【学习笔记】拆解 Datawhale Easy-Vibe：20k Star 的 Vibe Coding 课程在教什么、赌什么、缺什么

调研日期：2026-10-25。方法：通读发布公众号文章与 GitHub 仓库 README，随后直接拉取仓库 docs/zh-cn/ 下 Stage 1 学习地图、Stage 2 总览、Stage 3 全部子目录清单与 Spec Coding、跨平台双教程、平台选型等核心页面原文逐篇精读；Star/仓库元数据取自 GitHub API 当日快照。所有引用均给出原文位置或在线链接。 关联阅读：本站此前整理过Agent 教程资源全景（内含 Datawhale 自家的 hello-agents），也写过用第一性原理拆解 Agentic Coding——Easy-Vibe 与它们定位不同：不教 Agent 构建，教「普通人怎么用 AI 做出真产品」。

0. 一页结论

Easy-Vibe 是 Datawhale 于 2025 年 12 月底发布的开源 Vibe Coding 实战教程，官方口号 “Vibe Coding 101 — Your First Course For AI Product Builders”。截至本文写作的 2026-10-25，GitHub 20,157 Star / 1,952 Fork，十个语言版本全文上线，协议 CC BY-NC-SA 4.0，最近一次推送在三天前——发布十个月仍在高强度迭代。

把它当成「又一个 Cursor 使用教程」就错过了重点。它的核心赌注写在发布文里：「三分靠工具，七分靠提需求的能力」——工具每季度换一茬，需求表达和产品判断不过时。所以课程主线不是工具链，而是一条完整的产品闭环：发现问题 → 验证需求 → 设计方案 → 构建产品 → 交付用户 → 说明价值 → 观察结果 → 持续迭代，工具只是这条链上的耗材。

一句话评价：这是目前中文世界对「AI 编程教育该教什么」回答得最完整的一套开源课程——上到用真实招聘 JD 论证「产品工程师」这个岗位为什么存在，下到教你「别拿 Web 截图冒充移动端真机截图」。它的问题也很典型：期待管理偏乐观、技术栈偏海外商业化链路、附录广度远大于深度。

1. 它是什么：数据与定位

先摆事实。仓库 datawhalechina/easy-vibe 建于 2025-12-28，主打语言是 JavaScript——因为整个教程本身就是一个 VitePress 交互站点，160+ 个内嵌交互演示（模拟 IDE 虚拟鼠标引导、可点击的 RAG 数据流、AI 生图原理动画、终端命令可视化）长在教程页面里，这是它和纯文档课程最直观的差别。发布公众号标题即是「斩获 10000+ GitHub Star」，十个月后翻倍到 20k，在教程类仓库里属于现象级。

课程要解决的问题非常具体，发布文里的表述是：AI 编程工具人人都能装，但**「拿着 Cursor 只会让它写贪吃蛇」**——工具很强，人不会用。教程对「会用」的定义分了三层：

1. 工具层：Cursor、Trae AI、Claude Code（主讲）、Gemini CLI、Kiro、OpenCode、Codex CLI——覆盖但不绑定，明确承认「教某个工具的教程，工具一换代就作废」；
2. 方法论层：需求描述（从 Prompt 到 Spec）、需求验证（用户访谈、双钻模型、JTBD、The Mom Test）、验收标准、迭代工作流——课程真正的主体；
3. 产品层：登录、支付、后台、上线、分发、增长——大多数 AI 编程教程在这一层直接缺席，而它花了整整一个阶段。

这个三层结构是理解后面所有内容的钥匙。

2. 结构全景：三阶段 + 一个附录知识库

Stage 1：最有「课程观」的一层

Stage 1 在 2026 年 8 月整个推倒重构过一次，新路线是：从真实问题出发 → 找机会 → 选方向 → 理解用户需求 → 用户访谈 → 收窄方案 → 做原型 → 接入 AI → 完成一个「能给别人演示」的项目。注意这个顺序——做原型排在理解用户之后，这是它和所有「上来就搭页面」教程的分水岭。

