AI 时代术语
入门词典

就像一个学了海量知识的超级实习生:你给它一个任务,它能自己琢磨出该怎么做,而不是只会按你写死的步骤一步步执行。区别在于它能"举一反三",遇到没见过的情况也能给个像样的答案。

有什么用

对 vibecoder 来说,AI 是把"想法"变成"能跑的网站/小程序"的发动机。你不用懂代码语法,用大白话描述需求,AI 帮你写、帮你改、帮你查错,把原本需要专业程序员几周的活压缩到几小时。

什么时候会遇到

你做的几乎每件事背后都是 AI:让 Cursor/Claude 帮你写一个登录页、生成一段支付接入代码、解释一个报错、把网站文案润色一遍。它是你这一整层所有工具的总称。

常见误区

以为 AI 什么都对、什么都会。它本质是"很会猜下一句"的程序,自信地说错话是常态(见幻觉)。重要的事(支付金额、用户隐私、删数据)必须自己核一遍,不能闭眼信。

学习建议

先把它讲给别人听得懂即可。这个级别的词不需要死记定义，重点是建立基本直觉。

想象一个读完了大半个互联网的人,你说上半句他能接下半句。它的核心本事就是"根据前面的文字,猜出最合适的下一个字",一个字一个字地往外蹦,蹦出来的就是一整段通顺的回答。

有什么用

它是你天天对话的那个"AI"的真身。ChatGPT、Claude、豆包、DeepSeek 背后都是 LLM。你写代码、问问题、让它改文案,实际都是在跟一个 LLM 聊天,它是 vibecoder 最核心的生产力工具。

什么时候会遇到

打开 Cursor 让它写代码、问 ChatGPT 一个报错怎么解、让 Claude 把需求拆成步骤——只要你在跟 AI 用自然语言对话,你就在用 LLM。选哪个模型(GPT、Claude、Gemini)直接决定写代码的质量。

容易混淆

AI 是大类，LLM 是当前最常用的一类 AI。你平时聊天、写文案、写代码，主要是在用 LLM。

常见误区

别把它当数据库或计算器。它是"猜字高手"不是"查证专家",算数、记具体数字、引用真实链接都可能出错。需要准确事实时,要么让它联网查,要么自己验。

学习建议

先把它讲给别人听得懂即可。这个级别的词不需要死记定义，重点是建立基本直觉。

AI 不是按"字"或"词"来读文字的,而是把文字切成一小块一小块的"碎片",每块叫一个 token。英文里大概 4 个字母算一个 token,中文里通常一个汉字就是一两个 token。AI 读和写,都是一块一块来的。

有什么用

Token 是 AI 的"计价单位"和"容量单位"。你调用 AI 接口要按 token 数付费(发进去的 + 吐出来的都算钱),AI 一次能处理多少内容也是按 token 数封顶。理解它才能算清成本、避免超限。

什么时候会遇到

当你发现 AI 突然"忘了"前面说的话(token 超了上下文上限),或者月底收到一笔比预想高的 API 账单(token 用太多)时,就会真切体会到 token 的存在。

容易混淆

Token 是 AI 读写信息的计量单位；上下文窗口是一次任务里最多能容纳多少 Token。

常见误区

以为"几句话"花不了多少。其实把一整个代码文件、一篇长文档塞给 AI,token 蹭蹭涨,费用和速度都受影响。中文比英文更费 token,别忽略。

学习建议

先把它讲给别人听得懂即可。这个级别的词不需要死记定义，重点是建立基本直觉。

上下文就是 AI 当前对话能"记住"的全部内容,像一张有固定大小的桌子。你和它聊的每句话、贴进去的每段代码都摆在这张桌子上;桌子满了,最早摆上去的就被挤下去——它就"忘"了开头说过什么。

有什么用

上下文窗口的大小,决定了 AI 一次能"看懂"多大的项目。窗口大,你能把整个代码库、整份需求文档一起喂给它,它改起来才不会顾此失彼;窗口小,它就只能瞎子摸象。

什么时候会遇到

做一个稍大的项目让 AI 帮忙改代码时,如果它改着改着开始"失忆"、重复犯刚纠正过的错、忘了你定的规则,基本就是上下文窗口被塞满了。

容易混淆

上下文是 AI 当前能参考的信息范围，不等于长期记忆。超出窗口后，早期内容会被挤掉。

常见误区

误以为它能永远记住整段对话。一旦超出窗口,早期内容静默丢失,它不会提醒你。长对话/大项目里要主动把关键约束重新贴一遍,或开新对话重新交代。

学习建议

先把它讲给别人听得懂即可。这个级别的词不需要死记定义，重点是建立基本直觉。

就像一个不肯说"我不知道"的人:你问他一个他不确定的事,他不会沉默,而是一本正经地编一个听起来很合理的答案。AI 也一样,它的本能是"把话接下去",哪怕是瞎编,也说得理直气壮。

有什么用

认清幻觉,是 vibecoder 不翻车的底线。知道 AI 会自信地胡说,你才会在关键处(支付逻辑、数据库操作、引用的链接和数字)留个心眼去核实,而不是闭眼上线。

什么时候会遇到

AI 给你一个根本不存在的函数、引用一个打不开的网址、信誓旦旦报一个错误的价格或数字、编造一个其实没有的软件功能——这些都是幻觉,在写代码时极常见。

常见误区

最危险的是它编得太像真的。代码能跑不代表逻辑对,链接像模像样不代表能打开。涉及钱、数据、安全的部分,务必自己跑一遍、点一遍、查一遍,别信 AI 的口头保证。

学习建议

先把它讲给别人听得懂即可。这个级别的词不需要死记定义，重点是建立基本直觉。

早期 AI 像只认字的人,只能读文字、回文字。多模态 AI 像五官齐全的人:能看图、能听声、能看视频,还能边看边说。你拍张照片问它"这是什么菜怎么做",它真能看懂图再回答。

有什么用

它把 AI 能干的活从"文字"扩展到"看和画"。vibecoder 可以直接截一张设计图丢给 AI 让它生成对应代码、拍张报错截图让它帮你诊断、或让它生成产品配图——不用全靠打字描述。

什么时候会遇到

把一张网页设计稿截图发给 Cursor 让它"照着这个做出来"、把报错界面截图发给 AI 问"这是什么问题"、让 AI 给你的小程序生成图标和插画时,用的都是多模态能力。

常见误区

以为它"看图"和人一样精确。它能看个大概,但图里的小字、精细数据、复杂图表常会看漏或看错。让它读图里关键数字时,务必自己再核对一遍。

学习建议

先把它讲给别人听得懂即可。这个级别的词不需要死记定义，重点是建立基本直觉。

传统编程是人把规则一条条写死("如果邮件含'中奖'就标垃圾")。机器学习反过来:你给电脑看一万封"已标好是不是垃圾"的邮件,让它自己总结出规律。它不是被教规则,是从例子里自己学规则。

有什么用

它是"AI 为什么会变聪明"的根本原理。理解这点,你就明白 AI 的能力全靠"喂的数据"——数据决定它擅长什么、会在哪犯错,而不是某个程序员把答案写死在里面。

什么时候会遇到

作为 vibecoder 你基本不用自己做机器学习(那是算法工程师的活),但它是你理解整个 AI 生态的背景知识:为什么模型有"训练"和"使用"两个阶段、为什么微调能定制 AI。

常见误区

别和"大语言模型""AI"混为一谈、以为是新东西。机器学习是个用了几十年的大类技术,大语言模型只是它近年最火的一个分支。它也不是"会自己越用越聪明",得专门重新训练。

学习建议

开始真实用 AI 做事时要重点掌握。至少要知道它能解决什么问题、什么时候该用、哪里会踩坑。

模型有两段人生:"训练"是上学苦读、积累本事的阶段(很贵、很慢);"推理"是毕业上岗、实际干活回答你问题的阶段。你每次和 AI 对话、让它写代码,就是在让它"推理"——它在动用学到的本事现场作答。

有什么用

理解推理,你才搞得清 AI 的钱花在哪、为什么有时候快有时候慢。你用 AI 的每一次请求都是一次推理,API 按推理消耗的 token 收费;模型越大、回答越长,推理越慢越贵。

什么时候会遇到

"推理"这个词你会在两处遇到:一是算成本(API 按推理用量收费);二是选模型时看到"推理模型"(指会先在心里想一长串再回答、更擅长复杂逻辑的那类,比普通模型慢但更准)。

常见误区

容易把"推理(模型干活)"和"训练(模型学习)"搞混。你作为用户接触的全是推理,从不碰训练。另外"推理模型"虽强但慢且贵,简单任务用它是杀鸡用牛刀,浪费钱和时间。

学习建议

开始真实用 AI 做事时要重点掌握。至少要知道它能解决什么问题、什么时候该用、哪里会踩坑。

温度是 AI 回答的"放飞程度"旋钮。调低(接近 0),它每次都给最稳妥、最常规的答案,像照本宣科的老实人;调高,它更敢天马行空、用词更花,但也更容易跑偏、瞎编,像喝了点酒的段子手。

有什么用

它让你能控制 AI 是"求稳"还是"求创意"。要它老老实实写代码、提取数据、按格式输出,就调低;要它帮你头脑风暴文案、起名字、想点子,就调高。一个旋钮切换两种风格。

什么时候会遇到

自己写代码调 API 时,你能在参数里设温度。让 AI 干"必须准"的活(改代码、整理数据)用低温;干"要发散"的活(想标语、起产品名、写营销文案)用高温。日常聊天界面通常已调好默认值。

常见误区

误以为"温度越高 AI 越聪明"——恰恰相反,高温会增加幻觉和出错。需要准确、可复现结果时,温度一定要调低。另外它只影响"措辞的随机性",不会让模型真的更博学。

学习建议

开始真实用 AI 做事时要重点掌握。至少要知道它能解决什么问题、什么时候该用、哪里会踩坑。

闭源模型像"只能进店消费的米其林餐厅"(GPT、Claude、Gemini):菜做得顶级,但你只能点菜、按次付钱,进不了后厨、改不了配方。开源模型像"把菜谱免费公开的料理"(Llama、DeepSeek、Qwen):你能拿回家自己做、自己改,但得有厨房和手艺。

有什么用

这是你选"用哪个 AI"的核心分水岭。闭源通常最聪明、开箱即用,适合追求效果、省心;开源能免费下载自己跑、数据不出门、能深度定制,适合在意隐私、成本或要私有化的场景。

什么时候会遇到

给产品选 AI 大脑时拍板用哪类:大多数 vibecoder 直接调闭源模型的 API 最省心、效果最好;只有当你特别在意数据隐私、想长期省钱、或要私有部署时,才考虑下载开源模型自己跑。

常见误区

两个误区:一是以为"开源=免费",自己跑要算上设备和运维,小规模下往往比调闭源 API 还贵;二是以为开源一定差——到 2026 年顶尖开源模型(如 DeepSeek、Qwen)在很多任务上已逼近闭源,只在最难的推理和编程上还差一档。

学习建议

开始真实用 AI 做事时要重点掌握。至少要知道它能解决什么问题、什么时候该用、哪里会踩坑。

参数就像 AI 大脑里的"神经连接",数量越多,脑容量越大、越聪明。7B 是 70 亿个,70B 是 700 亿个(B = Billion 十亿)。好比 7B 是个机灵的高中生,70B 是个博学的研究生——块头越大,通常越懂行,但也越能吃(占内存、跑得慢)。

有什么用

参数量是你判断模型"大小档次"的快速标尺,尤其在考虑本地部署时直接决定"我的电脑跑不跑得动"。大模型更聪明但要好显卡、跑得慢;小模型笨一点但轻便、能塞进普通设备。

什么时候会遇到

主要在两个场景看它:一是想本地部署时,得按自己显卡内存挑跑得动的尺寸(7B 普通显卡能跑,70B 要专业设备);二是对比开源模型时,参数量是常见的规格标签。

常见误区

别迷信"参数越大越好"。新的小模型经常打败老的大模型,数据和训练方法比单纯堆参数更重要。而且大模型对硬件要求陡增,本地跑大模型,新手十有八九卡到崩溃。

学习建议

等你开始搭系统、做自动化或上线产品时再深入。现在先知道它在系统里的位置。

就是你对 AI 说的那句话/那段话,相当于给实习生派活时的"任务说明"。你说得越清楚(要做什么、给谁看、什么风格、有什么限制),它干得越对;你说得含糊,它就只能瞎猜。

有什么用

提示词是 vibecoder 唯一的"操作杆"。你不写代码,你写的是提示词——一句话能让 AI 生成整个页面,也能让它把代码改崩。会写提示词,基本等于会指挥 AI 干活。

什么时候会遇到

无时无刻:让 AI 写一个"带手机号登录的注册页"、让它"把这个按钮改成蓝色圆角"、让它"找出这段代码为什么报 404"。你打字框里敲的每一句都是提示词。

容易混淆

Prompt 是一次任务说明；Skill 是可复用流程。一次性任务写 Prompt，高频任务沉淀 Skill。

常见误区

最常见的坑是太笼统,比如只说"做个网站"。AI 会自己脑补一堆你没要的东西。要给背景、给例子、给约束("只改这个文件,别动别的"),否则返工无穷。

学习建议

先把它讲给别人听得懂即可。这个级别的词不需要死记定义，重点是建立基本直觉。

从一开始就按 AI 协作来设计工作流，而不是把 AI 硬塞进旧流程里。就像云原生应用天然为云设计，AI Native 的工作流天然为 AI 分工、上下文和自动化设计。

有什么用

它帮你判断一个流程是不是真的被 AI 改造了。AI Native 的重点不是“用了 AI”，而是任务拆解、资料组织、验收方式都围绕 AI 重新设计。

什么时候会遇到

当你想把内容生产、知识库、剪辑、销售素材、项目交付做成一套稳定流程时，会用到这个词。

常见误区

常见误区是把 AI 当外挂。旧流程不变，只是在最后让 AI 润色一下，这不算 AI Native。

学习建议

先把它讲给别人听得懂即可。这个级别的词不需要死记定义，重点是建立基本直觉。

AI 干活，人来定边界、给标准、做验收。你不是每一步都亲自施工，而是像包工头一样定图纸、看质量、拍板返工。

有什么用

它解决的是“AI 自动化不等于放任 AI 乱跑”。真正稳定的 AI 工作流里，人负责目标、边界和关键判断。

什么时候会遇到

让 AI 写代码、做内容、跑 Agent、处理客户资料、生成课程交付物时，都应该设计人类审核节点。

常见误区

常见误区是全自动崇拜。越涉及钱、隐私、品牌和安全，越不能让 AI 完全无人监督。

学习建议

先把它讲给别人听得懂即可。这个级别的词不需要死记定义，重点是建立基本直觉。

如果说提示词是"对 AI 说的一句话",提示工程就是"把这句话说到位的手艺"——好比同样请人帮忙,会说话的人三言两语就把事办成,不会说的人来回扯皮还办砸。它是一套让 AI 听话、少出错的说话技巧。

有什么用

对不写代码的 vibecoder,这是性价比最高的技能。同一个 AI,提示工程好的人能让它一次写对、少返工;不会的人反复改还得不到想要的结果。它直接决定你用 AI 的产出质量和速度。

什么时候会遇到

当你发现"为什么别人用同一个 AI 做得又快又好,我却老出问题"时,差距通常就在提示工程:给角色设定、给示例、分步骤、明确约束、让它先想再做。

常见误区

以为有什么"万能咒语"复制粘贴就行。真正有用的是把任务讲清楚 + 给例子 + 限定范围。盲目堆砌"你是世界顶级专家"这类空话,作用很小。

学习建议

开始真实用 AI 做事时要重点掌握。至少要知道它能解决什么问题、什么时候该用、哪里会踩坑。

Skill 就像给 AI 助理写好的一本 SOP 手册。你不用每次重新解释流程，调用它，AI 就按固定标准完成同类任务。

有什么用

它把一次性的好提示词变成可重复调用的生产流程，适合沉淀标题优化、录音处理、拉片分析、朋友圈文案、代码审查等稳定任务。

什么时候会遇到

当你发现某个任务每周都要做，而且每次都要重复交代要求时，就应该沉淀成 Skill。

常见误区

常见误区是把 Skill 写成一大坨愿望。好的 Skill 要有输入要求、执行步骤、质量标准和失败处理，不是喊一句“你是专家”。

学习建议

开始真实用 AI 做事时要重点掌握。至少要知道它能解决什么问题、什么时候该用、哪里会踩坑。

你只告诉建筑师“我要住 10 个人的房子”，让他先出方案，而不是你自己画图纸规定每根梁怎么放。技术路线就是 AI 或工程师为了达成目标设计的方法和步骤。

有什么用

它让你从“命令 AI 做某一步”升级为“让 AI 先规划怎么做”。复杂任务先要路线，再执行。

什么时候会遇到

做网站、知识库、Agent、自动化脚本、剪辑工作流前，都应该先让 AI 给技术路线和风险点。

常见误区

常见误区是还没想清楚路线就开干，最后文件乱、依赖乱、上下文爆掉。

学习建议

开始真实用 AI 做事时要重点掌握。至少要知道它能解决什么问题、什么时候该用、哪里会踩坑。

普通 AI 像个只会聊天的顾问:你问一句它答一句。Agent 像个能跑腿的助理:你给它一个目标("帮我把这个 bug 修了"),它会自己拆解步骤、动手查文件、改代码、跑一遍看对不对、不对再改,一直忙到把活干完才回来交差。

