VSCode Vibe Coding 教程🔗

关键词： VS Code, GitHub Copilot, Vibe Coding, AI 编程, Agent Mode
难度： ⭐⭐⭐
预计阅读时间： 30 分钟
最后更新： 2026-04-09

本章导读🔗

"Vibe Coding" 是 Andrej Karpathy（OpenAI 联合创始人之一）在 2025 年初提出的概念——你用自然语言描述你想要什么，AI 生成代码，你负责审查、引导和验收。这不是"让 AI 帮你写几行代码"那么简单，而是一种全新的人机协作编程范式。

VS Code + GitHub Copilot 是目前最成熟的 Vibe Coding 环境。本章将从零开始，手把手教你配置环境、掌握核心功能、学会在科研中高效使用。

即使你只会写简单的 Python 脚本，甚至从来没写过代码，本章的方法也能让你借助 AI 快速完成编程任务。

1. 环境配置🔗

1.1 安装 VS Code🔗

VS Code（Visual Studio Code）是微软开源的代码编辑器，轻量、强大、免费。

1. 访问 https://code.visualstudio.com/
2. 下载对应系统的安装包（macOS / Windows / Linux）
3. 安装后启动

推荐设置： - 语言：可以安装中文语言包（搜索扩展"Chinese"），但建议保持英文界面（方便搜索问题） - 主题：推荐 "One Dark Pro" 或 "GitHub Dark" - 字体：推荐等宽字体，如 "Fira Code"（支持连字）

1.2 安装 GitHub Copilot🔗

GitHub Copilot 是目前最强大的 AI 编程助手。

安装步骤：

1. 在 VS Code 中按 Cmd+Shift+X（Mac）或 Ctrl+Shift+X（Windows）打开扩展面板
2. 搜索 "GitHub Copilot"
3. 安装 GitHub Copilot 扩展（这个扩展包含了 Copilot Chat 功能）
4. 安装后点击左下角登录 GitHub 账号

关于订阅：

强烈建议： 用你的 @edu 邮箱在 GitHub Education 申请学生认证。2026 年的学生计划通常包含无限补全、Copilot Chat、cloud agent 和每月一定额度的 premium requests。

1.3 安装 Python 环境🔗

对于科研编程，Python 是必备的：

# macOS 推荐使用 Homebrew 安装
brew install python

# 或者安装 Miniconda（推荐，方便管理虚拟环境）
# 下载地址：https://docs.conda.io/en/latest/miniconda.html

# 在 VS Code 中安装 Python 扩展
# 扩展面板搜索 "Python"，安装微软官方的 Python 扩展

1.4 其他推荐扩展🔗

2. Copilot 核心功能🔗

2.1 行内代码补全（Tab 补全）🔗

这是 Copilot 最基础的功能：当你写代码时，它会自动在光标后方显示灰色的建议代码，按 Tab 接受。

示例：

当你输入以下注释时：

# 读取 CSV 文件并计算每列的均值

Copilot 会自动建议：

import pandas as pd

df = pd.read_csv('data.csv')
print(df.mean())

技巧： - 写清楚的注释 → Copilot 的建议更准确 - 如果建议不满意，按 Alt+] 切换到下一个建议 - 按 Esc 取消建议 - 写好函数签名和 docstring，Copilot 会根据描述生成函数体

2.2 Copilot Chat（侧边栏对话）🔗

按 Cmd+Shift+I（Mac）或 Ctrl+Shift+I（Windows）打开 Copilot Chat 面板。它相当于一个嵌入 VS Code 的 AI 对话助手，但能看到你的整个代码库。

常用操作：

# 解释代码
选中一段代码 → 右键 → Copilot → Explain

# 修复错误
选中报错的代码 → 右键 → Copilot → Fix

# 生成测试
选中函数 → 右键 → Copilot → Generate Tests

常用对话命令（Chat Participants）：

示例对话：

@workspace 这个项目的主要功能是什么？它使用了哪些依赖？

@workspace 帮我找到在哪里定义了数据处理的流程

请帮我写一个函数，读取 PDB 文件并提取所有 CA 原子的坐标，
返回一个 numpy array，shape 为 (N, 3)

