本文章为笔者在学习时自行整理,如有侵权,请联系笔者删除。
目录
一、基础概念
1.1 Vibe Coding
Vibe Coding:用自然语言+快速迭代,把写代码变成“边想边试边改”的创作过程。
区别在于:
- 以前“跟着感觉写”容易卡在:
- 不知道某个 API 怎么写
- 框架配置太繁琐
- 写样板代码很费时间
- 报错难查,调半天
- 大模型出现后:
- 你一句话就能生成一段可跑的代码/配置
- 报错贴进去能快速定位和给修复建议
- 能随时重构、补测试、补类型
- 让“试一个想法”从半天变成几分钟
Vibe Coding 在大模型时代的典型流程
- 你说一句目标: “给我做一个登录 + JWT 刷新 + Redis 黑名单”
- AI 给你一个能跑的版本
- 你运行,看到报错/不符合预期
- 把报错贴回去,AI 给补丁
- 一轮轮迭代直到可用
- 最后再补:测试、异常处理、结构优化、文档
它的最大风险:
- 代码“能跑但不对”:逻辑漏洞、边界没覆盖、性能/安全问题
- 架构漂移:越改越乱,最后难维护
- 复制粘贴幻觉:AI 可能编造 API/配置,或者给出“看似对”的错误实现
最实用的建议:
- 先定接口/数据结构(别让核心对象一会儿一个样)
- 关键路径必须有测试(登录/支付/权限这种)
- 每完成一段就重构(把临时代码收拾干净)
- 安全默认从严(token、权限、SQL、文件操作)
Vibe Coding的茁壮成长离不开主流大模型厂商的配套工具(CLI,IDE插件,编辑器)。
- openai: codex,可以云端、cli、vscode 插件
- Claude: Claude code 也就是 cc; cowork; 基本市面上的模型都可以接入 cc; 当然也有 vscode 插件
- gemini:geminicli;也有 vscode 插件,还有自己的 IDE “antigravity”可以看成 vscode 的套壳。定制版本。 国内的: kimi cli、 glmcode、 qwencoder 都可以用 还有“AlonUi”自来水。
1.2 MCP和Skill
MCP,定义为是给 AI 使用的工具。 skill直译技能,定义为给 AI 使用的技能。
我骑车去图书馆,骑车就是我的技能,那么这个骑车的技能就是skill,骑车过去,那么我骑的这辆车,自行车这个工具它就是mcp
技能这个词在中文里的定义是:个体通过学习、训练或反复实践,逐步掌握并能熟练运用的,完成某项具体任务或活动的操作方式、动作系统或行为模式。
AI不需要反复实践,跑一次,就可以把它写成技能,可以理解为只要是这个 AI 干过的活,想让这个活让它重复的去干,就把它做成技能就好了。
不懂原理,该怎么搭建自己的配置,万能方法就是,mcp,你就看你能不能用得上,你能用得上,然后你把它这个链接直接扔给 AI,告诉他你帮我安装就好了;skill也是, 万能的skill创建教程和hooks创建教程 - 开发调优 - LINUX DO。
1.3 LangChain
1.4 Dify
Dify 是一个用来快速搭建/上线大模型应用(LLM Apps的平台(开源 + 也有 SaaS 版本)。它把很多“做 AI 应用必须的东西”打包好了:可视化工作流、RAG 知识库、Agent 能力、模型接入管理、监控与日志等,让你从原型到生产更快。
你可以把它理解成:“大模型应用的低代码平台 / 工作流编排器”。
它主要能做什么
- 搭聊天机器人/企业助手:配置提示词、对话逻辑、工具调用
- 做 RAG(知识库问答):把文档接入成知识库,让模型检索后再回答
- 做工作流自动化:用可视化画布把“多个步骤(LLM、条件判断、工具、HTTP 调用等)”串起来
- 接各种模型与推理后端:比如 OpenAI、Claude、以及一些本地/自建推理后端(如 vLLM)
典型组件(用 Dify 的人最常用的几个点)
- Workflow / Agentic workflow:可视化流程节点,把 LLM 变成“能执行步骤的智能体”
- RAG pipeline:文档切分、向量检索、引用上下文组织(让回答更“有依据”)
- 可观测性/运维:上线后看调用、日志、效果(平台通常会提供这类能力)
什么时候适合用 Dify
- 你想快速搭一个可用的 AI 应用(客服/问答/内部助手/自动化流程)
- 不想从零搭:向量库、检索、工作流、模型接入、权限、日志这些“工程底座”
- 需要团队一起配置和迭代(产品/运营也能上手一部分)
1.5 低代码平台
低代码平台(Low-code Platform)就是一种用“拖拽 + 配置”为主、少量写代码为辅来开发软件的工具/平台。目标是:更快做出业务应用,减少从零写代码的工作量。
它解决的核心问题
业务系统很多是“表单 + 流程 + 权限 + 报表 + 列表 + 审批”这类重复劳动
低代码把这些通用能力做成组件和模板,让你不用从头搭框架、写 CRUD
二、MCP(Model Context Protocol)
模型上下文协议是一个开放标准协议,其标准化了大语言模型(LLM)与外部世界的互动方式。MCP提供了一种标准化方法,使大模型语言能够轻松连接各种数据源和工具,实现信息的无缝访问和处理。MCP就像一个接口,为LLM提供了连接各种数据源的标准化方式。

2.1 MCP解决的问题和价值
价值在于:
- 标准化: 统一的通信协议,降低集成成本
- 可扩展: 模块化设计,轻松添加新能力
- 安全性: 内置权限控制和审计机制
- 开源: 社区驱动,大厂背书
2.2 核心架构
2.2.1 三大组件

2.2.2 MCP核心原语

2.2.3 MCP流程