有什么用

Agent 是 vibecoder 的"自动化升级版"。它把"你说一步它做一步"变成"你说目标它全包",能连续操作十几步而不用你盯着。Cursor、Claude Code 这类工具的核心能力就是 Agent。

什么时候会遇到

让 Cursor"自动把整个项目跑起来并修复所有报错"、让 Claude Code"按这个需求新建几个页面并接好接口"——它会自己读文件、写代码、执行命令、循环验证,这就是 Agent 在干活。

容易混淆

普通聊天 AI 是问一句答一句；Agent 会围绕目标连续规划、调用工具、执行和验证。

常见误区

它会自主操作,所以也会自主闯祸:可能改了你没让它改的文件、删了不该删的东西。让它放手干之前,代码最好先用 git 存档,关键操作让它先汇报再执行,别全程放养。

学习建议

先把它讲给别人听得懂即可。这个级别的词不需要死记定义，重点是建立基本直觉。

普通 API 是你主动打电话去问'到货了吗';Webhook 反过来,是货到了对方主动打电话通知你。你提前给对方留个电话号(一个网址),事情一发生,对方就主动推消息过来,你不用一直追问。

有什么用

有些事你不知道啥时候发生(用户付款成功了没、订单状态变了没),一直去问既费劲又慢。Webhook 让对方在事情发生的那一刻主动通知你,实时又省力。支付、消息系统全靠它。

什么时候会遇到

接支付时,用户付完款,支付平台通过 Webhook 通知你'这笔到账了',你才好发货/开通服务。接收消息、自动化流程(如某事件触发后干啥)也大量用 Webhook。

常见误区

Webhook 是对方往你这发请求,所以你得有个能公开访问的网址接收(本地电脑收不到,要部署上线或用内网穿透工具)。还有安全坑:得验证消息真是对方发的,否则有人伪造'付款成功'骗你发货。

学习建议

开始真实用 AI 做事时要重点掌握。至少要知道它能解决什么问题、什么时候该用、哪里会踩坑。

像餐厅的取餐叫号系统:你点完单(下了任务)立刻拿号走人,不用站在窗口干等;后厨按号慢慢做,做好了叫你。把'提交任务'和'实际处理'拆开,谁也不堵着谁。

有什么用

把耗时的活(发邮件、生成报告、处理上传视频)丢进队列后台慢慢做,用户点一下就立刻得到响应,不用转圈等待。流量高峰时任务排队处理,不会一下子压垮系统。

什么时候会遇到

功能里有'点了之后要等很久'的操作(发短信、调用AI生成、批量处理),或要削峰填谷扛突发流量时,用消息队列(如RabbitMQ、Kafka、Redis队列)把它们异步化。

常见误区

消息可能重复送达或处理失败,如果是扣款、发货这类操作,处理逻辑必须做到'同一条消息执行两次结果也一样'(幂等),否则会重复扣款、重复发货。

学习建议

等你开始搭系统、做自动化或上线产品时再深入。现在先知道它在系统里的位置。

MCP 像是给 AI 配的一个"万能插座标准"。以前每接一个新工具(数据库、网盘、企业系统)都要单独焊根电线,又乱又费劲。有了 MCP 这个统一插座,任何工具做成 MCP 插头,AI 一插就能用,不用每个都重新对接。

有什么用

它让你的 AI 助手从"只会聊天"变成"能连真实世界干活"。装个 MCP 服务,Claude/Cursor 就能直接读你的数据库、查企业工商信息、操作你的文件——不用自己写一堆胶水代码去打通。

什么时候会遇到

想让 AI 编程助手直接读你的项目数据库、调某个第三方服务、或接入一个现成能力(如网页抓取、企业查询)时,装一个对应的 MCP 服务比自己写对接代码省事得多。

常见误区

MCP 生态还在快速变化，第三方服务质量参差。装第三方 MCP 等于给 AI 开访问权限，来路不明的别乱装，尤其要防止数据泄露和越权操作。

学习建议

等你开始搭系统、做自动化或上线产品时再深入。现在先知道它在系统里的位置。

定时任务就是给服务器设的"自动闹钟"。你不用每天守着手动点,设好"每天凌晨 3 点自动备份数据库""每周一早上 9 点群发邮件",到点它自己执行,你睡觉它干活。

有什么用

把重复性、按时间触发的活儿交给机器自动跑。定时备份、定时清理过期数据、定时拉取数据更新、定时发提醒——凡是"每隔多久要做一次"的事,都靠它,省人力还不会忘。

什么时候会遇到

产品做大后常需要。比如想做"每天早上自动给用户推送昨日数据",或"每小时同步一次外部价格",就让 AI 帮你配一个定时任务(在服务器上叫 cron,在托管平台上常叫 Scheduled Functions)。

常见误区

定时任务出错往往很隐蔽——它在后台静默运行,失败了你可能几天都不知道。一定要加日志和失败通知,别让一个挂掉的备份任务静悄悄欠你一周的数据。

学习建议

等你开始搭系统、做自动化或上线产品时再深入。现在先知道它在系统里的位置。

让 AI 能通过命令行读写飞书内容，像给它开了一个自动写文档、发结果、取资料的通道。

有什么用

它把飞书从人工协作工具变成自动化工作流的一部分。AI 可以把分析报告、内容草稿、任务结果自动写回飞书。

什么时候会遇到

搭 Agent、自动化内容系统、飞书消息指令、云端工作流时会用到。

常见误区

常见误区是权限乱开。让 AI 操作飞书前，要明确它能读什么、写什么、不能碰什么。

学习建议

等你开始搭系统、做自动化或上线产品时再深入。现在先知道它在系统里的位置。

给 AI 配一套内部百科。它写内容、答问题、做方案前先翻你的资料，而不是靠通用知识自由发挥。

有什么用

它决定 AI 写出来的是“你的内容”，不是互联网上的平均答案。

什么时候会遇到

你想让 AI 学会你的业务、产品、观点、案例、话术和风格时，就需要 AI 知识库。

容易混淆

知识库不是文件夹，核心是让 AI 能稳定调用你的事实、故事和判断。

常见误区

常见误区是把资料塞进去就完事。真正有价值的是结构化后的信息、故事和判断。

学习建议

先把它讲给别人听得懂即可。这个级别的词不需要死记定义，重点是建立基本直觉。

普通 AI 答题靠"脑子里记的",可能记错或没学过。RAG 像"开卷考试":回答前先去你指定的资料库里翻一翻(检索),把找到的相关内容垫在手边,再照着这些真实资料组织答案。这样它就不容易瞎编了。

有什么用

RAG 是让 AI"懂你自己的资料"的标准做法。想做一个能回答"我们公司产品手册""我这堆笔记"的智能问答,而这些内容 AI 原本不知道,RAG 让它现查现答,既准确又能附出处。

什么时候会遇到

给网站做一个"基于我们帮助文档的智能客服"、做一个"能问我个人知识库的助手"时,用的就是 RAG:把你的文档切块存起来,用户提问时先检索相关段落再让 AI 作答。

容易混淆

RAG 是先查资料再回答；微调是用数据重新训练模型的输出习惯。多数知识库场景先用 RAG。

常见误区

以为 RAG 就万无一失。它的答案质量取决于"检索得准不准":资料没整理好、切块切得乱,AI 翻到的就是无关内容,照样答错。垃圾进、垃圾出,资料质量是关键。

学习建议

开始真实用 AI 做事时要重点掌握。至少要知道它能解决什么问题、什么时候该用、哪里会踩坑。

把一句话/一段文字翻译成一长串数字坐标,意思相近的内容,坐标也挨得近。好比给城市标经纬度——"北京"和"天津"坐标接近,和"巴黎"就很远。这样电脑就能用"算距离"的方式,判断两段文字意思像不像。

有什么用

它是"按意思搜索"的底层魔法。传统搜索只能匹配一模一样的关键词,Embedding 让 AI 能找到"意思相近但用词不同"的内容,是 RAG、智能问答、相似推荐这些功能能成立的基础。

什么时候会遇到

做 RAG 智能问答时,系统在背后把你的文档和用户问题都转成 Embedding,再比对谁离得近来找答案。你一般不直接操作它,但它是"AI 能读懂你资料"的隐形地基。

常见误区

新手容易和"AI 生成回答"搞混。Embedding 不负责答题,它只负责"把文字变成可比较的坐标"。另外不同模型生成的 Embedding 不通用,中途换模型得把资料全部重新转一遍。

学习建议

开始真实用 AI 做事时要重点掌握。至少要知道它能解决什么问题、什么时候该用、哪里会踩坑。

普通数据库像"按身份证号精确查人"的档案柜,要求查得分毫不差。向量数据库像"按长相找相似的人"的相册:你给它一张脸,它能从一百万张里飞快挑出最像的几张。它专门存 Embedding 那串坐标,擅长"找最接近的"。

有什么用

它是 RAG 应用的"资料仓库"。当你把成千上万段文档转成 Embedding 后,得有个地方存起来并能秒速找出"和用户问题最相关的几段",向量数据库就干这个,是智能问答能快速响应的关键。

什么时候会遇到

做一个基于自有文档的 AI 问答、AI 客服、相似内容推荐时,你会用到向量数据库(如 Pinecone、Milvus、或带向量功能的 PostgreSQL)来存检索资料。规模小时甚至一个文件就够。

常见误区

小项目盲目上专业向量数据库,徒增复杂度和费用。几百几千条数据,用现成的轻量方案或数据库插件就够。先别为还没到的规模过度设计。

学习建议

开始真实用 AI 做事时要重点掌握。至少要知道它能解决什么问题、什么时候该用、哪里会踩坑。

像 AI 版个人自传，装着一个人的金句、观点、经历、故事、表达风格和价值观。

有什么用

它让 AI 能用一个人的声音持续生产内容，适合个人 IP、知识付费、咨询和创始人表达。

什么时候会遇到

做个人品牌、朋友圈、小红书、公众号、直播话术时会用到。

容易混淆

IP 知识库围绕一个人，项目知识库围绕一个业务或产品。

常见误区

常见误区是只存人设标签。真正能写出“像你”的，是具体故事、判断、口头禅和反复出现的价值选择。

学习建议

开始真实用 AI 做事时要重点掌握。至少要知道它能解决什么问题、什么时候该用、哪里会踩坑。

像 AI 版项目作战手册，包含产品卖点、用户画像、竞品分析、差评洞察、FAQ、案例和数据。

有什么用

它让团队围绕同一套事实和标准生产内容、销售话术和交付物，减少口径漂移。

什么时候会遇到

做产品营销、课程发售、企业服务、项目交付、批量内容矩阵时会用到。

容易混淆

项目知识库重在团队口径、用户洞察和产品策略，不只是资料收集。

常见误区

常见误区是只有产品说明书，没有用户洞察和策略判断。这样 AI 只能写出说明书味的内容。

学习建议

开始真实用 AI 做事时要重点掌握。至少要知道它能解决什么问题、什么时候该用、哪里会踩坑。

像产品说明书，存放产品参数、功效说明、用户 FAQ、价格规则等客观信息。

有什么用

它是知识库地基，保证 AI 不乱编基础事实。

什么时候会遇到

搭任何知识库时都要先有信息库。

容易混淆

信息库回答“是什么”；故事库回答“发生过什么”；判断库回答“为什么这么判断”。

常见误区

常见误区是只做到这一层就以为完成了。信息库不是护城河，因为竞品也能整理同样资料。

学习建议

开始真实用 AI 做事时要重点掌握。至少要知道它能解决什么问题、什么时候该用、哪里会踩坑。

从说明书升级成品牌故事，加入真实案例、个人经历、客户反馈、行业观察。

有什么用

它让 AI 写出来的内容开始有温度，有人味，不再像百科介绍。

什么时候会遇到

做个人 IP、销售转化、案例文章、口播内容时非常重要。

容易混淆

故事库让内容有温度，但真正形成差异化还要靠判断库。

常见误区

常见误区是故事太散，没有标签和主题归档，AI 找不到合适素材。

学习建议

开始真实用 AI 做事时要重点掌握。至少要知道它能解决什么问题、什么时候该用、哪里会踩坑。

把你几年踩坑换来的行业判断力装进 AI 大脑。它不只知道资料，还知道你为什么这么判断。

有什么用

这是知识库最值钱的一层。真正拉开差距的不是资料，而是竞品判断、用户洞察、失败经验和策略取舍。

什么时候会遇到

你想让 AI 写出有观点、有差异化、有商业判断的内容时，必须建设判断库。

容易混淆

判断库是知识库的护城河，记录依据、取舍、反例和踩坑经验。

常见误区

常见误区是把观点写成口号。判断库要写清依据、场景、反例和取舍，不然 AI 只会复读金句。

学习建议

开始真实用 AI 做事时要重点掌握。至少要知道它能解决什么问题、什么时候该用、哪里会踩坑。

像一个整理得很好的本地文件柜，本质上还是你电脑里的 Markdown 文件夹，但提供链接、标签、图谱和快速检索。

有什么用

它适合长期沉淀个人知识库，文件在本地，可迁移性强，AI 也容易读取。

什么时候会遇到

你想把录音、笔记、观点、素材、项目文档长期沉淀时会用到。

常见误区

常见误区是沉迷插件和图谱，最后没沉淀出可调用内容。工具不是知识库，结构化内容才是。

学习建议

开始真实用 AI 做事时要重点掌握。至少要知道它能解决什么问题、什么时候该用、哪里会踩坑。

通用大模型像个名校毕业的通才,什么都懂一点。微调像"岗前专项培训":再拿你这一行的专属资料集中训它一阵,让它说话风格、专业术语更贴合你的业务,从通才变成你的"专属老员工"。

有什么用

当你需要 AI 稳定地用某种固定风格、格式或专业口径输出,光靠写提示词总不够稳时,微调能把这种偏好"焊"进模型里,让它每次都按你要的来,而不用每次都长篇大论地交代。

什么时候会遇到

实话说,vibecoder 早期几乎用不到。绝大多数定制需求,用好提示词 + RAG 就够了。只有当你有大量专属数据、且对输出风格/格式有严格统一要求时,才值得考虑微调。

