刷题宝Vibe Coding实战：产品经理用AI工具从痛点到上线全记录

一个备考者的真实痛点

在AI编程工具日益普及的今天，越来越多非技术背景的用户开始尝试用Vibe Coding构建自己的产品。Vibe Coding（氛围编程）是由OpenAI联合创始人Andrej Karpathy在2025年初提出的概念，指的是开发者通过自然语言描述需求，让AI大模型自动生成代码的编程方式。与传统编程不同，Vibe Coding不要求使用者具备深厚的编程功底，而是强调"描述清楚你想要什么"的能力。这种范式的兴起，本质上是大语言模型代码生成能力突破临界点后的产物，它将软件开发的门槛从"会写代码"降低到"会说人话"。

本文分享的「刷题宝」项目，就是一位产品经理学员从个人备考痛点出发，通过Claude Code等AI工具，独立完成从需求定义到产品上线的完整历程。

这位创作者当时正在备考NPDP（国际产品经理认证）。NPDP（New Product Development Professional）是由美国产品开发与管理协会（PDMA）颁发的国际产品经理认证，被视为产品管理领域含金量最高的资格认证之一。考试涵盖新产品战略、组合管理、产品生命周期管理等七大知识领域，全球范围内采用统一标准。由于原版教材和考试均为英文，中文考区的考生常常面临翻译质量不稳定的困扰。

工作繁忙，能抽出的学习时间极为有限。而备考过程中的痛点却层层叠加：

• 材料分散：教材PDF在网盘里，刷题APP在手机上，错题截图在相册里，纸质教材在桌上——学个东西要把"所有地图都摊开来"
• 题目质量参差：国际认证考试的中文翻译常常"强行翻译"，每个字都认识但连起来完全看不懂
• 解析缺失：题库里很多题目甚至没有解析，答案也不一定准确，缺乏一个"懂你的AI老师"来辅导
• 学习链路断裂：刷完题后容易忘记当时的选择逻辑，错题管理混乱，整条备考链路无法通过一个工具串联

于是，一个清晰的产品构想诞生了：能不能做一个产品，把PDF教材、题库、错题本和AI教练全部整合在一个地方，让用户只需一本书加一部手机就能完成备考？

产品方法论：四步走完从零到一

第一步：讲清楚问题

创作者强调，做产品的第一步不是动手写代码，而是把问题讲清楚。他给出了一个简单的验证标准：如果你跟朋友描述你要做的产品，对方能听懂，那AI也能理解。

这个看似朴素的道理，实际上是Vibe Coding的核心前提——你给AI的prompt质量，直接决定了产品的方向和质量。在大语言模型的工作机制中，prompt（提示词）是模型理解任务的唯一入口。一个结构清晰、逻辑完整的需求描述，能让AI准确把握产品意图；而模糊、跳跃的描述则会导致生成结果偏离预期。这也是为什么"产品思维"在AI编程时代反而变得更加重要——你不再需要懂语法，但必须懂得如何精确表达需求。

第二步：收敛方案，定义MVP

产品最初叫"Learn All Die"（不学就会死），后来在导师建议下改名为"刷题宝"——名字本身就要直接告诉用户这个产品解决什么问题。

在功能层面，创作者也经历了一次重要的"收敛"。最初版本只保留了最核心的功能：

• 档案建立
• 题目录入（拍照/PDF导入）
• 刷题功能
• 错题本
• AI陪学聊天

中英文切换、反馈渠道、管理员看板等功能都是后续迭代才加上的。这就是产品领域常说的**MVP（最小可行性产品）**思维——先用最小功能集验证核心价值，再逐步完善。MVP概念最早由Eric Ries在《精益创业》一书中系统阐述，其核心理念是：用最少的资源构建一个能验证核心假设的产品版本，通过真实用户反馈来指导后续迭代方向，而非在产品完善后才推向市场。MVP的关键不在于"最小"，而在于"可行"——它必须能够完整地解决用户的一个核心问题，让用户愿意使用并给出有效反馈。刷题宝的MVP恰好体现了这一原则：五个核心功能构成了一条完整的"导入-刷题-纠错-辅导"闭环，虽然简单，但足以验证"一站式备考"这个核心价值主张。