学习地图这篇长文值得单独说，因为它展示了这门课论证问题的方式：不喊口号，摆证据。为了论证「产品工程师」不是自媒体造词，它拉了一条真实招聘时间线——Intercom 在 2018 年提出 Product Engineer 概念，然后逐月列出 2026 年 Hamilton AI、Alma、Harper、Paradigm 直到 OpenAI Forward Deployed Engineer 的岗位要求截图，最后落到结论：「会写代码的人角色在变，不懂代码的人也有了入场机会」，并用三句话区分了三个概念——

Product Engineer：把产品做对并做出来；FDE：把产品带进客户现场并产生结果；OPC：用同一套能力经营一门完整生意。

支撑材料还包括 Pieter Levels 的一人公司项目记录、微软 2025 Work Trend Index 的 Agent Boss 概念（31 国 31,000 人调研、81% 的领导者预计 12–18 个月内把 Agent 深度融入业务）、Wix 约 8,000 万美元收购 Base44 的案例。且有罕见的克制：「第一家一人独角兽什么时候出现」目前还是预测，「不应该把它当成已经发生的事实」。

这一篇里最有性格的是项目制训练的动机，原文叫**「模拟社会毒打」**：真实工作中需求是模糊的、没人给你文档和标准答案，这门课要在安全环境里提前给你一次毒打——用有难度的项目逼你拆解问题，用不那么傻瓜化的脚手架逼你学会读中大型代码库。

Stage 2：零件 → 组装成产品

Stage 2 总览页的表述很准确：「前面的章节是在学零件，大作业才是在学怎么把零件装成一个能跑、能演示、能上线的产品」。零件分三筐：

• 前端：AI 辅助 UI 设计（Lovart 素材 Agent、Figma/MasterGo、设计稿转代码、现代组件库），甚至有「霍格沃茨画像」这种纯趣味实战；
• 后端：Git 工作流、从关系型数据库到 Supabase（BaaS）、AI 生成接口代码、部署（Cloudflare Pages / Vercel / Render）、从 IDE 到 CLI 编程工具、Stripe 支付集成；
• 大作业：主线两部曲——大作业 1「AI 文案生成 SaaS」（跑通登录、生成、数据库、Stripe 支付、管理后台的现代 SaaS 主链路），大作业 2「在线考试系统」（角色权限、题库建模、批改统计，更接近业务系统）。另有六个扩展选题，技术光谱明显拉宽：类 Dify 智能体编排平台、Spring Boot 电影推荐、生鲜电商微服务、Go 交通数据可视化——它并不只是 JS 全栈课。

每个大作业要求三样交付物：可运行的项目仓库、可访问的演示链接、README 加演示视频。这个标准直接对标作品集和求职，不是「跟完教程」的自我感动。

Stage 3：离生产最近的一层

Stage 3 分四块：core-skills（11 个子教程：spec-coding、GitHub Issues 驱动开发、MCP、Claude Agent SDK、agent-teams、superpowers、long-running-tasks、workflow 等）、AI 进阶（RAG 入门 → LangGraph 高级 RAG → LlamaIndex 企业知识库）、个人品牌（个人网站/博客）、跨平台（16 个子教程，下文详拆）。

附录：承认 vibe coder 缺地基

九大类附录从「从晶体管到 CPU」「编译原理入门」「类型系统入门」一路铺到数据、架构、运维和工程素养。这个设计态度值得记一笔：它不假装零基础学员不需要计算机基础，而是把地基按需补在地毯下面——你跟着做项目不用读附录，但哪天 AI 生成的代码你看不懂了，随时能挖下去。速成课敢这么做的极少。