容易混淆

微调不是给 AI 塞资料让它查询，而是改变模型行为。知识问答优先 RAG，风格和格式稳定再考虑微调。

常见误区

新手最大的坑是"一上来就想微调"。它要准备高质量数据、花钱训练、还可能把模型原有能力训坏。先穷尽提示词和 RAG,这俩解决不了再说微调,顺序别搞反。

学习建议

等你开始搭系统、做自动化或上线产品时再深入。现在先知道它在系统里的位置。

像百科里的“参见”标注。你写一篇笔记时，它会告诉你哪些笔记引用了它，让知识之间自动连起来。

有什么用

它帮助发现概念之间的关系，适合做长期知识网络。

什么时候会遇到

使用 Obsidian、Roam、Logseq 等双链笔记工具时会遇到。

常见误区

常见误区是为了链接而链接。没有清晰命名和主题结构，反向链接只会制造噪音。

学习建议

等你开始搭系统、做自动化或上线产品时再深入。现在先知道它在系统里的位置。

先把从原材料到成品的链路跑通一遍，像先做出一个粗糙但完整的视频，再优化画质和节奏。

有什么用

它防止你永远卡在局部优化。先跑通输入到输出，再谈高级自动化。

什么时候会遇到

搭 AI 内容系统、剪辑流程、知识库问答、自动化 Agent 时，第一目标都应该是跑通最小闭环。

常见误区

常见误区是还没产出一个完整结果，就开始优化分类、模板和工具。

学习建议

先把它讲给别人听得懂即可。这个级别的词不需要死记定义，重点是建立基本直觉。

像银行复利，本金越大，收益越多。知识库里的素材、案例、复盘越多，AI 以后能调用的资产越多。

有什么用

它解释了为什么 AI 系统越用越值钱。不是模型自己神奇变聪明，而是你的结构化资产越来越厚。

什么时候会遇到

长期做内容、知识库、产品文档、销售话术沉淀时会用到。

常见误区

常见误区是以为“多存资料”就有复利。没有结构、标签、判断和复盘，资料只会变成垃圾堆。

学习建议

先把它讲给别人听得懂即可。这个级别的词不需要死记定义，重点是建立基本直觉。

相当于给自己请了一个永不下班的内容助理：你每天产生素材，它帮你整理、生产、分发、复盘。

有什么用

它把碎片信息变成可持续发布的内容资产，核心链路是信息收集、知识沉淀、内容生产、分发审核、数据复盘。

什么时候会遇到

做个人 IP、知识付费、私域获客、企业内容矩阵时会用到。

常见误区

常见误区是只做“AI 写文案”。没有输入、沉淀和复盘，内容系统只会越写越空。

学习建议

开始真实用 AI 做事时要重点掌握。至少要知道它能解决什么问题、什么时候该用、哪里会踩坑。

输入 → 沉淀 → 生产 → 分发 → 复盘。跑完一圈又产生新素材，进入下一圈，像给系统充了一次电。

有什么用

它把 AI 内容生产从灵感型创作变成工程化流程，让每次发布都反哺下一次生产。

什么时候会遇到

搭建自媒体内容系统、知识库驱动写作、团队内容 SOP 时会用到。

常见误区

常见误区是只重视生产层，忽略输入和复盘。没有输入就没原料，没有复盘就没有进化。

学习建议

开始真实用 AI 做事时要重点掌握。至少要知道它能解决什么问题、什么时候该用、哪里会踩坑。

像工厂的原材料仓库。飞书豆录音、微信聊天、上课记录、碎片想法、客户反馈，都是每天进货的原料。

有什么用

输入层决定 AI 以后能写出什么。没有持续输入，AI 只能重复通用观点。

什么时候会遇到

你开始把日常信息自动转成内容素材时，会设计输入层。

常见误区

常见误区是只收集不筛选。垃圾输入越多，后面沉淀和生产越痛苦。

学习建议

开始真实用 AI 做事时要重点掌握。至少要知道它能解决什么问题、什么时候该用、哪里会踩坑。

像你的第二大脑，把输入的信息分类、归档、关联起来，比人脑记得更稳，也更方便 AI 调用。

有什么用

它是整套系统的核心资产。没有沉淀层，AI 每次都从零开始，无法形成你的风格和判断。

什么时候会遇到

当你开始用 Obsidian、飞书、Markdown 文件夹整理观点、案例、话术时，就是在搭沉淀层。

常见误区

常见误区是把文件夹当知识库。真正的沉淀要有结构、命名、标签和可调用的判断。

学习建议

开始真实用 AI 做事时要重点掌握。至少要知道它能解决什么问题、什么时候该用、哪里会踩坑。

像工厂的生产车间，把知识库里的原材料加工成公众号、小红书、朋友圈、口播稿、脚本和图文。

有什么用

它让 AI 不再随机发挥，而是按你的风格、模板和 Skill 调用已有素材产出内容。

什么时候会遇到

你让 AI 基于知识库批量生成内容时，就是在使用生产层。

常见误区

常见误区是模板堆太多，输入质量和判断库没跟上，最后产物看起来整齐但没有观点。

学习建议

开始真实用 AI 做事时要重点掌握。至少要知道它能解决什么问题、什么时候该用、哪里会踩坑。

像快递员，把生成好的内容推送到你手机、飞书、剪辑软件或发布平台，让你审核后发布。

有什么用

它减少人工搬运，让生产结果离发布更近。真正的系统不是只生成内容，还要送到正确的人和位置。

什么时候会遇到

用飞书消息推送、自动生成草稿、内容排期、跨平台发布时会用到。

常见误区

常见误区是完全自动发布。公开内容最好保留人工审核，尤其涉及观点、品牌和商业承诺。

学习建议

开始真实用 AI 做事时要重点掌握。至少要知道它能解决什么问题、什么时候该用、哪里会踩坑。

像工厂的质检和研发，根据销量、差评、点赞、收藏、评论反馈优化下一批配方。

有什么用

它让内容系统从“多发”变成“越发越准”。复盘结果要沉淀回知识库，形成下一轮输入。

什么时候会遇到

内容发布后，把数据、评论和转化结果回传给 AI 分析时，会用到复盘层。

常见误区

常见误区是只看点赞，不看转化和用户反馈。复盘不是自嗨表格，是为了调整判断和策略。

学习建议

开始真实用 AI 做事时要重点掌握。至少要知道它能解决什么问题、什么时候该用、哪里会踩坑。

像内容市场的雷达，看哪条内容爆了、哪些关键词有机会、用户对什么话题有反应。

有什么用

它把内容表现数据反馈给 AI，帮助优化选题、标题、结构和用户洞察。

什么时候会遇到

做抖音、小红书、内容矩阵、爆款分析、关键词复盘时会用到类似工具。

常见误区

常见误区是只追热点词。数据工具告诉你哪里有流量，但不能替你判断是否适合你的定位和转化路径。

学习建议

开始真实用 AI 做事时要重点掌握。至少要知道它能解决什么问题、什么时候该用、哪里会踩坑。

就像商店门口装的客流计数器加监控:多少人进店、看了哪些货架、在哪儿转身就走、最后谁结账了。网站装上分析工具,就能看清访客都在你的页面上干了什么。

有什么用

不靠猜,而是用真实数据知道有多少人来、从哪来、点了什么、在哪一步流失。这是优化产品、判断哪个功能有用的眼睛。

什么时候会遇到

网站或应用上线后想知道'到底有没有人用、用得怎么样'时接入。GA(谷歌分析)是经典免费选择;PostHog 更适合产品功能层面的细致追踪。

常见误区

埋点(记录用户行为的代码)装太多会拖慢网页、引发隐私合规问题(很多地区要 cookie 同意弹窗)。数据采了不看等于白采,先想清楚要回答什么问题再装。

学习建议

等你开始搭系统、做自动化或上线产品时再深入。现在先知道它在系统里的位置。

像公众号的后台编辑器:不懂代码的人也能写文章、传图、发布,前台网站自动更新。CMS 就是网站的'后台编辑室',让运营人员不碰代码就能改内容。

有什么用

把'网站长什么样'和'网站写什么内容'分开。程序员搭好框架后,写文章、改产品介绍、换 banner 这类日常更新,交给非技术同事在后台点点鼠标就能完成。

什么时候会遇到

做博客、官网、电商这类内容经常更新的网站时用。WordPress 是经典老牌;现在 vibecoder 常用 Sanity、Strapi 这类'无头 CMS',只管内容、前端自己用代码做。

常见误区

WordPress 插件多但安全漏洞也多,要勤更新。'无头 CMS'灵活但要自己写前端对接。别为一个几乎不更新的页面套个重型 CMS,反而把简单事复杂化。

学习建议

等你开始搭系统、做自动化或上线产品时再深入。现在先知道它在系统里的位置。

不是直接给你一个成片，而是生成一个打开剪映就能继续编辑的项目草稿。

有什么用

它让 AI 剪辑从“给建议”变成“生成可继续编辑的交付物”。

什么时候会遇到

做 AI 辅助剪辑、批量短视频模板、自动生成剪辑工程时会遇到。

常见误区

常见误区是以为草稿等于完片。草稿还需要人工审美、节奏和素材合法性检查。

学习建议

等你开始搭系统、做自动化或上线产品时再深入。现在先知道它在系统里的位置。

服务器就是一台托管在机房、24 小时开机的计算机,你电脑关了它还在跑,所以网站才能随时随地被人访问。它就像一家从不打烊的便利店,谁来都能进。

有什么用

它是网站和应用真正运行的地方。你的代码、数据库、图片都放在服务器上,全世界用户通过网络向它请求内容。没有服务器,程序只能在你自己电脑上跑,别人用不了。

什么时候会遇到

vibecoder 想让做好的网站或小程序后端被别人访问,就得把代码放到服务器上(自己租云服务器,或用 Vercel、Railway 等托管平台代管)。接口、数据库通常都跑在服务器上。

常见误区

新手以为服务器越贵越好,其实小项目一台几十块的入门云主机就够。另一个坑:服务器一直开机就一直计费,测试项目用完忘了关,账单会悄悄累积。

学习建议

先把它讲给别人听得懂即可。这个级别的词不需要死记定义，重点是建立基本直觉。

客户端就是你这一端发出请求的设备或软件,比如你手机上的 App、电脑上的浏览器。它像餐厅里点菜的客人,服务器则是后厨,客人下单、后厨做好端上来。

有什么用

理解客户端/服务器这对关系,是理解整个互联网怎么运转的基础。你点一下、刷新一下,都是客户端在向服务器要东西,服务器把结果送回来显示。

什么时候会遇到

vibecoder 看 AI 生成的代码时,会看到代码分两部分:跑在用户设备上的(客户端)和跑在服务器上的(服务端)。搞清一段代码属于哪端,才知道数据从哪来、密钥能不能放这。

常见误区

最危险的坑:把 API 密钥、数据库密码写在客户端代码里。客户端代码用户能直接看到,密钥等于公开。敏感操作和密钥必须放在服务器端。

学习建议

先把它讲给别人听得懂即可。这个级别的词不需要死记定义，重点是建立基本直觉。

前端就是网站给你看的那一面——页面长什么样、按钮放哪、点了有什么动画。好比一家店的门面装修、招牌、货架摆设,顾客直接看到、摸到的全部。

有什么用

前端决定用户的第一印象和使用体验。同样的功能,前端做得好用顺手,用户才留得住。它用 HTML、CSS、JavaScript 这些技术,跑在用户的浏览器里。

什么时候会遇到

vibecoder 让 AI '做一个登录页面''把按钮改成蓝色''加个加载动画',改的都是前端。做落地页、作品集、工具界面,主要工作量都在前端。

常见误区

前端只负责显示,别把它当保险箱。比如'只在前端校验密码''前端隐藏了付费按钮'都拦不住懂行的人,真正的权限和验证必须在后端再做一遍。

学习建议

先把它讲给别人听得懂即可。这个级别的词不需要死记定义，重点是建立基本直觉。

后端是网站看不见的那一面——后厨。你在前台点了'登录',后端去核对账号密码、查数据库、算结果,再把答案递回前台。顾客看不到后厨,但菜全在那做。

有什么用

后端处理真正的逻辑和数据:验证身份、读写数据库、扣款、调用第三方服务。它跑在服务器上,负责前端做不了、也不能信任前端去做的事(比如算钱、改数据)。

什么时候会遇到

vibecoder 做'用户注册并保存到数据库''生成订单并扣款''调 AI 接口返回结果',这些都是后端活。一旦项目要存数据、要登录、要付费,就绕不开后端。

常见误区

新手常把'前端看起来能用'当成'功能完成'。比如注册页填完看似成功,但没写后端把数据存进数据库,刷新就没了。前端是壳,后端才真正干活。

学习建议

先把它讲给别人听得懂即可。这个级别的词不需要死记定义，重点是建立基本直觉。

URL 就是一个网页的完整门牌地址,精确到具体哪一页。好比'北京市朝阳区xx路5号3单元201室'——不只是哪栋楼(网站),而是楼里的哪一个房间(具体页面)。

有什么用

URL 让你能直接跳到互联网上任意一个具体页面或资源。复制粘贴一个 URL 给别人,他就能看到和你一模一样的内容。它是浏览器、链接、分享的基础。

什么时候会遇到

vibecoder 部署完网站会拿到一个 URL,发给别人就能访问。调 API 时也要填对方的 URL(接口地址)。做页面跳转、配置路由,本质都是在处理 URL。

常见误区

URL 里 http 和 https 一字之差,安全性天壤之别;末尾带不带斜杠、大小写有时也会指向不同页面。复制接口地址时多一个空格、少一个字母都会导致请求失败。

学习建议

先把它讲给别人听得懂即可。这个级别的词不需要死记定义，重点是建立基本直觉。

域名就是网站好记的名字,比如 taobao.com。互联网内部其实是用一串数字(IP 地址)找电脑的,但数字记不住,域名就像把'13800138000'存成'老王'一样,给冰冷的地址起个人能记的名。

有什么用

域名让你的网站有一个专业、好记、可信的入口。注册一个域名就把这个名字占为己有,别人输入它就能到你的站。它也是品牌的一部分。

什么时候会遇到

网站做好要正式上线时，去阿里云、腾讯云、Cloudflare 等平台注册一个域名，绑到部署平台上，网址就从一串随机字符变成你自己的品牌名。

常见误区

域名是按年租的,不是买断,忘记续费会被别人抢注,站就没了。注册时也别只图首年 1 元的特价,看清第二年续费价(常涨到几十上百)。

学习建议

先把它讲给别人听得懂即可。这个级别的词不需要死记定义，重点是建立基本直觉。

HTTP 是浏览器和服务器之间说话用的'普通话'——规定了怎么问、怎么答。HTTPS 是给这段对话加了把锁的加密版,别人在中途偷听也只看到乱码。差一个 S,等于明信片和密封信的区别。

有什么用

HTTP 让浏览器和服务器能互相听懂、传数据。HTTPS 在此基础上加密,保护密码、支付信息不被窃取。现在没有 HTTPS 的网站,浏览器会直接标红'不安全'吓退用户。

什么时候会遇到

vibecoder 部署网站时,Vercel、Cloudflare 等平台默认自动配好 HTTPS(免费证书),你基本不用管。但接支付、做登录时,必须确认走的是 https,否则数据裸奔。

常见误区

别贪省事用 http。一旦页面有登录或支付而走 http,信息全程明文传输,极易被截。另外页面是 https 但里面引用了 http 的图片/脚本,浏览器会报'混合内容'警告。

学习建议

先把它讲给别人听得懂即可。这个级别的词不需要死记定义，重点是建立基本直觉。

数据库就是网站的超级 Excel 表格 + 档案柜,专门有条理地存放用户、订单、文章这些数据,并且能瞬间查到、改对。和你电脑上的文件不同,它能同时被成千上万人安全读写。

有什么用

凡是要'记住'东西的功能都靠数据库:用户注册了得存账号,下单了得存订单,发帖了得存内容。它保证数据持久、不丢、查得快,是后端的核心地基。

什么时候会遇到

vibecoder 做的项目一旦需要登录、保存、列表展示,就得接数据库。常用 Supabase、PostgreSQL、MySQL 等。AI 写后端代码时,增删改查的对象基本都是数据库。

常见误区

最大的坑是把数据库密码或连接串写进前端代码,等于把档案柜钥匙挂门口。另外删数据前没备份、用字符串拼 SQL 导致被注入攻击,都是常见且致命的错误。

学习建议

先把它讲给别人听得懂即可。这个级别的词不需要死记定义，重点是建立基本直觉。

API 就像餐厅的菜单 + 服务员。你不用进后厨,只要照菜单点单(发请求),服务员就把做好的菜端出来(返回数据)。它是两个程序之间约定好的'怎么点、怎么给'的窗口。

有什么用

API 让你不必自己造轮子,直接调用别人做好的能力:调地图 API 显示位置,调支付 API 收钱,调 AI 大模型 API 让程序会聊天。它是把各种服务拼装成你产品的接口。

什么时候会遇到

vibecoder 几乎天天用:接 OpenAI/Claude 的 API 让 App 有 AI 能力,接 Stripe 的 API 收款,接天气/地图 API 取数据。前端和自己的后端之间通信,也是通过 API。

容易混淆

API 是服务开放的接口；SDK 是让你更方便调用 API 的工具包。

常见误区

调 API 几乎都要密钥(API Key),它等于你的付费账号密码,千万别写进前端或传到公开的 GitHub,泄露后别人能盗刷你的额度。另外多数 API 有调用次数和频率限制。

学习建议

先把它讲给别人听得懂即可。这个级别的词不需要死记定义，重点是建立基本直觉。

以前盖房子要自己砌砖,现在你只用嘴跟一个超级靠谱的施工队说"我想要个带泳池的两层小楼",它就边问边盖。你描述想法,AI 写代码,你看效果不对再让它改。

有什么用

让完全不懂代码的人也能做出能跑的网站、小程序、工具。你的核心工作从"会不会写"变成"会不会清楚地描述需求、会不会判断做出来的东西对不对",门槛从语法降到了表达。

什么时候会遇到

这就是你现在干的事本身。用 Cursor、Lovable、Claude 这类工具,靠对话一步步把脑子里的产品做出来,就是 vibe coding。这个词已经从小圈子黑话变成了 AI 编程里的高频说法。

常见误区

AI 能跑通不等于能上线。生成的代码常有安全漏洞、性能坑、改一处崩一片。别盲信"它说能用",关键功能(尤其涉及钱和用户数据)一定要测、要让 AI 自查安全,复杂项目最好找懂行的人过一遍。

学习建议

先把它讲给别人听得懂即可。这个级别的词不需要死记定义，重点是建立基本直觉。

做一个网页就像装修房间:HTML 是毛坯结构(哪里放标题、哪里放图片、哪里放按钮),CSS 是装修风格(颜色、字体、间距、排版好不好看),JavaScript 是让房子会动的电路(点按钮弹窗、提交表单、加载数据)。

有什么用

这是所有网页的三块地基,浏览器只认这三样。哪怕你全程让 AI 写,听懂这三个词能让你和 AI 沟通时一句话点到位:"这是 CSS 的问题,帮我把按钮调大"比"那个东西不好看"高效十倍。

什么时候会遇到

你做任何网站、小程序、落地页时,AI 生成的就是这些。当你想说"布局乱了"(HTML)、"配色丑"(CSS)、"点了没反应"(JavaScript),知道是哪一块出问题,描述需求会准得多。

