vibe coding全栈开发工作流（含运维）

工作流需要环境如下

1. Github仓库

2. Docker镜像仓库

3. k8s+argocd+image-updater

效果如下

提交并推送代码之后应用自动更新

工作流如下

首先git初始化一个Git仓库，版本管理肯定是必须的，然后对接好远程仓库。

有了代码仓库我们就可以编写代码了，编写代码前，首先要确定代码结构，这个可以借鉴成功的开源项目，也可以使用template项目，比如full-stack-fastapi-template。

一个清晰的目录结构对于后续维护至关重要，如果你让AI直接生成，结果可能好，也可能不好，为了将不好的可能性扼杀于摇篮，所以花时间选择一个自己能够理解和维护的代码目录结构非常重要。

有了目录结构之后需要给AI写个代码说明，就像代码中总有一个README.md给人看的一样，AI也需要一个类似的文件，这个文件叫做AGENTS.md文件，在这个文件中我们可以说明项目是干什么的，用什么技术栈，用什么依赖管理工具管理代码依赖，写代码循序什么规范，注释是否应该使用中文，总得来说，就是你希望不用每次跟AI申明的事情都写进去。

不过，这个文件不要认为能够一次性写完美或者去哪里复制一个完美的解决方案一劳永逸，每个项目都是不同的，面对的问题也会有细微差异，所以最好的选择是慢慢完善它，可以先让AI自己探索生成一个AGENT.md文件，然后根据自己需求修改，等以后需求不断更新，工具链迭代再不断地修改和完善。

个人而言，我觉得AGENTS.md文件我一定会写有的是

如果开发了新的功能或者修改了特定功能的代码，总是创建或者修改对应的测试用例。

总是确保对应的测试用例全部通过测试。

有了项目代码和AI的说明文件，我们就需要开始写代码了，直接开始写？似乎不太好，应该写打磨一下需求，我们可以首先创建一个docs目录，放一个todo.md文件，这个文件记录你要完成的需求，然后使用plan模式让AI帮你排序和分类，以及依赖关系，确定好顺序之后，我们就可以一个个或者多个需求同时开始发了。

需求可能需要使用外部接口文档，或者有参考的代码，这些内容你都可以放到docs目录，这样AI就不用到处研究和猜了，因为猜可能猜错，为什么要允许这种可能性存在呢？是吧。

假设需求是集成外部接口，那么先提供对应的接口文档以及使用plan没收打磨需求，需求打磨好之后AI会给你一份计划，如果计划没有问题就可以让切换到build模式让AI开发了。

在等AI开发的过程中，你可以休息一下，也可以同时开发其他的需求，至于怎么选择同时开发的需求，你需要一个新的worktree，这个可以参考我另一篇文章，有兴趣的可以点击分享一下vibe coding多agent并发编程查看，这里就不赘述了。

开发完成之后呢？根据需求的难度和改动范围，可以选择是否让AI编写交接文档，对于一些新需求和大一点的需求，我一般会在确认没有问题之后，让AI在docs/handoff目录生成对应的交接文档，命名格式是 “年月日-需求描述”，比如'2026-08-20-add-rabc.md’。

现在功能开发完成了，测试用例也通过了，在手动执行个脚本或者登录服务器不是一下应用？很烦的啦，这会打断自己的节奏，我看着AI敲着代码哼着歌，还要去登录服务器敲命令？两个工作类型不一样很容易失去节奏的。

所以，需要CI/CD, 我们可以使用GitHub的Actions功能，它让我们提交并推送代码之后就自己构建镜像并推送到指定的docker镜像仓库。推送到镜像仓库之后，代码的部分就完成了，后面的操作让Argocd和k8s完成。

因为太长了，后续下次再写了。

预览时标签不可点