2.3 Inline Chat（行内对话）🔗

按 Cmd+I（Mac）或 Ctrl+I（Windows）在编辑器中直接弹出一个小对话框。

适用场景： - 选中一段代码后，按 Cmd+I 输入修改指令 - 光标放在某个位置，按 Cmd+I 让 AI 在此处插入代码

示例：

# 选中一段绘图代码后按 Cmd+I：
"把这个图改成双 Y 轴，左轴是温度（蓝色），右轴是活性（红色）"

# 在空白处按 Cmd+I：
"在这里添加一个进度条，使用 tqdm"

2.4 Agent 模式 ⭐⭐⭐（重点功能）🔗

Agent 模式是 Copilot 最强大的功能——它可以自主地多步骤完成一个复杂任务：自动创建文件、编写代码、运行命令、调试错误、安装依赖……你只需要描述需求，然后审查结果。

使用方法：

1. 在 Copilot Chat 面板中，切换到 Agent / coding agent 相关入口
2. 输入你的需求

Agent 模式能做什么： - 🔧 创建和修改多个文件 - 📦 自动安装缺失的依赖 - 🖥️ 在终端中运行命令 - 🐛 自动检测和修复错误 - 📊 生成项目结构

示例 1——从零创建数据分析脚本：

请帮我创建一个 Python 脚本 analyze_binding.py，功能是：
1. 读取 data/ 目录下的所有 CSV 文件（每个文件包含 concentration 和 response 列）
2. 对每个文件拟合 Hill 方程：response = Rmax * [L]^n / (Kd^n + [L]^n)
3. 输出 Kd 和 Hill 系数
4. 绘制所有拟合曲线到一张图上
5. 将结果保存为 results.csv

请直接创建好文件并确保可以运行。

示例 2——修复复杂 bug：

运行 python main.py 时报了以下错误：
[粘贴错误信息]

请帮我找到根本原因并修复。

Agent 会自动阅读相关代码、分析错误、提出修改方案——你只需要点"Accept"或"Reject"。

2.5 多模型支持🔗

Copilot Chat 支持切换不同的后端模型（可用列表取决于你的套餐和组织策略）：

建议： 日常编程用 Claude Sonnet 4.6 或 GPT-5.x，遇到复杂逻辑问题切换到 Thinking / 高级推理模型。

2.6 MCP 工具连接（进阶）🔗

VS Code Copilot 支持 MCP（Model Context Protocol）——一个连接 AI 与外部工具/数据源的开放标准协议。你可以把 MCP 理解为"AI 的 USB-C 接口"：

• 数据库连接：让 Copilot 查询 PostgreSQL、MySQL 等数据库
• API 对接：连接实验室内部服务、BLAST 搜索、蛋白质数据库等
• 文件系统：访问远程文件系统或云存储中的数据
• 浏览器：让 AI 自动浏览网页获取最新信息
• 自定义工具：编写自己的 MCP 服务器扩展 AI 能力

MCP 已被 VS Code、Claude、ChatGPT、Cursor 等主流工具广泛支持。配置方式（在 VS Code 设置中搜索 "MCP"）：

// .vscode/settings.json
{
  "mcp": {
    "servers": {
      "my-database": {
        "command": "npx",
        "args": ["-y", "@modelcontextprotocol/server-postgres", "postgresql://localhost/mydb"]
      }
    }
  }
}

科研应用场景： 通过 MCP 让 Copilot 直接查询蛋白质数据库、读取实验室服务器上的数据文件、或调用自定义分析管线——无需手动复制粘贴数据。

2.7 自定义指令、Skills 与 Prompt Files ⭐⭐⭐🔗

这是 2025-2026 年 VS Code Copilot 生态中最火热的进阶功能——通过自定义指令文件，让 AI 深度理解你的项目、遵循你的编码规范，甚至拥有领域专业知识。

自定义指令（Custom Instructions）🔗

在项目根目录下创建 .github/copilot-instructions.md，写入你的编码规范和项目特定指令：

<!-- .github/copilot-instructions.md -->

# 项目编码规范

- 使用 Python 3.10+，类型注解必须完整
- 数据处理统一使用 pandas，绘图使用 matplotlib + seaborn
- 变量命名遵循下划线风格 (snake_case)
- 所有文件路径使用 pathlib.Path，不用 os.path
- CSV 读取统一使用 UTF-8 编码
- 科研绘图默认字体设为 Arial，字号 12pt
- 图表颜色方案使用实验室标准配色：#2196F3, #FF5722, #4CAF50