常见误区

新手容易把三者混为一谈,跟 AI 说"代码不对"却不说是结构、样式还是交互,导致来回返工。另外别一看 JavaScript 就和后端混淆——它主要跑在浏览器(前端)里。

学习建议

先把它讲给别人听得懂即可。这个级别的词不需要死记定义，重点是建立基本直觉。

以前用电得自己买台发电机摆家里,又贵又要维护;云计算就是改成接市电——别人建好大电厂,你按用多少电交多少钱,随用随取。计算和存储也一样,不用自己买机器,在网上租别人的。

有什么用

你不用花几万块买服务器、不用懂怎么装机维护,做好的网站和应用直接放到云上,几分钟就能让全世界访问,按实际用量付费,用得少就花得少。

什么时候会遇到

当你用AI做好一个网站、小程序或后端,想让它真正跑在网上让别人能打开时,第一件事就是选一家云服务商(阿里云、腾讯云、AWS等)开通账号。

常见误区

以为云就一定便宜。算力、流量、存储分开计费,流量和数据库尤其容易超支;新手常忘了关闲置资源,月底账单吓一跳。开通前先看清各项单价。

学习建议

开始真实用 AI 做事时要重点掌握。至少要知道它能解决什么问题、什么时候该用、哪里会踩坑。

就是一台托管在机房、24小时开机的电脑,你电脑关了它还在跑,所以网站才能一直访问。你花钱租它的一部分,像在共享办公楼里租一个独立的小隔间,有自己的钥匙和地址。

有什么用

这是放网站和后端程序最常用、最灵活的地方。你能完全控制这台机器,想装什么、怎么配都行,价格也便宜,入门款一个月几美元就能起步。

什么时候会遇到

AI帮你写完一个后端服务或网站,要找个地方让它一直运行,最常见的就是租一台云服务器,把代码传上去跑起来。

常见误区

入门款配置低(常见1核1G内存),稍微复杂的应用一跑就卡甚至崩。另外服务器要自己负责安全更新和防黑客,买了不管会被入侵。新手可先选带一键部署的服务商。

学习建议

开始真实用 AI 做事时要重点掌握。至少要知道它能解决什么问题、什么时候该用、哪里会踩坑。

你在自己家厨房做好一道菜(本地写好的代码),部署就是把这道菜的做法和食材搬到餐厅后厨,让餐厅能批量做给客人吃。代码从你电脑搬到服务器、跑起来对外服务,这个搬运+启动的过程就叫部署。

有什么用

代码只待在你电脑上,只有你能看;部署之后别人才能通过网址访问。这是从'我做了个东西'到'大家能用我做的东西'的关键一步。

什么时候会遇到

AI帮你把功能都写好、本地测试通过后,你想发给朋友看或正式上线,就要做部署——把代码传到服务器并启动。每次改完代码想更新线上版本,也要重新部署。

常见误区

本地能跑不代表线上能跑。本地装了的东西服务器上没有、配置不一样、端口没开,都会导致部署后打不开。第一次部署踩坑最多,别指望一次成功。

学习建议

开始真实用 AI 做事时要重点掌握。至少要知道它能解决什么问题、什么时候该用、哪里会踩坑。

生产环境就是正式开门营业的店面,进来的是真客人,出了错真客户会看到、会投诉。和它对应的是后厨试菜的厨房(测试环境)——那里随便搞砸都没事,客人看不到。

有什么用

区分'正式对外'和'内部试验'两个地方,你才能放心大胆地在试验区折腾,确认没问题了再放到正式区。避免一改代码就直接影响真实用户。

什么时候会遇到

当你的产品已经有真实用户在用,任何改动都要先在测试环境验证,再'上线'(发布到生产环境)。'上线了吗'='正式版更新了没'。

常见误区

直接在生产环境改代码、调数据库,是新手大忌——一个手抖全站挂掉,用户数据可能没了。另外别把测试用的假数据、调试开关带到生产环境。

学习建议

开始真实用 AI 做事时要重点掌握。至少要知道它能解决什么问题、什么时候该用、哪里会踩坑。

像保险箱的密码,不写在菜谱里(代码里),而是单独贴在厨房墙上一张只有员工能看的纸条上。换个厨房(换台服务器)纸条内容可以不一样,菜谱本身不用改。

有什么用

把密码、API密钥这类敏感信息和会随环境变的配置,从代码里抽出来单独存放。好处:代码可以公开分享而不泄露密钥;同一份代码在不同环境只换配置就能跑。

什么时候会遇到

接入支付、调用AI接口、连数据库时都会拿到密钥,这些绝不能直接写进代码,而要放进环境变量。换到生产环境时,改环境变量而不动代码。

常见误区

头号大坑:把密钥直接写在代码里又上传到GitHub,几分钟就被人扫到盗刷,账单爆炸。一定用环境变量,且把存密钥的文件(如.env)加进.gitignore不上传。

学习建议

开始真实用 AI 做事时要重点掌握。至少要知道它能解决什么问题、什么时候该用、哪里会踩坑。

像把常用的东西放在手边抽屉,而不是每次都跑去仓库取。把算过一次、查过一次的结果先存在快的地方,下次有人要直接给,不用重新算、重新查数据库,快得多。

有什么用

大幅提升速度、降低数据库压力。同样的数据反复被很多人请求时,缓存一次、复用千百次,网站秒开,服务器也轻松。是性能优化最常用的第一招。

什么时候会遇到

首页热门内容、不常变的配置、调用一次很慢的接口结果等,都适合缓存。当你的网站'打开有点慢''数据库扛不住'时,加缓存往往立竿见影。

常见误区

经典难题:数据更新了但缓存还是旧的,用户看到过期内容(缓存失效问题)。改了数据要记得让对应缓存过期或更新,否则'明明改了却不生效'会让你抓狂。

学习建议

开始真实用 AI 做事时要重点掌握。至少要知道它能解决什么问题、什么时候该用、哪里会踩坑。

就像开一家餐厅要凑齐一套设备:灶台、冰箱、收银机、外卖平台。做一个软件也要凑齐一套技术——用什么语言、什么框架、什么数据库、放在哪上线。这一整套搭配就叫技术栈。

有什么用

一个完整产品从不靠单一技术,而是好几样配合。把这套搭配理清楚,你才知道项目由哪些部分组成、出问题该往哪查、招人或问 AI 时该怎么描述。

什么时候会遇到

你跟人(或 AI)说'我这项目是 React + Node + Postgres',对方立刻就懂你的架子长什么样。看一个开源项目、评估一个外包方案,第一件事就是看它的技术栈。

常见误区

新手容易追最新最酷的技术堆栈,结果生态不成熟、出问题没人答。对 vibecoder,选主流、AI 熟悉、社区资料多的技术栈,远比选'先进'的重要。

学习建议

开始真实用 AI 做事时要重点掌握。至少要知道它能解决什么问题、什么时候该用、哪里会踩坑。

就像装修前定主材:地板选实木还是瓷砖、墙刷漆还是贴砖。一旦定下大动起来很费劲。技术选型就是在动手前决定用哪门语言、哪个框架、哪个数据库——后面整个项目都建在这之上。

有什么用

选对了,后面顺风顺水;选错了,做到一半发现这条路走不通,推倒重来代价极大。选型本质是权衡:好不好上手、社区大不大、贵不贵、AI 熟不熟、能不能撑住未来的量。

什么时候会遇到

开一个新项目的第一步。让 AI'帮我做个能收款的小程序',它会先建议一套技术方案——这就是在帮你做技术选型。你需要判断它的建议是否主流、好维护。

常见误区

vibecoder 最容易掉进'选最新最潮'和'选我听过名字的'两个坑。正解是问 AI'哪个方案资料最多、最不容易踩坑',选成熟主流的。冷门技术 AI 也答不好,等于自断外援。

学习建议

开始真实用 AI 做事时要重点掌握。至少要知道它能解决什么问题、什么时候该用、哪里会踩坑。

写代码就像写文章,得有个趁手的写字软件。普通记事本能写但很难用;代码编辑器像专业版 Word,会自动给代码上色、提示拼写、还能直接运行——IDE 则是更全能的版本,连调试、装插件都包了。

有什么用

好的编辑器让你写代码不痛苦:语法高亮看得清、自动补全少打字、报错当场标红。现在很多编辑器还内置 AI,你用大白话说需求它直接帮你改代码,这正是 vibecoder 的主战场。

什么时候会遇到

你打开项目文件夹改东西、跟 AI 一起写代码,都在编辑器里进行。常见的有 VS Code(最主流免费)、Cursor(主打 AI 编程)。你看到的代码界面基本就是它。

常见误区

新手纠结选哪个编辑器纠结半天。其实对 vibecoder 直接上 Cursor 或带 AI 的 VS Code 就行,先用起来。另一个坑是装一堆插件拖慢速度,够用就好。

学习建议

开始真实用 AI 做事时要重点掌握。至少要知道它能解决什么问题、什么时候该用、哪里会踩坑。

平时你用鼠标点图标办事,终端是反过来——用打字给电脑下命令。就像在微信里发指令而不是点按钮。一个黑框框,你敲一行字回车,电脑就执行,没有花哨界面。

有什么用

很多开发操作没有按钮可点,只能在终端敲命令:装依赖、启动项目、上传代码到 GitHub 都靠它。看着原始,但比点来点去快,也是 AI 让你执行操作时最常用的地方。

什么时候会遇到

AI 让你'在终端运行 npm install''敲 git push',你就得打开那个黑框框照着粘贴执行。装环境、跑项目、部署上线几乎都绕不开它。

常见误区

新手怕黑框框,其实大多时候就是复制 AI 给的命令粘进去回车。真正的坑是:命令要在对的文件夹里敲(不然找不到项目),以及复制命令前看一眼别盲粘危险操作(比如删除)。

学习建议

开始真实用 AI 做事时要重点掌握。至少要知道它能解决什么问题、什么时候该用、哪里会踩坑。

就像游戏的存档功能:每改一段就存个档,后悔了能随时读回任意一个存档点。版本控制帮你给代码不停存档,记录每一次改了什么,改崩了一键回到上一个好的版本。

有什么用

没它,改崩了只能干瞪眼或手动撤销到吐血。有它,任何时候都能回退、能看清每次改动、能多人同时改同一个项目不打架。这是专业开发的命根子,vibecoder 也强烈需要。

什么时候会遇到

让 AI 一通改之后发现搞砸了,如果之前存了档(提交过),一条命令就能退回去。多人协作、想试个大胆改动又怕翻车时,版本控制就是你的后悔药。

常见误区

新手要么完全不用(改崩无法挽回),要么用了但从不'存档提交',等于白装。养成改完一段就提交一次的习惯,存档点越密,后悔成本越低。

学习建议

开始真实用 AI 做事时要重点掌握。至少要知道它能解决什么问题、什么时候该用、哪里会踩坑。

Git 就是目前最流行的那台'存档机器'。版本控制是概念(给代码存档这件事),Git 是实现它的具体工具,就像'记账'是概念、'记账 App'是工具。几乎所有人都用 Git 来管代码版本。

有什么用

Git 帮你把每次改动存成档、记录谁在何时改了什么、随时回退、还能把不同人的改动合并到一起。它是版本控制事实上的标准,学开发绕不过去。

什么时候会遇到

你看到的 git commit、git push、git pull 这些命令都是 Git。把代码同步到 GitHub、和别人协作、给项目存档全靠它。vibecoder 至少要会提交和推送两个基本动作。

常见误区

Git 命令多且容易绕晕,新手常把自己搞到一团乱(尤其'合并冲突')。对 vibecoder,先掌握 add/commit/push 三件套就够,遇到复杂情况直接问 AI 怎么解,别硬扛。

学习建议

开始真实用 AI 做事时要重点掌握。至少要知道它能解决什么问题、什么时候该用、哪里会踩坑。

如果 Git 是你电脑里的存档机,GitHub 就是放在云端的'网盘+协作平台',把你的代码存档传上去。仓库(Repository)就是云端里专门放某个项目的一个文件夹,装着这个项目的全部代码和历史。

有什么用

代码传到 GitHub 上,换电脑能拉下来、电脑坏了不丢、能邀请别人一起改、还能展示给全世界看。它也是全球最大的开源代码集散地,你用的无数免费工具都托管在这。

什么时候会遇到

想把项目备份上云、和人协作、或把代码交给部署平台自动上线,第一步都是建个 GitHub 仓库。找现成开源项目、看 AI 工具的源码,也都是去 GitHub。

常见误区

最危险的坑:把密钥、密码不小心提交到公开仓库,等于贴到全世界面前,被人盗刷。一定要把含密钥的文件加进忽略清单(.gitignore)。另外公开和私有仓库要分清,商业代码别设公开。

学习建议

开始真实用 AI 做事时要重点掌握。至少要知道它能解决什么问题、什么时候该用、哪里会踩坑。

提交(commit)是按下'存档'键,把这次改动在本地存成一个档点,还附上一句话说明改了啥。推送(push)是把本地这些档点'上传'到 GitHub 云端。先存档,再上传,两步。

有什么用

提交让你的改动有了一个可回退的记录点,推送让它同步到云端被备份和共享。这俩是 Git 日常用得最多的动作,vibecoder 必会的最小操作集。

什么时候会遇到

改完一段满意了就提交一次(存档),想备份上云或让别人看到就推送。AI 帮你写完功能后,常会提示你'提交并推送',你照做代码就上 GitHub 了。

常见误区

新手常忘记提交,辛苦的改动没存档,一崩全没。还有人提交了忘推送,以为上云了其实还在本地,换电脑发现啥都没有。提交要写清说明,别一律写'update',以后自己都看不懂。

学习建议

开始真实用 AI 做事时要重点掌握。至少要知道它能解决什么问题、什么时候该用、哪里会踩坑。

就是程序里的毛病、不按预期来的地方:点了按钮没反应、显示的数字算错了、页面突然白屏。就像菜里吃出根头发——本不该有却出现了。Bug 这词来历就是早年电脑里真卡进了一只虫子。

有什么用

认识到 bug 是常态而非失败,心态就稳了。再厉害的程序员写的代码也有 bug,做软件本质就是不停发现和修 bug 的过程。能清楚描述一个 bug,是让 AI 帮你修好它的前提。

什么时候会遇到

你做的功能没按预期工作时,就是遇到 bug 了。这时要做的是:看清错在哪、复现它(怎么操作能让它再出现一次)、然后把现象原原本本告诉 AI 让它帮你找原因。

常见误区

新手描述 bug 太含糊('它坏了''不行了'),AI 没法帮你。要说清:我做了什么、期望什么结果、实际出现了什么(最好带上报错原文)。报错信息别直接关掉,那是最值钱的线索。

学习建议

开始真实用 AI 做事时要重点掌握。至少要知道它能解决什么问题、什么时候该用、哪里会踩坑。

就像家里灯不亮了,你一步步排查:是灯泡坏了?开关坏了?还是跳闸了?调试就是程序出毛病后,顺着线索一点点找出到底哪里错了的过程,而不是瞎改一通。

有什么用

光知道有 bug 没用,得找到病根才能修。调试就是定位问题的手艺:在哪一步出的错、为什么出错。这是写代码最花时间的部分,也是最能体现功力的地方。

什么时候会遇到

功能不对劲时,你打开报错信息、看看程序运行到哪卡住了、把出问题的代码和报错一起喂给 AI 让它分析——整个过程就是调试。vibecoder 调试的主力方式就是和 AI 一来一回排查。

常见误区

新手最大的坑是不看报错就让 AI'随便改改试试',改了一堆还是错。正解是先复制完整报错给 AI。另一个坑是一次改太多处,出错了都不知道是哪处导致的,要一次只改一个地方。

学习建议

开始真实用 AI 做事时要重点掌握。至少要知道它能解决什么问题、什么时候该用、哪里会踩坑。

就像菜做好了先自己尝一口咸淡再端给客人。测试就是写一些'自动尝味道'的代码,提前检查你的功能对不对,而不是等用户用出问题才发现。

有什么用

人工每次都把所有功能点一遍很累且容易漏。自动化测试帮你在每次改动后一键检查'原来好的有没有被改坏了',让你敢放心地改代码、上线前心里有底。

什么时候会遇到

项目大了、改动频繁时,测试能帮你守住底线:改了 A 功能,跑一遍测试确认没把 B 功能带崩。配合 CI/CD,每次推代码自动跑测试,有问题当场拦下。

常见误区

vibecoder 早期小项目可以不写正式测试,手动点一遍核心流程也够,别为测试而测试。但'完全不验证就上线'是大坑——至少自己把主要功能走一遍。让 AI 帮写测试时也要核对它测得对不对。

学习建议

开始真实用 AI 做事时要重点掌握。至少要知道它能解决什么问题、什么时候该用、哪里会踩坑。

就像买宜家家具送的一整套工具包:螺丝、扳手、说明书全配齐,让你能顺利把家具装起来。SDK 是某个服务方给你的一整套现成工具+说明,让你能轻松把他们的功能接进你的项目。