第三步：AI执行，善用工具链

在具体的技术实现上，创作者主要使用了两个AI工具的组合：

• Claude Code（CC）：负责产品设计和基础代码搭建，尤其是利用Claude Design功能快速生成线框图和高保真原型
• Codex：用于撰写辅助材料、路演文档、公众号内容等

Claude Code是Anthropic推出的命令行AI编程工具，能够直接在终端中理解代码库上下文、执行文件操作和代码生成，特别适合从零搭建项目架构。其内置的Claude Design功能可以根据自然语言描述快速生成UI线框图和高保真原型，大幅缩短了从产品构想到视觉呈现的周期。Codex则是OpenAI推出的代码生成与辅助工具，擅长处理文档撰写、内容生成等任务。两者的组合使用体现了当前AI工具链的典型策略：用不同工具的优势互补来覆盖产品开发的全流程。

其中一个关键经验是：先用AI画好原型和用户动线，再让AI写代码，效率会大幅提升。 当你把产品的交互链路理清楚后，AI就能准确理解每个页面该做什么、用户该怎么操作，交付质量自然更高。这背后的逻辑在于，大语言模型在有明确视觉参考和交互规范的情况下，生成的代码结构更加合理，减少了因理解偏差导致的反复修改。

创作者也分享了一个失败教训：他最初试图直接搬用老师分享的微信助手代码来改造，结果"基本上也会改挂"。这印证了一个普遍经验——接手别人的代码往往比从零开始成本更高，尤其在AI编程场景下，不如直接用自然语言从头描述需求。这个现象在软件工程中被称为"代码考古"问题：理解他人代码的设计意图、架构决策和隐含约束，所需的认知成本往往超过重新实现。而在AI编程场景下，这个问题被进一步放大——AI对自己从零生成的代码有完整的"记忆"，但对外部引入的代码缺乏上下文理解，修改时容易破坏原有的依赖关系。

第四步：验收测试，花时间最长

创作者坦言，整个过程中验收环节耗时最长。他以用户视角逐一检查每个功能：

• PDF导入时遇到200多道题需要切片，等待时间过长怎么办？
• 退出页面后重新进入，导入进度是否丢失？
• 不同格式的教材是否都能正常识别？

这些问题推动了多次迭代优化，比如将PDF导入改为异步处理，用户可以一边导入一边做其他事情，甚至退出后台继续处理。异步处理（Asynchronous Processing）是一种程序执行模式，允许系统在执行耗时任务时不阻塞用户的其他操作。在传统的同步模式下，用户发起一个请求后必须等待处理完成才能进行下一步操作，页面会"卡住"直到任务结束。而异步模式则将耗时任务放入后台队列处理，前端立即返回响应，用户可以继续使用其他功能。这种模式在Web应用中通常通过消息队列（如Redis、RabbitMQ）或后台任务框架来实现，是提升用户体验的关键技术手段。对于刷题宝这样需要处理大量PDF解析和题目切片的应用来说，异步处理不仅改善了用户等待体验，也避免了因请求超时导致的数据丢失问题。

产品设计的关键洞察

给用户安全感比功能更重要

创作者提出了一个非常有价值的观点：AI产品最重要的是诚实。

当用户导入大批量文件时，页面不能"卡在那不动"。最佳实践是提供一个清晰的进度交互界面，让用户知道系统正在工作，大概还需要等待多久。这种透明度带来的安全感，往往比多一个花哨功能更能留住用户。

这一洞察与用户体验设计中的"系统可见性原则"（Visibility of System Status）高度一致——这是Jakob Nielsen提出的十大可用性启发式原则中的第一条。该原则指出，系统应当在合理的时间内通过适当的反馈，始终让用户了解当前正在发生什么。在AI产品中，这一原则尤为重要，因为AI处理任务的时间往往不可预测，用户对"黑箱"状态的焦虑感会显著高于传统软件。进度条、状态提示、预估时间等看似简单的设计元素，实际上承担着建立用户信任的关键角色。

