那段文章，就相当于一个中间某个位置的代码，Cursor向上下文做了补全。

这些都是很有意思的对应和参照。

另外，这些prompt背后，和我刚才提到的“小红书”类的AI生成很不同的地方在于，它其实本质上是一个人自己的很多思考、风格的AI转化。这和Vibe coding 这个词的流行很契合，到底什么是Vibe，我觉得，Vibe就是一个资深的个体所有无法言说的经验。

而现有AI工具的问题是，它们都在尝试简化本来应该付出时间的工作流程，这其实就是在更强调“coding”而忽视“vibe”，它也许让你得到短期的好效果。但长期效果如何，都没有关注到。

我觉得Vibe是真正最重要的部分。如果没有对的vibe，产出的可能就是垃圾——AI非常适合制造垃圾。

然后再回到Cursor，今天为什么这么多人都在用Cursor，而不是用其他的。我觉得其中一个原因就是Cursor把能用来“沉淀”用户的Vibe的部分，通过产品的设计也好，或体验也好，给提供出来了。

今天我还在跟Trea的工程师朋友也聊到一个点，这么多AI coding软件，背后AI能力是模型，当他们都用同样的模型，为什么不同产品的体验还不一样？其实中间有大量的工程的工作在做。

比如里面其中有一个非常重要的工作是文档的压缩，编程过程有大量读文档工作，需要去做很好的压缩。这个能力并不是说因为大语言模型才有的能力，或者说才出现的能力。但只不过这个能力以前从来没有人提供给过我们这样的写作场景的用户，而它反而正是写作里很重要的技能要求：大量信息处理后用精炼语言写出来的能力。

现在这些东西以AI coding 的名义通过Cursor们提供给了我们，无论你是不是编程的人，你如果有积累，有你积累的知识，你能总结出你的Vibe，Cursor的意义是，它创造了一个捕捉、沉淀、分享与复用“Vibe”的可能。

最近我看到Genspark的联合创始人朱凯华也提到，他们的愿景就是把Cursor作为对标的，“要把Cursor给开发者带来的体验带给所有人”。这也很有意思，一个要做通用AI agent产品的公司，在产品设计和体验上，在拿“AI Coding”的产品做基准。

我觉得这也印证了刚才我自己的感受，Cursor其实它的前身，或者一开始也不是今天这个AI编程的东西，而是从插件的模样开始变成这样的，那么它的未来，或者它所启发和指向的产品样貌，也可能不只是一个“AI coding”工具那么简单了。

点个爱心，再走 吧