有什么用

想接入微信支付、调用某个 AI 模型、用某个云服务?对方通常提供 SDK,把复杂的对接细节都打包好,你照着几行代码就能用上他们的能力,不用自己啃一堆底层文档。

什么时候会遇到

接支付('装微信支付 SDK')、接 AI('用 OpenAI 的 SDK 调模型')、接地图定位等等,第一步往往是装对方的 SDK。AI 帮你集成第三方服务时,基本都在用人家的 SDK。

容易混淆

SDK 往往包含库、示例和工具，目标是降低调用 API 的难度。

常见误区

新手常分不清 SDK、库、API:SDK 是一整套工具包(里面可能就含库),API 是对方开放的接口(SDK 是帮你方便调用 API 的工具)。另一个坑是 SDK 版本更新后用法会变,照着过时教程会对不上。

学习建议

开始真实用 AI 做事时要重点掌握。至少要知道它能解决什么问题、什么时候该用、哪里会踩坑。

就像填一张标准表格:姓名填什么、年龄填什么,一栏一栏清清楚楚。JSON 是一种程序之间传数据的通用格式,用'名称:值'成对地写,人能看懂、机器也好处理,是数据界的普通话。

有什么用

两个程序要交换数据,得用双方都认的格式,JSON 就是最通用的那个。你调任何 API、看配置文件、存数据,几乎都会碰到 JSON。看懂它,你就能读懂程序间传的到底是什么。

什么时候会遇到

调用任何接口拿数据回来,返回的基本都是 JSON。项目里的 package.json 配置文件也是 JSON。AI 给你看接口返回结果时,那一坨带大括号、引号的东西就是 JSON。

常见误区

JSON 格式很较真:少个逗号、多个逗号、引号用错、括号没配对,整个就报错。新手手写 JSON 最常死在标点上。复制粘贴时也容易带进多余字符。让 AI 检查格式是最省事的办法。

学习建议

开始真实用 AI 做事时要重点掌握。至少要知道它能解决什么问题、什么时候该用、哪里会踩坑。

就像餐厅点菜:你(你的程序)按菜单给服务员(API)下单'我要一份天气数据',后厨(对方服务器)做好用标准方式端回给你。REST 就是这套点菜规矩的一种通用约定,大家都按它来,谁都能对接谁。

有什么用

想用别人的能力(查天气、查物流、调 AI)却又不能进人家系统,REST API 就是对方开的一个'点菜窗口',你按规矩发请求,它返回数据。这是程序之间互相调用功能的最主流方式。

什么时候会遇到

接入任何第三方数据或服务,十有八九是调它的 REST API。你让 AI'帮我接个查快递的功能',它就是在帮你按 REST 规矩去请求快递公司的 API。

常见误区

调 API 通常要密钥(身份凭证)且常常按调用次数收费,新手容易忘看收费规则,被刷爆账单。密钥也绝不能写死在前端或传到公开仓库,会被人盗用。还要做好对方返回错误时的处理。

学习建议

开始真实用 AI 做事时要重点掌握。至少要知道它能解决什么问题、什么时候该用、哪里会踩坑。

网页出问题时,F12 就像汽车的引擎盖,掀开能看到里面的仪表和报错灯。普通用户只看到"页面白了",掀开盖子你能看到具体哪根线断了、报了什么错。

有什么用

排错的第一现场。页面打不开、按钮没反应、图片不显示时,按 F12 打开控制台(Console),里面那行红字就是错误原因。把这行红字原样复制给 AI,它十有八九能直接告诉你怎么改。

什么时候会遇到

几乎每次 vibe coding 调试都用得上。AI 生成的网页在浏览器里跑出 bug,与其干瞪眼描述"它坏了",不如 F12 截图或复制报错喂给 AI,排错效率天差地别。

常见误区

很多新手不知道这个工具存在,遇到问题只会反复说"不行",却没把浏览器里现成的报错信息交给 AI。报错原文(尤其红色那段)是最有价值的线索,千万别忽略。

学习建议

开始真实用 AI 做事时要重点掌握。至少要知道它能解决什么问题、什么时候该用、哪里会踩坑。

localhost 就是你自己电脑上的"内部试营业"。东西做好了先在自家厨房尝尝味道(只有你能看到),觉得 OK 了再开门迎客(部署上线让全世界访问)。

有什么用

让你在花钱上线之前,先在自己电脑上免费、快速地预览和测试。改一行看一眼效果,不用每次都传到服务器,迭代飞快。地址通常长这样:http://localhost:3000。

什么时候会遇到

AI 帮你跑起项目后,常让你打开 localhost:某个端口 在浏览器里看效果。这是"还没上线、只有你能看"的阶段,确认没问题了才走部署上线。

常见误区

最常见的困惑:localhost 上好好的,发给朋友打不开——因为它只存在于你这台电脑,别人访问不了。想让别人看,必须先部署到服务器或托管平台。

学习建议

开始真实用 AI 做事时要重点掌握。至少要知道它能解决什么问题、什么时候该用、哪里会踩坑。

同一杯水,倒进高脚杯、马克杯、矿泉水瓶都要能装、都要好看。响应式设计就是让同一个网页,在手机、平板、电脑上自动调整排版,屏幕大就铺开、屏幕小就堆叠。

有什么用

决定你的网站在手机上能不能用。现在大多数访客用手机,如果只在电脑上看着好、手机上字小到要捏放大,直接劝退用户。做对了,一套页面通吃所有设备。

什么时候会遇到

做任何对外的网站、落地页、小程序时都要确认。AI 默认生成的页面不一定手机友好,你要主动让它"做成响应式,在手机上也好看",并且自己拿手机或 F12 切到手机视图实测。

常见误区

只在电脑大屏上验收,上线后才发现手机上排版崩了。一定要主动测手机端——浏览器 F12 里有切换设备尺寸的功能,或直接用手机打开链接看。

学习建议

开始真实用 AI 做事时要重点掌握。至少要知道它能解决什么问题、什么时候该用、哪里会踩坑。

像做菜的三个阶段:开发=你在家随便试新菜谱;测试=请几个朋友先尝尝挑毛病;生产=正式上菜给付钱的客人。三套各自独立的厨房,互不干扰,坏了不影响下一个。

有什么用

有了分层,你可以在开发和测试环境放心试错,把问题挡在用户看不到的地方,只让经过验证的版本进入生产。这是不让真实用户当小白鼠的保障。

什么时候会遇到

项目稍微正式一点就需要至少'开发(自己电脑)'和'生产(线上)'两套;有团队或真实用户后再加'测试环境'。每套用各自独立的数据库和配置。

常见误区

最常见的坑是三套环境配置不一致——测试时连的是测试数据库,上线却忘了改回生产数据库,结果用户数据写错地方。每套环境的配置要严格分开管理。

学习建议

等你开始搭系统、做自动化或上线产品时再深入。现在先知道它在系统里的位置。

像一个标准化的集装箱:把你的应用和它需要的所有东西(代码、依赖、配置)一起打包封箱。不管搬到哪条船、哪个港口(哪台服务器),箱子里的东西原样不变,拆开就能用。

有什么用

彻底解决'我电脑上能跑、服务器上跑不了'的老大难问题。把运行环境一起打包,换台机器照样跑,部署变得可预测、可复制。

什么时候会遇到

当你被'本地正常、线上报错'折磨,或想让应用在任何服务器上一键跑起来时,会把应用装进容器。现代部署流程几乎都基于容器。

常见误区

容器是临时的,里面写的文件重启就没了——数据库、上传的图片必须存到容器外面(挂载卷或对象存储),否则一重启数据全丢。新手常栽在这。

学习建议

等你开始搭系统、做自动化或上线产品时再深入。现在先知道它在系统里的位置。

Docker就是制造和搬运'集装箱'(容器)的那套标准工具和码头设备。它定义了箱子怎么打包、怎么开关、怎么运。说'用Docker'基本等于'用容器这套玩法'。

有什么用

它是容器技术里事实上的标准工具,用一个简单的配置文件(Dockerfile)就能把应用打包成标准箱子,几乎所有云平台和教程都支持它,生态最成熟。

什么时候会遇到

AI帮你部署项目时,常会让你写个Dockerfile、运行docker命令,把应用打包成镜像再跑成容器。租的服务器上装好Docker几乎是部署标配。

常见误区

打出来的镜像动辄几个G、构建超慢,是因为没做精简(用了臃肿的基础镜像、把没用的文件也打进去)。另外别把密钥写进Dockerfile,会被打进镜像泄露。

学习建议

等你开始搭系统、做自动化或上线产品时再深入。现在先知道它在系统里的位置。

镜像像一张'系统光盘'或菜谱模板:它是封好的、只读的应用打包成品。容器则是用这张光盘装出来的、正在运行的那台机器。一张镜像可以开出很多个一模一样的容器。

有什么用

镜像让应用的打包成品可以保存、分享、版本管理。做好一次,到处复制运行,每个都完全一致。它是容器能'到处一样跑'的底层载体。

什么时候会遇到

用Docker打包应用时,产出的就是镜像;部署时把镜像推到镜像仓库,服务器再拉下来跑成容器。AI部署脚本里常出现build镜像、push/pull镜像的步骤。

常见误区

镜像有版本标签(tag),新手爱用latest这个标签,结果不同时间拉到的内容不一样,线上出现'昨天好好的今天就崩了'。生产应固定明确的版本号。

学习建议

等你开始搭系统、做自动化或上线产品时再深入。现在先知道它在系统里的位置。

像一个无限大的网盘仓库,专门放用户上传的图片、视频、文件。每个文件存进去都给一个固定网址,谁都能凭网址下载。不像服务器硬盘有容量上限,这个仓库几乎装不满。

有什么用

用户头像、商品图、上传的文档这类文件,放服务器硬盘上既占空间又难扩展,放对象存储则便宜、无限扩容、还能直接给出下载链接。AWS S3 是最有名的对象存储之一，价格会随地区、用量和服务商变化，具体以官方为准。

什么时候会遇到

做带'上传图片/文件'功能的应用时,几乎一定用对象存储来存这些文件,而不是塞进服务器或数据库。配上CDN还能让全球用户下载得飞快。

常见误区

权限设置最容易出错:设成公开可读可写,等于把仓库大门敞开,别人能随便上传垃圾甚至看到你的私密文件。要严格区分哪些文件能公开、哪些只能私有访问。

学习建议

等你开始搭系统、做自动化或上线产品时再深入。现在先知道它在系统里的位置。

像连锁便利店:总仓在北京,如果广州人每次都从北京发货就很慢。CDN在全国各地都开了分店,提前把热门货(图片、视频、网页)铺到离你最近的店,你就近取,秒到。

有什么用

让全球用户打开你的网站、加载图片视频都很快,不管他在哪个国家。同时帮你分担流量、抵挡一部分恶意攻击,源服务器压力小很多。

什么时候会遇到

网站有较多图片视频、或用户分布在不同地区、或访问量大时,套上CDN能明显加速。图片视频类、出海的应用几乎必用。

常见误区

CDN会缓存内容,你更新了文件但用户还看到旧版,是因为缓存没刷新——这就是'清缓存'的由来。改完静态文件记得清CDN缓存,否则改了像没改。

学习建议

等你开始搭系统、做自动化或上线产品时再深入。现在先知道它在系统里的位置。

像酒店前台:客人(访问者)不直接冲进后厨,都先到前台。前台再决定把你领到哪个房间(哪个后端服务)、帮你登记、挡掉捣乱的人。Nginx就是最常用的这种'前台'软件。

有什么用

它站在用户和你的后端程序之间,负责分发请求、处理HTTPS加密、挡掉部分攻击、把多个服务统一到一个网址下。让你的后端不用直接暴露在外,更安全也更灵活。

什么时候会遇到

几乎所有正式上线的网站都会用Nginx当门面:配置域名、装SSL证书让网址变https、把/api开头的请求转给后端、其他转给前端页面,都靠它。

常见误区

配置文件语法严格,一个分号、一个路径写错就整站502/404打不开,且报错信息不直观,新手调起来头大。改完配置务必先测试再重载。

学习建议

等你开始搭系统、做自动化或上线产品时再深入。现在先知道它在系统里的位置。

像银行门口的引导员:只开一个窗口会排长队,引导员把客人均匀分到多个窗口,谁空闲去谁那,大家都快。它把海量访问平摊到多台服务器上。

有什么用

一台服务器扛不住的访问量,可以加几台一起扛,负载均衡负责公平地把请求分给它们。某台坏了就自动不再往它派活,网站不会因为一台机器挂了就整体瘫痪。

什么时候会遇到

用户量增长到一台服务器明显吃力、或对稳定性要求高(不能挂)时,会加多台服务器并在前面放负载均衡。个人小项目一般还用不到。

常见误区

多台服务器后,用户登录状态(session)如果只存在某一台上,下次请求被分到另一台就'被登出'了。要把这类状态存到共享的地方(如Redis),否则用户体验诡异。

学习建议

等你开始搭系统、做自动化或上线产品时再深入。现在先知道它在系统里的位置。

像给远方那台一直开机的服务器配了一把带加密的远程钥匙:坐在自己家就能登进那台机器的命令行,像直接坐在它面前一样敲指令操作。全程加密,别人偷看不到。

有什么用

服务器在机房里你摸不到,SSH就是你操作它的主要通道:登上去传代码、装软件、看日志、重启服务。没有它你基本没法管理一台云服务器。

什么时候会遇到

租了云服务器后,第一步通常就是用SSH登进去做初始配置;之后每次手动部署、排查线上问题、改配置,都靠SSH连上去操作。

常见误区

用简单密码登录的服务器,几小时内就会被全球扫描机器人暴力破解。务必改用密钥登录、关掉密码登录,并妥善保管私钥文件——私钥泄露等于钥匙被偷。

学习建议

等你开始搭系统、做自动化或上线产品时再深入。现在先知道它在系统里的位置。

不是真的没服务器,而是像打车代替买车:你不用买车养车(租服务器、管运维),要用时一招手车就来(代码被触发就运行),下车按里程付费(按调用次数和时长计费),没人用时一分钱不花。

有什么用

省去管理服务器的全部麻烦,不用关心扩容、运维、闲时资源浪费。访问量大它自动扩,没访问就不计费,特别适合流量不稳定或刚起步的项目,成本可以极低。

什么时候会遇到

做个小接口、定时任务、表单提交处理,或不想折腾服务器运维时,用Serverless(如各云的函数计算、Vercel、Cloudflare Workers)几分钟上线,几乎零运维。

常见误区

很久没人调用时,第一次访问会有几秒延迟(冷启动)。另外它适合短小任务,不适合长时间运行的活;用量一旦暴涨,按次计费可能反而比包月服务器贵。

学习建议

等你开始搭系统、做自动化或上线产品时再深入。现在先知道它在系统里的位置。

像放在桌上的一块超快的便签板:数据直接记在内存里,读写快到飞起,但断电(重启)默认会擦掉。专门用来放需要频繁、极速读写的临时数据。

有什么用

它是做缓存、存登录状态、做排行榜/计数器、简单消息队列的瑞士军刀,因为快、好用、生态成熟而几乎成为标配。多台服务器共享session、防止重复提交也常靠它。

什么时候会遇到

给网站加缓存提速、存用户登录态、做限流防刷、做实时排行榜或在线人数统计时,基本都会上Redis。多服务器架构里它几乎是必备组件。

常见误区

默认数据在内存里,重启或内存满了可能丢——别拿它当唯一的数据库存重要数据。还有它早期默认无密码且对外开放,被黑客扫到直接入侵,务必设密码、别裸奔。

学习建议

等你开始搭系统、做自动化或上线产品时再深入。现在先知道它在系统里的位置。

就像做饭时直接买现成的火锅底料,不用自己从花椒辣椒一样样炒。别人把常用功能(比如算日期、发邮件、处理图片)提前写好打包,你拿来直接用,省得自己造。

有什么用

几乎所有常见功能都有人写好了。你要的功能装个库一行调用就行,不用从零写几百行。这是现代编程能快的核心原因——站在别人肩膀上。

什么时候会遇到

让 AI 加个功能,比如'把日期显示成几天前',AI 通常会引入一个现成的库来做。你看到代码里 import 或 require 某个陌生名字,八成就是在用库。

常见误区

装太多库会让项目变臃肿、容易出冲突。还有库会过期或停止维护,带安全漏洞。别看到啥库都装,能用框架自带功能就别额外引。

学习建议

等你开始搭系统、做自动化或上线产品时再深入。现在先知道它在系统里的位置。

库是你想用就用的调料,框架更像一套精装修的毛坯房:墙、水电、户型都给你定好了,你只往里填家具。它规定了整个项目怎么搭、文件放哪、流程怎么走。

有什么用

从零搭一个网站要操心特别多杂活(怎么响应用户点击、怎么连数据库、怎么管页面跳转)。框架把这些套路都封装好,你按它的规矩填内容就能快速出成品,不用每次重造轮子。

什么时候会遇到

做网站常听到的 React、Vue、Next.js,做后端的 Django、Express,都是框架。你让 AI'用 React 做个落地页',它就是在框架的规矩里给你填代码。选错框架后面很难换。

