最近 Vibe Coding 挺火的，我也试了一把——把需求写成完整的 prompt 丢给 AI，让它从零写了一个短链接服务平台。

项目是逐步长起来的：先给 AI 一份核心需求的 prompt 做一版，然后不断提新需求让 AI 迭代。看 Git 提交记录就能看出来这个演进过程。

记录一下我用的 prompt 原文、后续加了哪些功能、以及测试中踩的坑。

项目开源地址：GitHub · Gitee

建议直接阅读原文：https://memo.moieo.net/2026/05/23/153933/

---

初始 prompt

以下是第一批发给 AI 的完整内容：

你是全栈开发工程师，精通 Nextjs 框架，请完成以下任务：

1. 在项目中添加 Radix-UI 框架
2. 实现 Nextjs 后端，连接 PostgreSQL 数据库
3. 实现多用户管理（多个管理员和用户，管理员可以精确管理每个用户创建的短网址）
4. 实现创建短网址功能，支持设置有效期（n小时/n天/n月/n年），或者年月日时分秒，永久（设计为用户权限）
5. 实现短网址的密码保护功能，输入正确的授权码才能访问（随机生成 6 位纯数字密码）或者设定文本密码，默认随机生成 6 位密码，或者无密码
6. 实现过期的短网址自动清理（兼容 Serverless，管理员可关闭）
7. 暴露 API 接入功能，用户可以通过 token 验证来接入短网址生成，管理员可控制用户权限
8. 仅管理员可创建用户，限制至少保留一个管理员账户

要求：

• 用户界面美观，使用 Radix-UI 框架
• 保持 UI 框架原有的样式，CSS 只用于控制布局而不是样式，实现夜间/日间模式
• 代码合理分文件，代码注释合理，方便人工阅读和维护
• 完成后编写 README.md 文件
• 用户界面中不使用 Emoji 等表情，一律使用字体图标替代

事项：

• 已安装好 PostgreSQL 在 Podman 中，可以通过 172.20.1.5:5432 连接
• 数据库操作请使用 podman exec
• 项目测试请创建使用 shorturl 用户/数据库
• 使用 Prisma.js 连接数据库，方便后期添加其他数据库支持
• 编写 package.json 中的运行命令，快速创建数据库相关内容
• 编写打包并运行的 package.json script 指令

AI 基于这份 prompt 生成了项目骨架：数据模型、认证系统、短链接核心 CRUD、管理后台、Docker 部署。Git 记录上看大概是这几个提交：

7458a3e  初始化项目结构和数据库模型
6653133  添加 Radix-UI 组件库和主题系统
8c2a559  实现用户认证系统
59d7555  实现短链接核心功能
caa69ee  添加管理后台和系统功能
d5d2372  添加 Docker 支持和文档

后面陆续加的功能

第一版跑起来之后，我又陆续给 AI 提了新需求，功能是一步步叠加上去的：

多域名支持 — 同一个短码在不同域名下独立，互不干扰。还加了域名级别的 HTTPS 开关。

IP 地理定位 — 访问记录里显示访客所在省份。用的离线 IP 库，不调外部接口。

安全审计日志 — 在 middleware 里无侵入记录每次请求，格式对标 ISO 27001。

API Key 加密存储 — 密钥用 AES-256-GCM 加密，查库用 SHA-256 哈希，不是明文存。

SQLite 支持 — 后期加的，entrypoint 脚本根据环境变量自动切换 PostgreSQL 或 SQLite，方便不同场景部署。

分页系统 — 链接列表和用户列表支持分页，可调每页条数。

复制模板 — 管理员可以写 JS 模板函数，自定义复制短链接时的格式。

看 Git 记录，项目从第一个核心功能到现在的完整状态，经历了 50+ 次提交，大部分都是「提需求 → AI 实现 → 测试验证 → 有问题再修」的循环。

踩的坑

测试过程中发现的主要问题：

访问次数为 0 还能用 — 创建短链接时设了访问次数上限，用完后依然能正常跳转。把测试现象告诉 AI，它自己定位修了。

Docker 构建原生模块报错 — ts-ip2region2 依赖 C++ 编译，构建环境和运行环境不一致导致 .node 文件缺失。折腾了几轮才在 Dockerfile 里正确处理好预编译产物的复制。

有效期解析边界 — 某些格式的过期时间解析不对，测试发现后让 AI 修了。

SQLite 兼容性问题 — 后期加 SQLite 支持时，Prisma 的 enum 类型在 SQLite 里不支持，需要改成 string 类型，还有一些查询语法差异，逐个修了。

环境差异 — AI 的开发环境和 Docker 构建环境不一致，Node 版本、系统库不同导致各种小问题，反复对齐。

一点感受

这次试下来最大的体会是：Vibe Coding 不是一次性把需求说清楚就完事了，项目是长出来的。

初始 prompt 决定了项目骨架，后续迭代才是血肉。每加一个功能，就是一段「提需求 → AI 实现 → 测试验证」的小循环。50 多次提交看下来，AI 写代码的效率确实高，但需求分解、功能设计、测试验证这些事还是得人来做。

写 prompt 本身就是在做架构设计——选什么技术栈、功能怎么拆、约束条件是什么，这些不想清楚，AI 也帮不了你。

网上常看到「文科生用 AI 也能做软件」的说法，好像不需要任何专业知识就能做出产品。但我的实际体验是：你不会因为有了 AI 就突然会做软件，你只是把写代码的活儿外包了而已。需求分析、功能设计、测试验证、部署运维，这些环节一个都少不了。不会因为你用了 AI，产品需求就能自动变清晰，bug 就能自动消失，部署就能一次成功。AI 降低了写代码的门槛，但没有降低做产品的门槛。