注入真实上下文，让AI更像私人教练

刷题宝的核心竞争力不仅是"一个手机搞定备考"，更在于AI教练能够感知用户的真实学习状态：

• 知道你的考试日期，能合理规划复习节奏
• 了解你的错题分布，针对性推荐薄弱知识点
• 甚至在你聊闲天时会提醒"不要分心"

这种通过上下文和用户数据注入实现的个性化体验，让AI从一个通用工具变成了"你的专属备考教练"。从技术实现角度来看，这里的"上下文注入"是AI应用设计中的核心策略，指的是在调用大语言模型时，将用户的个人数据（如学习进度、错题记录、考试日期等）作为系统提示词（System Prompt）或上下文信息传入模型。这种做法让通用AI模型能够基于特定用户的真实状态生成个性化回复，本质上是一种RAG（Retrieval-Augmented Generation，检索增强生成）的应用变体。相比于微调模型，上下文注入的优势在于无需训练成本，且能实时反映用户最新状态，非常适合像刷题宝这样用户数据持续变化的学习场景。这也揭示了AI产品设计的一个重要趋势：模型能力趋于同质化的背景下，数据编排和上下文设计正在成为产品差异化的核心竞争力。

完整产品链路：六步闭环

刷题宝最终形成了一条清晰的产品链路：

1. 建档：注册并建立个人学习档案
2. 录入教材：导入PDF教材，建立知识库
3. 录入试题：支持手动输入、拍照识别、PDF导入、AI自动生成等多种方式
4. 刷题：题库带校验功能，确保答案准确性
5. 错题管理：自动收录错题，答对三次后移除，追踪错误率
6. AI陪学：基于个人档案和学习数据的智能辅导

值得注意的是，这六个步骤构成了一个完整的学习闭环，而非线性流程。其中"错题管理"环节采用的"答对三次后移除"机制，借鉴了间隔重复（Spaced Repetition）的学习科学原理——这一方法源自德国心理学家艾宾浩斯的遗忘曲线研究，核心思想是通过在逐渐增大的时间间隔内重复复习，将短期记忆转化为长期记忆。Anki等知名记忆卡片应用也采用了类似的算法。刷题宝将这一经过验证的学习方法论内嵌到产品机制中，让用户在无感知的情况下获得科学的复习节奏。

给Vibe Coding实践者的建议

从这个案例中，我们可以提炼出几条对AI产品开发者有价值的经验：

从真实痛点出发：创作者最初有五六个产品idea，包括供应链平台、问卷工具、宠物应用等，但最终选择了最贴近自身需求的刷题工具。导师的建议很朴实——"干起来才是成功的第一步"。这也呼应了Y Combinator创始人Paul Graham的经典观点："最好的创业点子往往来自创始人自身遇到的问题"。当你是自己产品的第一个用户时，你对需求的理解深度和迭代的判断力都会远超那些"想象中的需求"。

不要追求完美再动手：完美主义是产品落地的最大敌人。当你还在纠结全链路设计和未来走向时，别人已经上线了MVP。

从零开始优于改造他人代码：在AI编程时代，用自然语言重新描述需求，往往比理解和修改现有代码更高效。

重视上线后的持续迭代：域名备案、用户反馈处理、功能完善——产品上线只是开始，坚持迭代才能走得更远。在中国互联网环境下，域名备案（ICP备案）是网站合法运营的前置条件，通常需要10-20个工作日的审批周期，这对于希望快速上线验证的独立开发者来说是一个容易被忽视但不可跳过的环节。

刷题宝从一个人的备考工具，到一个可以公开使用的在线产品，这个过程本身就是Vibe Coding时代最好的注脚：技术门槛在降低，但产品思维和用户洞察的价值从未改变。