常见误区

新手分不清框架和库:库是你叫它,框架是它叫你(它定流程,你填空)。另一个坑是框架学习曲线陡,且一旦选定很难中途换,所以技术选型时要慎重。

学习建议

等你开始搭系统、做自动化或上线产品时再深入。现在先知道它在系统里的位置。

包就是别人打包好的一块功能(其实就是库的另一种叫法)。依赖是说'你的项目要正常跑,离不开这些包',就像做蛋糕依赖面粉和鸡蛋,缺一个就做不成。

有什么用

你的项目几乎不可能全是自己写的,都站在一堆别人的包上面。把这些'依赖'清单记下来,换台电脑或上线时一键就能把同样的包全装回来,保证到哪都能跑。

什么时候会遇到

AI 生成的项目里通常有个叫 package.json(JS)或 requirements.txt(Python)的文件,列着所有依赖。报错'找不到某个模块',基本就是某个依赖没装上。

常见误区

最经典的坑:在自己电脑能跑,换台机器就崩,因为依赖没装全或版本对不上。别手动一个个装,照清单文件批量装。还有依赖套依赖,一个包能牵出几百个,体积爆炸很正常。

学习建议

等你开始搭系统、做自动化或上线产品时再深入。现在先知道它在系统里的位置。

就像手机的应用商店:你说要装哪个 App,它帮你下载、装好、以后还能一键更新和卸载。包管理器就是代码世界的应用商店,帮你管所有要用的包。

有什么用

手动下载、解压、放对位置、处理版本冲突会累死人。包管理器一条命令搞定全部:装包、升级、按清单一键还原整个项目的依赖。没它现代开发寸步难行。

什么时候会遇到

JavaScript 用 npm(或 pnpm、yarn),Python 用 pip(或 uv)。AI 让你在终端敲 'npm install' 或 'pip install',就是在用包管理器装项目要的东西。这是几乎每个项目第一步。

常见误区

不同语言用不同的包管理器,别拿 npm 去装 Python 的包。还有网络问题导致装不上很常见(尤其国内),经常要配镜像源。命令敲错地方(不在项目文件夹里)也会失败。

学习建议

等你开始搭系统、做自动化或上线产品时再深入。现在先知道它在系统里的位置。

就像一道公开的菜谱:任何人都能免费看、照着做、还能改成自己的口味再分享出去。开源软件就是把代码完全公开,谁都能免费用、能看里面怎么写的、能拿来改。

有什么用

你做项目用到的绝大多数框架、库、工具几乎都是开源且免费的,省下天价授权费。代码公开还意味着全世界的人帮着挑 bug、补漏洞,通常比闭门造的更靠谱。

什么时候会遇到

你在 GitHub 上找到一个现成功能直接拿来用、AI 给你引入某个免费库、或想看某个工具到底怎么实现的——都在受益于开源。vibecoder 几乎全程站在开源之上。

常见误区

免费不等于随便用:每个开源项目有许可证(License),有的允许商用、有的要求你也得开源、有的禁止商用。拿别人代码做收费产品前,务必看清许可证,否则可能侵权。

学习建议

等你开始搭系统、做自动化或上线产品时再深入。现在先知道它在系统里的位置。

就像写小说时复制一份草稿去试不同的结局,改坏了不影响正式稿,满意了再合并回去。分支就是从主线代码岔出一条独立线,在上面随便折腾,不碰正在用的稳定版本。

有什么用

想加新功能或做大胆改动又怕弄坏现有的东西?开个分支单独搞,试成了合并回主线,试砸了直接扔掉,主线毫发无伤。这让多人能各干各的互不干扰,也让你敢于试验。

什么时候会遇到

你要给上线的网站加个新功能,但不想改坏正在跑的版本,就新建一个分支开发,验证没问题再合并。团队协作里每人一个分支是标配。

常见误区

vibecoder 一个人做小项目时,常常用不到分支,在主线上改也行,别被吓住。真用到时最大的坑是'合并冲突'——两条线改了同一行,合并时要手动取舍,遇到直接问 AI 怎么处理。

学习建议

等你开始搭系统、做自动化或上线产品时再深入。现在先知道它在系统里的位置。

就像一条自动化流水线:你把改好的代码往 GitHub 一推,流水线自动接手——检查代码有没有错、跑一遍测试、没问题就直接帮你发布上线。省得你每次手动重复一堆动作。

有什么用

手动上线要敲一长串命令、容易漏步骤、还可能把出错的代码发上去。CI/CD 把这些自动化:推一下代码,几分钟后新版本自己就上线了,既快又少出错。这是现代项目能频繁更新的关键。

什么时候会遇到

用 Vercel、Netlify 这类平台时,你把代码连上 GitHub,以后每次推送它就自动重新部署,网站自动更新到最新——这背后就是 CI/CD。vibecoder 用这些平台基本无感享受它。

常见误区

新手会被 CI/CD 这名字吓到以为很高深。其实用 Vercel 这类平台,你啥都不用配就自动有了。真要踩坑是:推了有 bug 的代码,流水线会忠实地把 bug 也发上线,所以推之前最好先验一下。

学习建议

等你开始搭系统、做自动化或上线产品时再深入。现在先知道它在系统里的位置。

普通 API 像发短信:问一句答一句,每次都要重新拨号。WebSocket 像打电话一直不挂:连接一旦建立就保持着,双方随时能说话。所以聊天、实时弹幕、在线协作才能即时收到对方的消息。

有什么用

需要实时双向交流的场景(聊天室、直播弹幕、多人协作、AI 一个字一个字往外蹦答案),用普通 API 反复请求又慢又费。WebSocket 保持长连接,消息一有就立刻送达,实时性拉满。

什么时候会遇到

做聊天功能、实时通知、协作白板,或想让 AI 回答像打字机一样逐字显示(流式输出),底层常用 WebSocket。vibecoder 用现成的实时服务时多半也是它在背后撑着。

常见误区

WebSocket 比普通 API 复杂:连接会断要会自动重连、用户多了服务器扛连接压力大、调试也更难。新手别一上来就自己造,能用现成的实时服务(如某些云服务)就别自己造。

学习建议

等你开始搭系统、做自动化或上线产品时再深入。现在先知道它在系统里的位置。

数据库存数据用的是它自己的一套'方言'(SQL 查询语句)。ORM 像个翻译官:你用熟悉的编程语言说'给我这个用户的订单',它自动翻译成数据库的方言去取,再把结果翻译回来,你不用学那套方言。

有什么用

直接写数据库查询语句既要学新语法、又容易写出有安全漏洞的代码。ORM 让你用平时写代码的方式操作数据,省心又相对安全,是后端开发常用的省力工具。

什么时候会遇到

项目要存用户、订单、文章这类数据到数据库时,AI 通常会用一个 ORM(如 Prisma、SQLAlchemy)来读写,而不是手写一堆原始 SQL。你看到代码里用对象方法增删改查数据,多半是 ORM。

常见误区

ORM 方便但会'藏'掉底层效率问题:一个看似简单的操作可能偷偷查了数据库几百次,数据量大了就卡。还有复杂查询 ORM 写起来反而别扭。新手知道有这回事即可,卡顿时记得往这方面查。

学习建议

等你开始搭系统、做自动化或上线产品时再深入。现在先知道它在系统里的位置。

你写的代码像一份手写菜谱(方便人读),但服务器和浏览器吃的是"预制半成品"。构建就是把菜谱批量加工、打包、压缩成机器能高效运行的成品的过程。

有什么用

上线前的必经一步。开发时为了好读好改,代码是松散的;构建会把它压缩、合并、优化成又小又快的版本。很多部署平台会在你推送代码后自动帮你构建。

什么时候会遇到

部署网站时几乎必然遇到。常见场景是"build failed(构建失败)"——AI 写的代码本地看着对,一构建就报错。把构建报错日志整段喂给 AI,通常能定位到具体哪行有问题。

常见误区

新手常被"本地能跑但构建失败"搞懵。原因往往是少装了依赖、或代码有本地容忍但构建严格的小错。别慌,构建日志里的报错信息就是答案,完整复制给 AI。

学习建议

等你开始搭系统、做自动化或上线产品时再深入。现在先知道它在系统里的位置。

数据库像一个已经住满人的档案柜,迁移就是"在不丢现有档案的前提下改造柜子结构"——比如新加一个抽屉(加字段)、给抽屉改名、或把档案重新归类,且每一步都有记录可回退。

有什么用

让你安全地修改已经装着真实数据的数据库结构。直接手动改容易丢数据、改错回不去;迁移把每次结构变更变成可执行、可追溯、可撤销的步骤,团队和服务器之间也能保持结构一致。

什么时候会遇到

产品上线后想加新功能,常要给数据库加新表或新字段(比如用户表加"会员等级")。这时 AI 会帮你生成迁移脚本。这属于高风险操作,动线上真实数据前务必先备份。

常见误区

在有真实用户数据的库上直接乱改字段是大忌,可能永久丢数据且无法恢复。改结构前必须先备份;迁移脚本要先在测试环境跑通,确认没问题再上生产。

学习建议

等你开始搭系统、做自动化或上线产品时再深入。现在先知道它在系统里的位置。

爬虫就像派一个不知疲倦的助理,按你的指令去一个个网页上"抄数据"——把商品价格、文章列表、评论等批量复制下来整理成表格,人工抄一天的活它几分钟搞定。

有什么用

当你需要的数据散落在别人的网页上、又没有现成接口给你时,爬虫帮你自动批量收集。做比价、行业调研、内容聚合、训练数据收集时常用,把网页上的信息变成你能用的结构化数据。

什么时候会遇到

你想做个"自动汇总某网站最新信息"的工具,但对方没提供 API,就会让 AI 帮你写爬虫去抓。注意优先找官方 API,有 API 别爬,爬虫是没有正规接口时的退路。

常见误区

两大坑:一是法律和合规,抓取受版权保护或个人隐私数据可能违法,很多网站的使用条款也禁止爬取,商用前务必确认合规;二是抓太猛会把人家服务器搞崩、把自己 IP 封掉,要控制频率。

学习建议

等你开始搭系统、做自动化或上线产品时再深入。现在先知道它在系统里的位置。

开源代码不等于"随便拿随便用"。许可证就像借东西时贴的便利贴:有的写"随便用,标个我名字就行"(MIT),有的写"你用了我的,你做的也必须开源"(GPL),规矩差别很大。

有什么用

决定你能不能、以及怎样合法地把别人的开源代码用进你的商业项目。选对了省时省钱,选错了可能被迫公开自己的全部代码,甚至吃官司。看一眼协议类型,几秒钟避开大坑。

什么时候会遇到

你用 AI 搭项目时,会大量引入开源库和模板。商用产品尤其要留意:MIT、Apache 这类"宽松协议"基本随便用;GPL 这类"传染性协议"可能要求你的项目也开源,商用前要看清。

常见误区

最危险的是"拿来就用、从不看协议"。GPL 协议的代码进了你的闭源商业产品,理论上你得把整个产品代码也公开。不确定时,直接问 AI"这个协议能用于闭源商业项目吗"。

学习建议

等你开始搭系统、做自动化或上线产品时再深入。现在先知道它在系统里的位置。

IP 地址是每台联网设备在网络里的门牌号,一串数字如 142.250.x.x。就像每部手机有唯一号码,数据要送到哪台电脑,靠的就是认这个号。域名只是这个号好记的别名。

有什么用

它是网络通信能精准送达的根本。你访问任何网站,最终都是把请求送到对方服务器的 IP;服务器也靠你的 IP 把内容回送给你。没有 IP,数据不知道发去哪。

什么时候会遇到

vibecoder 租了云服务器,平台会给你一个公网 IP,你用它远程连服务器、部署代码。配置域名解析时,本质就是把域名指向这个 IP。排查'访问不了'时也常查 IP 通不通。

常见误区

IP 直接暴露在外容易被扫描攻击,正式项目常用 Cloudflare 等挡在前面隐藏真实 IP。另外家用宽带的 IP 会变动,不能直接拿来长期对外提供服务。

学习建议

不建议一开始死磕。遇到具体工程、安全或规模化问题时，再回来看这个词。

DNS 就是互联网的电话簿。你说要找'taobao.com'这个名字,DNS 帮你查出它对应的数字门牌号(IP),浏览器才知道该去敲哪台电脑的门。每次访问网站都先悄悄查一次这本簿子。

有什么用

DNS 让你只记好记的域名,不用记一长串数字。它把人类用的名字翻译成机器用的 IP,是域名能用起来的关键一环。改解析记录,就能把域名指向新的服务器。

什么时候会遇到

vibecoder 买完域名要让它指向自己的服务器/部署平台,就在域名后台'添加解析记录'(填 A 记录指向 IP,或 CNAME 指向平台域名),这一步就是配 DNS。

常见误区

DNS 解析改完不是马上生效,可能要几分钟到几小时(叫'生效延迟'),期间有人能访问有人不能,别以为配错了反复改。记录类型(A / CNAME)填错也是新手高频坑。

学习建议

不建议一开始死磕。遇到具体工程、安全或规模化问题时，再回来看这个词。

如果说 IP 地址是一栋大楼的门牌号,端口就是楼里的具体房间号。同一台服务器(同一个 IP)上可以同时跑很多服务,靠端口区分:网站走 443 房间,数据库走 5432 房间,各收各的客。

有什么用

端口让一台电脑能同时提供多种服务而不打架。访问网站默认走 443(HTTPS)或 80(HTTP),所以你平时不用输端口。但跑多个服务时,端口就是把它们分开的关键。

什么时候会遇到

vibecoder 本地开发时常看到 localhost:3000、localhost:8080,后面那串数字就是端口。部署时若服务连不上,十有八九是端口没开放或被别的程序占用了。

常见误区

本地能跑(因为端口对你自己开着)不代表线上能访问,服务器防火墙默认关大部分端口,要手动放行。另外两个程序抢同一个端口会报'端口已被占用',换个号即可。

学习建议

不建议一开始死磕。遇到具体工程、安全或规模化问题时，再回来看这个词。

带宽是水管的粗细,流量是流过的水总量。管子越粗(带宽大),同一时间能过的水越多,网站打开越快;水流过的总量(流量)则按月累计,用多了要么变慢要么加钱。

有什么用

带宽决定网站快不快、能扛多少人同时访问;流量决定你每月传了多少数据出去。视频、大图片特别耗流量。理解它能帮你看懂云服务账单,避免突然被收一大笔。

什么时候会遇到

vibecoder 网站突然很多人访问、或放了大量图片视频时,会撞到带宽/流量上限——表现为变慢,或账单暴涨。选托管平台、配 CDN 时,都要看免费流量额度够不够。

常见误区

免费托管平台都有流量额度,放高清视频/大图很容易超额,超了要么降速要么扣费。新手常忽略图片没压缩导致流量翻倍。用 CDN 缓存能大幅省流量、提速。

学习建议

不建议一开始死磕。遇到具体工程、安全或规模化问题时，再回来看这个词。

如果一个容器是一名工人,K8s就是大型工厂的智能调度主管:自动安排几百名工人上岗、谁累趴了立刻换人顶上、订单暴增就临时加派人手、订单少了就让人休息。它管的是一大群容器。

有什么用

当应用大到一台机器扛不住、需要几十上百个容器协同时,K8s自动负责扩缩容、故障自愈、流量分配,让大规模系统不靠人盯着也能稳定运行。

什么时候会遇到

个人项目和中小应用基本用不到。等到用户量很大、要多台服务器跑成集群、追求高可用时才会上K8s。名字里的8是'K和s之间8个字母'的缩写。

常见误区

最大的坑是过早使用——给个小网站上K8s,复杂度暴涨、运维成本高得离谱,纯属杀鸡用牛刀。小项目一台云服务器或Serverless足够,别被'高大上'忽悠。

学习建议

不建议一开始死磕。遇到具体工程、安全或规模化问题时，再回来看这个词。

就像你和外国人沟通得用一门语言,你想让电脑干活也得用电脑听得懂的语言。中文、英语是给人用的,Python、JavaScript 是给电脑用的,你写出指令,电脑照着做。

有什么用

电脑只认 0 和 1,人没法直接用。编程语言是中间的翻译层,让你用接近人话的方式写指令,电脑再翻译成它能执行的动作。不会它,你连让电脑做最简单的事都开不了口。

什么时候会遇到

你让 AI 帮你做网站或小程序时,它生成的全是某种编程语言的代码。哪怕你一行不写,也得知道这堆东西是 Python 还是 JavaScript,出问题时才好对着问 AI、找对应的运行环境。

常见误区

新手以为得先精通某门语言才能开始。其实 vibecoder 阶段重点是看懂大概、会让 AI 改,而不是背语法。另一个坑是不同语言不能混着跑,Python 代码不能丢进网页直接用。

学习建议

不建议一开始死磕。遇到具体工程、安全或规模化问题时，再回来看这个词。

普通文本编辑器像一张白纸加一支笔,AI 编程工具则像一个坐在你旁边、能看懂你整个项目、随叫随到帮你写帮你改的高级助手,你说一句它动手一片。

有什么用

把"自己一行行敲代码"变成"对话式开发"。不同工具分工不同:Cursor 适合已经有代码、想认真维护的项目;Lovable、Bolt、v0 适合从零快速搭原型、做界面,几句话就出一个能看的页面。