保存后，Copilot 在这个项目中生成的所有代码都会自动遵循这些规范。

Prompt Files（可复用提示词模板）🔗

在项目的 .github/prompts/ 目录下创建 .prompt.md 文件，定义可复用的任务模板：

<!-- .github/prompts/plot-figure.prompt.md -->
---
description: "生成科研论文级别的数据图"
---

请根据我提供的数据生成论文用图。要求：
- 使用 matplotlib + seaborn
- 图像尺寸 (8, 6)，DPI 300
- 字体 Arial，标题 14pt，轴标签 12pt
- 配色使用 seaborn 的 "colorblind" 调色板
- 包含图例，位置自动优化
- 保存为 PNG 和 SVG 两种格式
- X/Y 轴标签使用提供的中英文对照

在 Copilot Chat 中输入 /plot-figure 即可调用这个模板。

Skills（领域知识技能包）🔗

Skills 是更高级的自定义机制——将领域专业知识封装成 AI 可调用的技能包。通过 .github/skills/ 目录或 VS Code 的自定义 Agent 系统定义：

<!-- .github/skills/bioinfo-analysis/SKILL.md -->
---
description: "生物信息学数据分析技能"
applyTo: "**/*.py"
---

# 生物信息学分析规范

## 序列分析
- FASTA 文件解析使用 Biopython 的 SeqIO
- 序列比对使用 Biopython 的 pairwise2 或调用本地 BLAST+
- 多序列比对结果使用 AlignIO 读取

## 结构分析
- PDB 文件解析使用 Biopython PDB 模块或 MDAnalysis
- 结构可视化脚本使用 PyMOL 命令行接口

## 数据处理
- 表达量数据使用 DESeq2（R）或 pyDESeq2（Python）
- GO/KEGG 富集分析使用 gseapy

当你的问题涉及生物信息学时，Copilot 会自动调用这个 skill 中的知识。

自定义 Agent 模式🔗

你还可以通过 .github/agents/ 定义专门的 Agent 角色：

<!-- .github/agents/lab-assistant.agent.md -->
---
description: "实验室数据分析助手"
tools: ["terminal", "file_search", "read_file"]
---

你是一个生化实验室的数据分析助手。你的职责是：
1. 帮助分析实验数据（Western Blot 灰度、qPCR Ct 值等）
2. 生成统计分析报告
3. 绘制论文级别的图表
4. 所有统计检验必须注明方法和 p 值

在 Copilot Chat 中使用 @lab-assistant 即可调用这个自定义 Agent。

科研推荐配置🔗

提示： 这些文件可以在实验室/课题组内共享——所有成员使用同一套指令文件，保证代码风格和分析流程的一致性。将这些文件纳入 Git 版本管理即可。

3. Vibe Coding 实战技巧🔗

3.1 核心理念🔗

Vibe Coding 的精髓不是"让 AI 写所有代码"，而是：

1. 你负责设计（WHAT）：告诉 AI 需要实现什么功能
2. AI 负责实现（HOW）：AI 生成具体代码
3. 你负责审查（CHECK）：检查代码是否正确、是否符合预期
4. 互相迭代（ITERATE）：不满意就指出问题，让 AI 修改

3.2 如何写好需求描述🔗

差的描述：

帮我处理数据

好的描述：

帮我写一个 Python 脚本处理蛋白质热稳定性数据：

输入：data/thermal_shift.csv
格式：列有 temperature (°C), fluorescence (RFU), protein_name
数据特点：每个蛋白有一条热变性曲线（约 25°C 到 95°C）

处理步骤：
1. 对每条曲线做 Boltzmann sigmoid 拟合
2. 提取 Tm（中点温度）
3. 计算拟合的 R²

输出：
1. 一个汇总表 results.csv（protein_name, Tm, R²）
2. 一张图包含所有曲线（原始数据 + 拟合线），图例标注 Tm 值
3. 图片格式：300 dpi PDF，宽 18cm 高 12cm

依赖：只用 numpy, scipy, pandas, matplotlib

3.3 分步引导 vs 一步到位🔗

小任务（<50 行代码）： 可以一步到位描述完整需求。

大任务（>100 行代码）： 建议分步骤：

第 1 步："先帮我创建项目结构和读取数据的部分"
  → 审查、确认
第 2 步："现在添加数据处理逻辑"
  → 审查、确认
第 3 步："添加可视化部分"
  → 审查、确认
第 4 步："添加命令行参数和错误处理"
  → 审查、确认