3. 代表内容深读：三篇样本看质量

3.1 Spec Coding：全课程的方法论脊柱

《从 Vibe Coding 到 Spec Coding》开篇场景精准打击：你说「帮我做个通知中心，要有未读消息，也要能全部标记已读」，十分钟后页面能跑了；然后你想起通知分订单/安全/活动三类、用户可以关闭某些类型、手机推送不能被「全部已读」影响——AI 一轮轮推翻数据结构，最后「大家都说不清这个功能到底怎样才算完成」。这是每个重度 AI 编程用户都经历过的时刻。

教程的可贵之处在于没有全盘否定 Vibe Coding，而是画出适用边界：半小时后就丢弃的界面草图、探索陌生框架能不能实现某种效果、一次性脚本、Hackathon 验证想法、调颜色间距文案——这些直接 Vibe，没必要先设计数据模型。出现长期维护、多方协作、需求持续追加的信号，才转向 Spec。

转 Spec 之后给的操作法也足够落地：

1. 先让 AI 对需求提问，不要马上写代码；
2. 明确「第一版做什么」和「第一版不做什么」两份清单；
3. 把形容词改成验收标准（「加载要快」→「1,000 条数据下首屏 2 秒内出现」）；
4. 补上失败情况和数据边界。

最后给一份八节最小 Spec 模板（背景与目标 / 范围 / 不做 / 业务规则 / 边界与异常 / 验收标准 / 技术约束 / 未解决问题），以及五段式工作流 Spec → Plan → Tasks → Implement → Verify——需求变化时先改规格再改代码。这套东西和 Anthropic 官方 Claude Code 最佳实践里「写 spec 而不是唠叨」的精神同源，但它面向的是没读过工程方法论的小白，梯度铺得更细。下一篇《GitHub Issues 驱动开发实战》再用真实公开仓库把工作流走完整，两篇是一个闭环。

3.2 跨平台双案例：同一业务场景的两种答案

跨平台章节开头是一篇平台选型指南：先问三个问题（用户从哪里打开它？需要哪些设备能力？谁来长期维护？），再从网站/PWA、小程序、原生、Flutter/RN、Electron/Tauri、Qt、浏览器插件、VS Code 插件/CLI、多端企业系统、Godot 十条架构路线里选，并附一张「第一版选型表」。先教选型再做项目，这个顺序本身就是态度。

两个主力教程刻意选了同一种业务场景（门店/现场服务）的两种技术答案：

• React Native + Expo 做「门店巡检」App（店员勾选巡检任务、记录问题、拍照、断电不丢数据、上传服务器、班次交接）。技术栈：React Native 渲染 + Expo 负责创建/打包/OTA 更新，TypeScript，实测环境 Node.js 22.14 + Expo SDK 57；本地持久化 AsyncStorage、数据量增长后换 expo-sqlite；调试链路覆盖 Android Studio 模拟器、Xcode 模拟器、Expo Go 真机扫码，同一套代码三端（Android/iOS/Web）可跑。十三步走完，最后三步是「给关键操作加自动检查」「请一位真实用户试用」「模拟一次早班和晚班交接」——收尾在验证，不在功能。
• Flutter 做「门店费用簿」（费用录入、校验、离线与同步状态、关闭应用后记录可恢复）。技术栈：Flutter 3.44.9 + Dart 3.12.2，平台能力靠插件，插件没覆盖的用 Kotlin/Swift 补原生代码；发布部分讲透「Android 和 iOS 是两条独立流水线」，明确说「一套 Dart 代码不会生成一个同时提交给两个商店的万能安装包」。

两篇都用真实生产应用做锚点（Shopify POS / Discord / 纽约 MTA TrainTime；My BMW / Google Pay / Nubank），不是虚构的 Todo List。最打动我的细节是 Flutter 篇的诚实：作者如实记录写教程当时本机没有 Android SDK 和 iOS Simulator Runtime，移动端截图留空待补，不拿 Web 截图冒充真机，还在文末标注「准备好对应环境后，应把 Android 模拟器、iOS 模拟器和至少一台真机的运行截图补进来」。教科书级的技术写作纪律。