什么时候会遇到

你做 vibe coding 的主战场。想快速验证一个点子、做个落地页或小程序原型,用 Lovable/Bolt;项目变复杂、要长期维护,常见做法是"先在 Lovable 搭原型,再转到 Cursor 精修"(业内叫毕业工作流)。

常见误区

原型工具(Bolt/v0)做 demo 飞快,但做出的东西往往难维护,真要上线常得重写或迁移。别把"演示能跑"当成"产品做完了",选工具要看你是要快还是要长久。

学习建议

先把它讲给别人听得懂即可。这个级别的词不需要死记定义，重点是建立基本直觉。

综合能力很强的 AI 大脑，适合复杂推理、方案撰写、代码辅助、数据分析和多模态任务。

有什么用

它通常是很多人接触 AI 的主入口，也适合承担复杂任务的主力模型。

什么时候会遇到

写方案、做分析、调代码、搭工作流、处理多模态资料时会用到。

常见误区

常见误区是一个模型包打天下。不同任务可以按成本、风格和准确性选择不同模型。

学习建议

先把它讲给别人听得懂即可。这个级别的词不需要死记定义，重点是建立基本直觉。

偏擅长长文理解、写作、代码协作和复杂文档处理的 AI 模型家族。

有什么用

适合需要高质量表达、长上下文处理和代码项目协作的任务。

什么时候会遇到

写文章、整理知识库、审查方案、用 Claude Code 做项目时会用到。

常见误区

常见误区是只看模型聪明程度，不看额度、上下文、任务匹配和成本。

学习建议

先把它讲给别人听得懂即可。这个级别的词不需要死记定义，重点是建立基本直觉。

国产大语言模型代表之一，常被用于性价比较高的写作、脚本、代码和日常推理任务。

有什么用

它让大量文字生产和日常分析任务的成本下降，适合批量内容和常规工作流。

什么时候会遇到

批量写文案、脚本、摘要、知识库整理、低成本调用模型时会用到。

常见误区

常见误区是只看价格。关键任务仍要看准确性、稳定性、上下文和工具接入能力。

学习建议

先把它讲给别人听得懂即可。这个级别的词不需要死记定义，重点是建立基本直觉。

用 AI 有两种方式。API 调用像"叫外卖":你不用自己有厨房,网上下单(发请求),对方做好(AI 算好)送回来,按份付钱。本地部署像"自己家装了厨房":把 AI 模型下载到自己电脑/服务器跑,不用联网、不按次付费,但要自己买设备、自己维护。

有什么用

这是 vibecoder 接入 AI 的第一个岔路口。99% 的情况下你用 API 调用——简单、免运维、随时用最强模型。本地部署只在你特别在意数据隐私、想省长期费用、或要离线用时才考虑。

什么时候会遇到

给你的网站/小程序接入 AI 功能(比如智能客服、自动写文案)时,你要在代码里填一个 API key 去调用 OpenAI/Claude/国产模型——这就是 API 调用。除非有特殊需求,新手别碰本地部署。

常见误区

新手常误以为本地部署"免费又安全"就一头扎进去。实际它要不便宜的显卡、要会配环境、效果还往往不如直接调最新闭源模型。先用 API 把产品跑通,有真实需求再说。

学习建议

开始真实用 AI 做事时要重点掌握。至少要知道它能解决什么问题、什么时候该用、哪里会踩坑。

就像你不买一台洗衣机放家里,而是去自助洗衣店,投币就能用,机器坏了店家修,你只管洗衣服。软件也一样:不装在自己电脑上,打开网页登录账号就能用,坏了厂商修,你按月付钱。

有什么用

省去自己开发和维护的巨大成本。一个功能(发邮件、收钱、存数据)别人已经做好了,你花钱直接接进来,几小时搞定原本要几个月才能自己造出来的东西。

什么时候会遇到

用 AI 做一个网站或小程序时,几乎所有'非核心'功能都靠 SaaS:收款找 Stripe、发邮件找 Resend、登录找 Clerk。你只写自己最独特的那部分,其余全租现成的。

常见误区

按用量收费,用户一多账单会暴涨,上线前先算清楚价格曲线。还有'供应商锁定':深度依赖某家后想换会很痛,关键数据要能导出。

学习建议

开始真实用 AI 做事时要重点掌握。至少要知道它能解决什么问题、什么时候该用、哪里会踩坑。

你做好一道菜(写好的网站代码),但自家没餐厅没地址,客人没法来吃。托管平台就是帮你把菜摆上桌、开门营业、24 小时迎客的餐厅,还自带门牌号,谁都能找上门。

有什么用

把你写的网站代码变成全世界打开浏览器就能访问的真实网址,不用自己买服务器、配环境。Vercel/Netlify 还能你一上传代码就自动更新线上版本。

什么时候会遇到

用 AI 写完一个网页或前端应用,想让别人看到时第一步就是部署到托管平台。把代码连上 GitHub,几分钟就有一个能分享的网址,免费额度够个人项目用很久。

常见误区

免费额度对流量、运算时长有限制,项目火了或跑重任务会触发收费甚至限流。另外这类平台擅长前端,真正的数据库通常还得另配(如 Supabase)。

学习建议

开始真实用 AI 做事时要重点掌握。至少要知道它能解决什么问题、什么时候该用、哪里会踩坑。

开餐厅本来要自己建仓库、雇库管、装监控、办会员卡系统。BaaS 是一个'餐厅后厨全包'套餐:数据库、用户登录、文件存储、实时通知一次性配齐,你拎包入住,只管做菜(写界面)。

有什么用

网站的'看不见的后半部分'(存数据、管用户、传图片)别人帮你搭好了,通过简单调用就能用。让一个不懂服务器的人也能做出有账号、能存数据的完整应用。

什么时候会遇到

用 AI 做需要'用户注册登录 + 保存数据'的应用(待办清单、笔记、社区)时,接一个 BaaS 当后端最省事。Supabase 用的是标准数据库,日后想搬走也相对容易。

常见误区

省事的代价是把核心数据托管给别人,权限规则没配好可能导致数据被任何人读取(常见安全事故)。免费额度的数据库容量和连接数也有限。

学习建议

开始真实用 AI 做事时要重点掌握。至少要知道它能解决什么问题、什么时候该用、哪里会踩坑。

像用积木或拼图搭模型,不用一砖一瓦地砌。在网页上拖拖拽拽、填填表单,就能拼出一个能用的网站或小工具,几乎不用写代码。

有什么用

让完全不懂编程的人也能做出真实可用的产品(网站、表单、自动化流程、简单 App)。对验证想法、做内部工具、抢时间上线极其高效。

什么时候会遇到

想快速验证一个点子、做个简单的落地页或表单、或搭内部管理工具又不想写代码时用。常见有 Webflow、Bubble、飞书多维表格、Zapier 等。

常见误区

简单需求很快,但需求一复杂就撞天花板,定制能力有限。平台一涨价或关停你就被动,数据和逻辑都困在里面。复杂产品最终往往还得回到写代码。

学习建议

开始真实用 AI 做事时要重点掌握。至少要知道它能解决什么问题、什么时候该用、哪里会踩坑。

不只是聊天工具，更像团队的数据中枢。内容、表格、项目记录和 AI 产物都可以收口到这里。

有什么用

它适合团队协作和结果沉淀，也适合作为 AI 自动化流程的输入输出口。

什么时候会遇到

做内容生产、课程交付、客户项目、飞书消息推送、自动写文档时会用到。

常见误区

常见误区是把飞书当临时文档堆。没有目录、权限和命名规范，很快会乱。

学习建议

开始真实用 AI 做事时要重点掌握。至少要知道它能解决什么问题、什么时候该用、哪里会踩坑。

像随身速记员，把会议、课程、聊天和灵感录音转成文字，方便后续进入知识库。

有什么用

它是输入层的高频工具，可以把口头信息变成可搜索、可分析、可复用的文本素材。

什么时候会遇到

上课、访谈、开会、健身听课后复盘、口述想法时会用到。

常见误区

常见误区是转写完就放着。录音转文字只是输入，后面还要摘要、分类、提炼判断。

学习建议

开始真实用 AI 做事时要重点掌握。至少要知道它能解决什么问题、什么时候该用、哪里会踩坑。

Google 的大模型家族，常用于长资料处理、多模态理解、调研和与 Google 生态结合的任务。

有什么用

适合处理大量信息、做资料汇总、图文理解和调研型任务。

什么时候会遇到

做品牌调研、竞品分析、长文档处理、多模态信息整理时会用到。

常见误区

常见误区是只按名气选模型。模型选择要看具体任务、地区可用性、成本和输出质量。

学习建议

开始真实用 AI 做事时要重点掌握。至少要知道它能解决什么问题、什么时候该用、哪里会踩坑。

就像超市收银台的刷卡机。顾客的卡、银行、你的账户之间隔着复杂的流程,刷卡机(支付网关)是中间那个安全传话的人:核实卡有没有钱、把钱从顾客账户挪到你账户,你不用碰任何银行系统。

有什么用

让你的网站能合法、安全地收钱。自己对接银行和处理信用卡极其复杂还涉及安全合规,支付网关把这一切打包,你接一下就能在网页上收款。

什么时候会遇到

任何要在网站或小程序里卖东西、收会员费、做打赏时,都得接支付网关。它负责弹出付款页、处理刷卡、付款成功后通知你的程序发货。

常见误区

每笔交易要抽成(手续费),小额生意尤其要算。还有退款、争议扣款、跨境结算等规则,上线前看清条款,别等用户付了钱才发现到账有延迟或冻结。

学习建议

等你开始搭系统、做自动化或上线产品时再深入。现在先知道它在系统里的位置。

支付网关里最受程序员欢迎的那一家,像'收款界的乐高':文档清楚、积木式接入,几行代码就能在网页上摆出一个能刷卡的收银台,海外用户尤其认它。

有什么用

国际收款的事实标准,接入简单、支持信用卡/订阅/分期等几乎所有场景。对做面向海外用户产品的 vibecoder 来说,Stripe 几乎是默认选择。

什么时候会遇到

做一个面向国外用户的 SaaS、卖订阅、收美元时首选 Stripe。它有现成的'收银台页面'(Checkout),你几乎不用自己设计付款界面。

常见误区

Stripe 的费率、跨境规则和地区可用性会变化，上线前必须看官方 pricing 与所在地区规则。国内收款通常还要考虑支付宝、微信支付等本地渠道。

学习建议

等你开始搭系统、做自动化或上线产品时再深入。现在先知道它在系统里的位置。

在中国就像街边小店墙上那两张二维码。顾客扫一下、输密码,钱就到你账上。它们是国内做生意收钱的'默认收银台',几乎人人手机里都装着。

有什么用

面向中国用户收款的必备渠道。中国人习惯扫码付款,不接这两个等于把绝大多数国内顾客挡在门外。Stripe 在国内收不了的钱,靠它们收。

什么时候会遇到

做面向国内用户的小程序、公众号、网站要收钱时必接。微信小程序里收钱基本只能用微信支付;网页和 App 通常两个都接,让用户自选。

常见误区

开通通常需要资质材料，个人开发者门槛更高。接入时签名、证书、回调容易踩坑；费率和行业规则要以官方商户后台为准。

学习建议

等你开始搭系统、做自动化或上线产品时再深入。现在先知道它在系统里的位置。

就像办公楼大堂的门禁和前台:核对你是不是本人、发门禁卡、记录谁进了门。'谁是合法用户、密码对不对、能不能进'这套活儿,交给专门的保安公司,你不用自己造门禁。

有什么用

用户的注册、登录、找回密码、微信/谷歌一键登录、双重验证等,自己写既繁琐又容易出安全漏洞。认证服务把这套打包,你接进来就有一个安全又好看的登录系统。

什么时候会遇到

做任何需要'用户账号'的应用时,与其自己写登录(很容易写出漏洞),不如接 Clerk/Auth0。Clerk 还直接给现成的登录界面组件,几分钟就能用。

常见误区

按月活用户收费,用户多了账单涨得快。深度用了它的功能后想换很麻烦。安全核心交给第三方,要确认它的合规与可靠性。免费额度通常够早期用。

学习建议

等你开始搭系统、做自动化或上线产品时再深入。现在先知道它在系统里的位置。

你想给一万个客户寄信,自己一封封贴邮票寄不现实,而且'寄信人是无名小卒'的信容易被当垃圾扔掉。邮件服务就是专业邮局,帮你批量发、保证信能进对方收件箱而不是垃圾箱。

有什么用

程序自动发邮件(注册验证码、找回密码、订单通知、营销邮件)如果用自己服务器发,十有八九进垃圾箱或被拉黑。专业邮件服务保证'送达率',让邮件真正到达用户。

什么时候会遇到

做需要给用户发系统邮件的应用时接入,几乎是标配。注册要发验证码、下单要发确认信,都靠它。Resend 对程序员友好,接入很简单。

常见误区

免费额度和收费规则会变，正式使用前要看官方 pricing。发营销邮件还要遵守反垃圾邮件法规，域名也要做验证配置，否则照样进垃圾箱。

学习建议

等你开始搭系统、做自动化或上线产品时再深入。现在先知道它在系统里的位置。

邮件服务的'短信版'。你想给用户手机发验证码或通知,自己没法直接连上全球运营商网络,短信服务就是那个帮你把短信发到任何人手机上的中间商。

有什么用

手机验证码、登录确认、订单提醒这类要发到手机的短信,自己搞不定运营商对接,Twilio 这类服务一接就能全球发短信、打电话。

什么时候会遇到

应用需要手机号验证码登录、或给用户发实时短信提醒时用。比如手机号注册要发 6 位验证码,就靠短信服务发出去。

常见误区

按条收费,且各国费率差别大,验证码被恶意刷会让账单爆炸(常见攻击),一定要加发送频率限制。国内发短信通常用阿里云/腾讯云的短信服务更便宜合规。

学习建议

等你开始搭系统、做自动化或上线产品时再深入。现在先知道它在系统里的位置。

网址(如 mysite.com)就像店铺的门牌号和店名,不能凭空拥有,得去'工商局'登记并按年续费。域名注册商就是这个登记处,你交钱注册一个名字,这名字这一年就归你用。

有什么用

让你的网站有一个好记的网址,而不是一串数字 IP。注册商负责把这个名字登记到你名下,并把它指向你网站所在的服务器。

什么时候会遇到

网站做好部署后,想要一个像样的专属网址而不是平台给的随机地址时,去注册商买个域名。常见有 Namecheap、Cloudflare、阿里云万网等。

常见误区

首年常有低价促销,续费价可能贵几倍,买前看清续费价。别忘了续费,过期会被别人抢注。隐私保护(WHOIS)有的免费有的收费,留意别泄露个人信息。

学习建议

等你开始搭系统、做自动化或上线产品时再深入。现在先知道它在系统里的位置。

像一家超大型'算力商场':服务器、数据库、存储、AI 算力等几百种东西按需租用,用多少付多少。前面那些专门服务(托管、BaaS)很多其实就建在这些云厂商之上。

有什么用

提供互联网最底层的基础设施。需要更大、更灵活、更专业的能力时(海量存储、自定义服务器、大模型算力),云厂商什么都能租,是整个行业的地基。

什么时候会遇到

vibecoder 早期通常用不到原始云厂商,因为太复杂;一般先用 Vercel、Supabase 这类'封装好的'。当项目规模变大或有特殊需求时,才直接碰 AWS/阿里云。

常见误区

功能极多、配置极复杂,新手容易开了忘关导致莫名扣费(著名的'天价账单'故事)。一定要设预算告警。国内用阿里云/腾讯云,海外用 AWS,选错地区会很慢。

学习建议

等你开始搭系统、做自动化或上线产品时再深入。现在先知道它在系统里的位置。

像一个'万能遥控器':不用为每个电器单独配遥控器,一个就能控所有牌子的电视空调。它把好几家不同公司的接口,统一成一个入口,你只对接一次就能调用多家服务。

有什么用

对接 AI 大模型尤其有用:不用分别在 OpenAI、Anthropic、谷歌各开账号充值,一个聚合平台一个 key 就能调所有模型,还能自动切换更便宜或更快的那家。