3.4 代码审查清单🔗

AI 生成的代码需要你审查。重点检查：

• 逻辑正确性：算法是否正确？边界情况是否处理？
• 数据处理：文件路径是否正确？列名是否匹配？
• 硬编码值：是否有魔法数字应该变成参数？
• 安全性：是否有SQL注入、路径遍历等风险？（通常脚本不需要担心）
• 运行测试：实际运行一下，看输出是否符合预期

3.5 常用技巧集锦🔗

4. 科研编程场景🔗

4.1 数据处理脚本生成🔗

Agent 模式 Prompt：
我有一批分子动力学模拟的轨迹数据，存储在 trajectories/ 目录下，
每个 .xtc 文件对应一个模拟。

请帮我写一个脚本：
1. 用 MDAnalysis 库读取轨迹
2. 计算每帧的 RMSD（相对于初始结构）
3. 计算 Radius of Gyration (Rg)
4. 输出 RMSD 和 Rg 的时间序列图
5. 保存数据为 CSV

每个轨迹对应的拓扑文件是同名的 .gro 文件。

4.2 科研绘图代码🔗

请生成一个 publication-quality 的热图（heatmap）：
- 数据：一个 10×10 的相关系数矩阵（从 correlation_matrix.csv 读取）
- 配色：RdBu_r（红蓝色系，正相关红色，负相关蓝色）
- 对角线标注变量名
- 添加颜色条（colorbar）
- 图片大小：15cm × 13cm
- 字体大小：轴标签 10pt，刻度标签 8pt
- 保存为 PDF 和 PNG (300 dpi)
- 使用 seaborn + matplotlib

4.3 批量文件处理🔗

写一个脚本：
1. 遍历 pdb_files/ 目录下所有 .pdb 文件
2. 对每个文件提取链 A 的序列
3. 将所有序列写入一个 FASTA 文件，header 为文件名
4. 同时统计序列长度，输出汇总表

4.4 Jupyter Notebook 中使用🔗

在 VS Code 中打开 .ipynb 文件，Copilot 同样可以工作：

• 在代码 Cell 中获得行内补全
• 在 Cell 上方按 Cmd+I 生成整个 Cell 的代码
• 在 Chat 面板中引用 Notebook 内容

5. 其他 AI 编程工具🔗

5.1 Cursor🔗

Cursor 是专门为 AI 编程设计的独立 IDE（基于 VS Code fork）。

优点： - AI 集成更深入 - Composer 功能可以一次修改多文件 - Tab 补全更智能

缺点： - 需要单独安装（不是 VS Code 插件） - 付费版 $20/月 - 生态不如 VS Code + Copilot 完善

5.2 Cline（开源 VS Code 插件）🔗

Cline 是一个开源的 VS Code 插件，类似 Copilot Agent 模式：

• 完全开源免费
• 可以选择自己的后端模型（通过 API）
• 自动创建/修改文件、运行命令
• 适合已有其他模型 API key 的用户

5.3 Aider（命令行工具）🔗

Aider 是一个纯命令行的 AI 编程助手：

# 安装
pip install aider-chat

# 使用（在项目目录下）
aider --model deepseek/deepseek-chat

# 然后直接用自然语言对话
> 帮我添加一个命令行参数来控制输出格式

5.4 Claude Code（终端 AI 编程 Agent）⭐⭐⭐🔗

Claude Code 是 Anthropic 推出的终端级 AI 编程 Agent，被广泛认为是截至 2026 年最强大的编程 Agent 之一。它直接运行在终端中，无需 IDE 集成，能自主理解整个代码库、编辑多个文件、运行命令并调试错误。

本节仅做简要介绍，完整的安装、使用和高级工作流请参见 第 08 章 Claude Code 终端编程。

安装：

# 使用 npm 安装（需要 Node.js 18+）
npm install -g @anthropic-ai/claude-code

# 在项目目录下启动
cd your-project/
claude

核心能力：

为什么 Claude Code 特别值得关注？

1. 真正的 Agent：给出任务描述后，可以自主规划和执行多步骤操作（读文件→写代码→运行→发现 Bug→修复→再运行），不需要你逐步引导
2. 代码质量高：底层使用 Claude Sonnet 4.6 / Opus 4.6，在代码生成基准测试中名列前茅
3. 终端原生：不需要特定 IDE，在任何终端环境（包括 SSH 到远程服务器）都能使用
4. 安全机制：每次执行高风险操作（如删除文件、运行未知脚本）前会请求确认
5. 上下文理解：自动读取项目中的相关文件，无需手动指定上下文