3.3 教学法：交互演示与 Vibe Stories

160+ 个内嵌交互演示（模拟 IDE 的虚拟鼠标引导、把 RAG 做成可点击的数据流游戏、终端命令行为可视化）解决的是「文字描述界面操作」这一教程古老难题。Vibe Stories 栏目则收录真实学员故事——乡村小学教师、大学生、高中 IT 教师、卡车司机——对应 Stage 1 那句判断：行业经验比代码能力更稀缺，老师、医生、销售懂的领域知识恰是纯工程师最缺的。

4. 批判性观察：它缺什么

一本正经夸完，说五个真问题：

1. 期待管理偏乐观。「零基础 → 产品工程师」的叙事里，招聘 JD 时间线证明的是市场需求存在，不是课程效果能兑现——学完 Stage 3 和「能对业务结果负责」之间还隔着大量真实项目的反复捶打。课程自己都承认是「模拟社会毒打」，但宣传语境容易让人忽略「模拟」二字。
2. 技术栈的地域偏向。商业化主链路是 Stripe + Supabase + Vercel/Cloudflare/Render，一条标准的海外独立开发栈；国内实际要面对的微信支付、ICP 备案、应用分发合规，覆盖很薄（有微信小程序章节，但商业化那一段基本没碰）。国内学员照做出来的「可付费 SaaS」，落地时还要换一遍零件。
3. 附录广度远大于深度。九大类、每类十篇上下的知识地图，定位是「缺什么补什么」的索引——但计算机基础恰恰是碎片化补不起来的，它更像一份精心组织的自学书单，而非可独立使用的教材。这个设计不算错，但要用对预期。
4. 高速迭代的跟学成本。Stage 1 一年内整体重构一次，教程内实测环境精确到 SDK 小版本号（Expo SDK 57、Flutter 3.44.9）——诚实，但半年后新手对着教程装环境大概率版本对不上。交互式站点的维护成本也意味着部分非主线章节的更新频率会明显掉队。
5. 协议限制。CC BY-NC-SA 4.0，任何基于它的二次教学/培训都是非商用授权，想拿去做付费营生需要单独授权——对一门教人赚钱的课来说，这个边界值得使用者在动手前想清楚。

5. 它给 AI 编程教育的启示

跳出课程本身，Easy-Vibe 十个月 20k Star 背后有几个可迁移的判断：

• 从「教工具」升级到「教角色」。工具教程的半衰期是一个产品周期，「你要成为什么样的人、对什么结果负责」的课程才有复利。用真实招聘 JD 做课程必要性论证，是我见过最聪明的课程营销——因为它是证据不是话术。
• 方法论层抗周期。Spec、验收标准、需求验证访谈、平台选型三问，这些东西绑在 2018 年的 Intercom 和 2026 年的 OpenAI 上都成立。AI 编程教育的内容投资应该重仓在这一层，工具层保持「够用就走」。
• 承认地基缺口比假装没有强。多数速成课假装计算机基础不存在，Easy-Vibe 把九大类附录铺在项目路线之下，随时可挖。「速成」和「可回溯的深度」并不互斥。
• 写作纪律即内容质量。不拿 Web 截图冒充真机、如实记录环境缺失、明确区分预测与事实——这些纪律让教程的可信度远高于同类，也直接解释了为什么它能靠口碑涨星。

对我自己最直接可抄的是两样：把形容词改成验收标准的 Spec 模板（已经搬进日常工作流），以及「先问三个问题再选架构」的平台选型表。这大概就是一门好课程的终极形态——你不必同意它的全部判断，但它把判断的依据全部摊开在你面前。

6. 入口资源

• 仓库：datawhalechina/easy-vibe（CC BY-NC-SA 4.0）
• 在线阅读：中文版（另有英/繁中/日/韩/西/法/德/阿/越九种语言）
• 推荐阅读顺序（按本文分析的价值密度）：学习地图 → Spec Coding → 平台选型 → 其余按需
• 发布公众号文章：《Easy-Vibe》项目正式发布，斩获 10000+ GitHub Star！