什么时候会遇到

用 AI 编程做需要调用大模型的应用时常用。想同时试好几个模型、或国内访问海外模型不方便时,中转平台提供一个统一稳定的入口(如 OpenRouter)。

常见误区

多了一层中间商,可能加价、增加延迟、甚至看到你传的数据,敏感内容慎用。便宜的小中转平台可能跑路或偷偷换成劣质模型,选有口碑的。

学习建议

等你开始搭系统、做自动化或上线产品时再深入。现在先知道它在系统里的位置。

像监控录像+店员的值班记录:程序每做一件事、每出一次错,都记一笔,写明几点几分发生了什么。出了问题,翻这些记录就能还原'当时到底发生了啥'。

有什么用

线上出问题时你不在现场、也没法暂停复现,日志是唯一能告诉你'刚才哪一步崩了、报了什么错'的依据。排查bug、定位故障全靠它。

什么时候会遇到

用户反馈'页面打不开''支付失败'时,你登上服务器或打开日志面板,翻当时的报错记录来找原因。AI帮你debug线上问题,第一句往往是'把日志贴出来'。

常见误区

两个极端坑:一是啥也不记,出事两眼一抹黑;二是把密码、银行卡号等敏感信息也打进日志,造成泄露。还有日志不清理会把硬盘撑满导致服务挂掉。

学习建议

开始真实用 AI 做事时要重点掌握。至少要知道它能解决什么问题、什么时候该用、哪里会踩坑。

像给服务器装上心电图和报警器:实时盯着CPU、内存、访问量、有没有报错,一旦指标异常(快宕机、错误飙升)就自动给你发消息,让你在用户投诉前就知道出事了。

有什么用

日志是出事后翻查,监控是出事前/出事时主动报警。它让你不必整天盯屏幕,系统一有风吹草动就通知你,把故障扼杀在用户感知之前。

什么时候会遇到

产品有真实用户、不能随便挂的时候,会配监控+告警(如服务器宕机、接口大量报错、磁盘快满时自动通知微信或邮件)。个人项目至少配个'网站挂了通知我'。

常见误区

告警设得太敏感,天天误报,你慢慢就不看了,真出事反而漏掉(狼来了效应)。要把告警阈值调到'报的都是真要管的事',只在真正重要的指标上报警。

学习建议

开始真实用 AI 做事时要重点掌握。至少要知道它能解决什么问题、什么时候该用、哪里会踩坑。

就像进小区的门禁卡。你要用别人家的服务(比如让 AI 帮你画图、发短信),对方给你一张专属卡,刷卡才放行,还能记账算钱。卡丢了,捡到的人就能冒充你刷。

有什么用

让你能调用别人的付费服务(OpenAI、地图、短信),对方靠它认出是你、给你权限、按你的用量收费。没有它,大部分第三方服务根本不让你用。

什么时候会遇到

接入任何外部服务时第一步就是去对方网站申请一个 Key,粘到你代码里。用 AI 编程、接支付、调天气接口、发邮件,几乎都绕不开这一步。

常见误区

最大灾难是把 Key 写进代码后传到 GitHub 公开仓库,几分钟就被爬虫扫到盗刷,有人一夜被刷上万元。必须放进 .env 文件并加入 .gitignore,绝不进代码库。

学习建议

开始真实用 AI 做事时要重点掌握。至少要知道它能解决什么问题、什么时候该用、哪里会踩坑。

就是你家所有钥匙(API Key、数据库密码)放在一起的钥匙盒,叫 .env。代码可以拿去给别人看,但这个钥匙盒绝不能跟着代码一起送出去——一旦上传到公开网络,等于把家门钥匙挂在大街上。

有什么用

把密钥从代码里抽出来集中存到一个不会被上传的文件,代码可以公开分享,密钥留在本地。这是防止盗刷、数据被偷的第一道也是最关键的防线。

什么时候会遇到

几乎每个项目都该有。凡是有 API Key、数据库密码、各种 secret,都写进 .env,并在 .gitignore 里把它排除。让 AI 帮你建项目时,主动要求它这么配置。

常见误区

头号事故就是密钥泄露:忘了加 .gitignore、把 .env 截图发群里、或粘贴到聊天工具,都可能被扫描盗用。发现泄露要立刻去对方平台作废旧 Key 重新生成,光删文件没用。

学习建议

开始真实用 AI 做事时要重点掌握。至少要知道它能解决什么问题、什么时候该用、哪里会踩坑。

备份就是给你的重要东西拍个"存档照片"另存一份。手机掉了不心疼,因为照片云端有备份;同理,服务器崩了、数据库删错了,只要有备份就能还原,没备份就是灾难。

有什么用

你最后的救命稻草。代码可以重写,但用户数据(订单、注册信息、上传内容)丢了往往无法重来。定期备份数据库和关键文件,意味着"最坏情况下也能恢复到昨天"。

什么时候会遇到

任何动数据库结构、批量删数据、做重大升级之前,第一件事就是备份。日常也应让数据库自动定时备份。很多云数据库和托管平台自带自动备份功能,开启它。

常见误区

最惨的不是没备份,是"以为有备份"——从没验证过能不能恢复。备份要定期真的还原一次试试,确认它有效;同时别把备份和原数据放在同一台服务器,一起没了就白搭。

学习建议

开始真实用 AI 做事时要重点掌握。至少要知道它能解决什么问题、什么时候该用、哪里会踩坑。

像给网站发的一张官方身份证+加密信封。有了它,网址前面就从http变成https,浏览器显示小锁,用户和网站之间传的密码、银行卡号被装进加密信封,中间人偷看到的只是乱码。

有什么用

保护用户输入的敏感信息不被窃听,同时向用户证明'这网站是真的,不是钓鱼假冒'。没有它,浏览器会标红'不安全',用户不敢用,支付等功能也无法接入。

什么时候会遇到

任何正式网站、尤其涉及登录和支付的,都必须装SSL证书让网址变https。微信小程序、支付接口等更是强制要求https,否则根本调不通。

常见误区

免费证书(如Let's Encrypt)有效期通常90天,忘了续期到期那天全站突然变'不安全'打不开。一定要配置自动续期;另外http和https不可混用,会报安全警告。

学习建议

等你开始搭系统、做自动化或上线产品时再深入。现在先知道它在系统里的位置。

就是机场过安检查身份证,核对你到底是不是你本人。系统问的是同一个问题:你是谁?用账号密码、验证码或指纹来证明。

有什么用

网站靠它确认来访者的真实身份,挡住冒充别人的人。没有认证,任何人输个名字就能进你账号,聊天记录、订单、钱包全裸奔。

什么时候会遇到

只要你的网站或小程序有登录功能,就需要认证。让用户注册登录、记住谁是谁、显示对应的个人数据时,背后跑的就是认证。

常见误区

新手最容易把密码用明文直接存数据库,一旦库被偷所有人密码全泄露。密码必须先哈希再存。另外别自己手搓认证逻辑,优先用成熟服务,漏洞太多。

学习建议

等你开始搭系统、做自动化或上线产品时再深入。现在先知道它在系统里的位置。

认证是查身份证证明你是谁,授权是看你的门票决定你能进哪个厅。同样进了电影院,普通票只能进 3 号厅,VIP 票才能进包厢——你是谁已确认,接下来管你能干什么。

有什么用

决定每个已登录用户能看什么、改什么。靠它区分普通用户和管理员,防止 A 用户偷看或篡改 B 用户的数据,是数据安全的核心闸门。

什么时候会遇到

做后台管理、会员等级、付费内容时必用。比如免费用户不能用高级功能、普通员工看不到财务数据、用户只能改自己的资料,这些限制都是授权在管。

常见误区

最常见漏洞:接口只检查了你登录没,没检查这条数据是不是你的。结果把网址里的 id=123 改成 124 就能看到别人的订单。每次操作都要校验归属权。

学习建议

等你开始搭系统、做自动化或上线产品时再深入。现在先知道它在系统里的位置。

像游乐园入口换的手环。进门时验过身份(认证),给你戴个手环,之后玩每个项目只看手环不再查身份证。JWT 是一种手环,上面还印着你的会员等级和有效期,工作人员扫一眼就知道你能玩啥。

有什么用

让你登录一次后,后续每次操作都带着令牌就行,不用反复输密码。服务器也不必每次查数据库,效率高,是现代登录态的标准做法。

什么时候会遇到

用户登录成功后,服务器发一个 token 给浏览器存着,之后每次请求都自动带上。做前后端分离的网站、App、小程序登录时,几乎都在用这套。

常见误区

JWT 里的内容是编码不是加密,谁拿到都能解开看,别往里塞密码等敏感信息。还要设过期时间,token 被偷在过期前都能冒充你,所以别存在不安全的地方。

学习建议

等你开始搭系统、做自动化或上线产品时再深入。现在先知道它在系统里的位置。

就是网站上那个微信登录、用 Google 登录的按钮。好比去酒店不用押身份证原件,前台帮你刷一下就确认了身份,你的密码始终只交给微信,新网站永远看不到。

有什么用

用户不用为每个网站记一套密码,点一下就用已有的微信/Google 账号登入,注册转化率高。你也不用自己存密码,把最危险的环节外包给大厂。

什么时候会遇到

想让用户快速注册、降低门槛时接入。做面向 C 端的网站小程序时,微信登录几乎是标配;面向海外或开发者的产品常用 Google、GitHub 登录。

常见误区

OAuth 流程环节多、配置回调地址容易出错,新手自己实现易留漏洞。建议用 Supabase、Clerk、Auth0 这类现成服务,它们把第三方登录都封装好了,几行代码搞定。

学习建议

等你开始搭系统、做自动化或上线产品时再深入。现在先知道它在系统里的位置。

像把鸡蛋打成蛋花——能从蛋变蛋花,没法从蛋花还原成蛋。密码哈希后存的是那碗蛋花,你下次登录把输入的密码也打成蛋花,两碗对得上就放行,但谁偷走数据库也还原不出你原始密码。

有什么用

让你存密码却不真的存密码,数据库即使被偷,小偷也拿不到明文密码。这是保护用户密码的底线,也是法律和合规的硬要求。

什么时候会遇到

任何有注册登录、要存密码的功能都必须做。用户注册时把密码哈希后入库,登录时再哈希对比,全程数据库里没有一个明文密码。

常见误区

千万别用 MD5、SHA1 这些老算法,早被破解。2026 年首选 Argon2id(OWASP 推荐),bcrypt(成本因子设 12 以上)也仍安全。更省心的做法是用现成认证服务,它们默认就帮你哈希好了。

学习建议

等你开始搭系统、做自动化或上线产品时再深入。现在先知道它在系统里的位置。

像给信件上锁的保险箱。哈希是单向打碎不可还原,加密是双向的:有钥匙的人能锁上也能解开。你用对方的锁锁住内容,只有持钥匙的收件人才打得开,中途被截走也是一堆乱码。

有什么用

保护数据在传输和存储中不被偷看。聊天内容、银行卡号、隐私信息加密后,即使被黑客截获或硬盘被偷,看到的也是乱码,拿不到真实内容。

什么时候会遇到

网址前面的 https 就是传输加密,现在是标配。另外存身份证号、手机号等敏感字段进数据库前,也常先加密。接支付、做隐私功能时尤其要注意。

常见误区

新手常混淆加密和哈希:密码该用哈希(不可还原),不该用加密。另外加密的钥匙本身要保管好,钥匙泄露等于没加密;别把钥匙和密文存在一起。

学习建议

等你开始搭系统、做自动化或上线产品时再深入。现在先知道它在系统里的位置。

像游乐园热门项目限流:每人每小时最多玩 3 次。系统给每个用户或每个 IP 设个次数上限,超了就先等等,防止有人插队把资源占满。

有什么用

挡住恶意刷量和暴力破解。没有它,坏人可以一秒发几千次请求猜你的密码、刷爆你的短信接口、或把你调用的付费 AI 接口刷出天价账单。

什么时候会遇到

登录、发验证码、发短信、调用花钱的 API 这些环节都该加。做注册登录、接短信验证码、对外开放接口时,不限速就是在给攻击者开后门。

常见误区

新手常常完全不设限,直到收到天价账单或被刷爆短信费才后悔。尤其是发短信、调大模型这类一次就花钱的接口,必须从第一天就限速。

学习建议

等你开始搭系统、做自动化或上线产品时再深入。现在先知道它在系统里的位置。

像小区门禁的访客白名单。浏览器默认不许 A 网站去偷偷读 B 网站的数据(防坏人),CORS 就是 B 网站贴出的告示:'我允许 A 网站来访问我'。名单上没有的,门卫(浏览器)直接拦下。

有什么用

它是浏览器的一道安全机制,防止恶意网站偷读你在别处的数据。同时通过正确配置,让你自己的前端能合法地访问自己的后端接口。

什么时候会遇到

做前后端分离时几乎必遇到。前端页面和后端接口部署在不同网址,前端调接口时浏览器就会用 CORS 检查,配错了请求就被拦,报红色错误。

常见误区

新手遇到 CORS 报错最常见的错误操作是图省事设成'允许所有网站'(*),等于把门禁全拆了。正确做法是只把你自己的前端域名加进白名单,别偷懒全放开。

学习建议

等你开始搭系统、做自动化或上线产品时再深入。现在先知道它在系统里的位置。

像小区大门的保安,站在你服务器最外层。规定哪些访客(网络流量)能进、走哪个门(端口)、从哪来,可疑的、没预约的一律挡在外面,只放行你明确允许的。

有什么用

在攻击碰到你的程序之前就先挡一道,缩小被攻击的入口。能屏蔽恶意 IP、只开放必要的端口,是服务器安全的基础外层防护。

什么时候会遇到

当你把网站部署到自己的服务器(而非托管平台)时需要配置。决定只开放网站用的端口、关掉数据库等不该对外的端口时,就在用防火墙。

常见误区

新手常把数据库端口、管理后台端口直接对全网开放,等于给攻击者留门。原则是只开必须开的,其余全关。另外别乱动远程连接(SSH)和网站端口,关错了自己也连不上。

学习建议

等你开始搭系统、做自动化或上线产品时再深入。现在先知道它在系统里的位置。

给保洁阿姨配钥匙,只配她要打扫那几间房的,不给整栋楼的总钥匙。每个账号、每个程序只给它干活刚好够用的权限,多一分都不给,这样万一钥匙丢了,损失也限定在那几间房。

有什么用

一种贯穿全局的安全思路:把每次出事的破坏范围压到最小。即使某个密钥泄露或某个账号被攻破,攻击者也只能动很有限的东西,不会一锅端。

什么时候会遇到

配数据库账号、申请 API Key、设员工后台权限时都该想到。比如只读数据的程序就别给它删除权限,某个 Key 只用来发短信就别开它其他能力。

常见误区

新手图省事常给所有东西配最高权限(管理员、全功能 Key),一旦泄露就是灾难。正确做法是按需分配,宁可分多个小权限的账号,也别一个万能账号走天下。

学习建议

等你开始搭系统、做自动化或上线产品时再深入。现在先知道它在系统里的位置。

数据库听指令查数据,你的输入框本该只填名字。但坏人在框里填一句暗藏的指令,系统没分清哪是数据哪是命令,就照着执行了——好比你让客服查订单,他却把你顺口说的'顺便把所有人资料发我'也照办了。

有什么用

理解它才能防住:这是最经典、危害最大的攻击之一,一旦中招,整个数据库的用户资料、密码可能被一锅端走甚至删库。防住它是数据安全的基本功。

什么时候会遇到

只要你的网站有输入框、搜索、登录,且后台要查数据库,就有这个风险。做任何需要用户输入再去查数据库的功能时,都要注意。

常见误区

根源是把用户输入直接拼进数据库查询语句。正确做法是用参数化查询(让数据库把输入只当数据,不当命令)。用主流框架并按规范写,基本能自动防住,别自己拼字符串。

学习建议

不建议一开始死磕。遇到具体工程、安全或规模化问题时，再回来看这个词。

网页本该只显示用户发的文字。但坏人在评论里塞一段隐藏的小程序代码,别的访客一打开页面,这段代码就在他们浏览器里偷偷运行——好比有人在公告栏贴了张纸条,凡读到的人钱包都被偷了。

有什么用

理解它才能防住:中招后访客的登录态(令牌)、cookie 会被窃取,黑客就能冒充他们登录。对有评论、发帖、私信功能的网站威胁极大。

什么时候会遇到

凡是用户能输入内容、又会展示给别人看的地方都有风险:评论区、昵称、帖子、聊天。做社区、留言、用户资料展示类功能时务必防范。

常见误区

根源是把用户输入原样塞进网页显示。正确做法是对用户内容做转义(把代码当普通文字显示)。前端框架默认会转义,但用 innerHTML、v-html 这类绕过手段时就破防了,要格外小心。

学习建议

不建议一开始死磕。遇到具体工程、安全或规模化问题时，再回来看这个词。

你登录了网银没退出,又点开一个钓鱼网站,它偷偷以你的名义向网银发了条'转账'指令。因为你浏览器还揣着网银的登录凭证,网银以为是你本人操作就执行了——好比有人借你刚签好字的空白支票去取钱。

有什么用

理解它才能防住:它专门冒用你已登录的身份做你没想做的事,如转账、改密码、删数据。对有重要操作的网站危害很大。

什么时候会遇到

凡是登录后能做敏感操作的网站都有风险:转账、改资料、下单、删除。做这类涉及状态变更的功能时需要防护。

常见误区

很多新手根本没听过它,默认就漏。防法是给关键操作加一个一次性校验令牌(CSRF token),坏网站拿不到。主流后端框架大多内置开关,记得开启,别关掉。

学习建议

不建议一开始死磕。遇到具体工程、安全或规模化问题时，再回来看这个词。