使用示例：

# 启动 Claude Code
claude

# 给出任务描述
> 帮我分析 data/ 目录下的所有 CSV 文件，找出异常值，
  生成统计报告保存为 report.md，并用 matplotlib 画一张
  汇总图保存为 summary.png

# Claude Code 会自动：
# 1. 读取目录结构和文件内容
# 2. 编写 Python 分析脚本
# 3. 运行脚本
# 4. 如果报错，自动修复并重试
# 5. 生成报告和图表

Claude Code vs Copilot Agent 模式：

建议： 如果你主要在 VS Code 中开发，Copilot Agent 更方便；如果你经常在终端/服务器上工作，或需要处理大型复杂任务，Claude Code 是更好的选择。两者可以互补——日常在 VS Code 用 Copilot，上服务器用 Claude Code。

5.5 Codex CLI（OpenAI 终端 Agent）🔗

Codex CLI 是 OpenAI 推出的开源终端级编程 Agent，定位类似 Claude Code。

# 安装
npm install -g @openai/codex

# 使用（在项目目录下）
codex "帮我重构这个项目的测试框架"

特点：

• 使用 OpenAI 最新模型作为后端
• 终端原生，支持多文件编辑和命令执行
• 完全开源（Apache 2.0 协议）
• 可配合本地沙盒隔离运行，安全性更高

Claude Code vs Codex CLI： 两者定位类似，选择取决于你对底层模型的偏好和已有订阅。Claude Code 在代码质量和复杂推理上通常更强；Codex CLI 胜在完全开源和 OpenAI 生态整合。

5.6 如何选择编程工具？🔗

实操演示🔗

练习 1：环境配置🔗

1. 安装 VS Code 和 GitHub Copilot 扩展
2. 登录 GitHub 账号
3. 新建一个 test.py 文件，输入 # 计算斐波那契数列 看 Copilot 是否自动建议

练习 2：用 Agent 模式完成一个完整任务🔗

1. 打开 VS Code，按 Cmd+Shift+I 打开 Chat
2. 切换到 Agent 模式
3. 输入以下需求：

帮我创建一个 Python 项目，目录结构如下：
protein_tm_analysis/
├── main.py          # 主脚本
├── data/            # 数据目录
│   └── example.csv  # 示例数据
└── README.md        # 说明文档

功能：读取 CSV 文件（列：protein_name, Tm_celsius），
绘制一个排名的水平条形图，按 Tm 从高到低排列。
生成示例数据以便测试。

1. 审查 Agent 生成的代码，点击 Accept
2. 在终端运行 python main.py 验证结果

练习 3：用 Inline Chat 修改代码🔗

1. 在练习 2 的基础上，选中图表部分的代码
2. 按 Cmd+I，输入："把颜色改成根据 Tm 高低的渐变色（低温蓝色，高温红色）"
3. 查看修改效果

本章小结🔗

• ✅ Vibe Coding = 自然语言描述需求 + AI 生成代码 + 人工审查
• ✅ VS Code + GitHub Copilot 是 IDE 内最推荐的 Vibe Coding 环境
• ✅ Claude Code 是当前最强大的终端级 coding agent，尤其适合服务器端开发和复杂任务
• ✅ 学生通常可以免费获得非常接近 Pro 的 Copilot 权益
• ✅ Agent 模式是最强大的功能——能自主完成创建文件、编写代码、运行调试的完整流程
• ✅ MCP 工具让 AI 连接外部数据库和服务，自定义指令/Skills 让 AI 理解你的项目规范和领域知识
• ✅ 好的需求描述 = 清晰的输入输出 + 具体的处理步骤 + 明确的格式要求
• ✅ AI 生成的代码必须审查——检查逻辑、测试运行
• ✅ 科研中最常用：数据处理脚本、绘图代码、批量文件操作

延伸阅读🔗

• VS Code 官方文档（2026-04 访问）
• GitHub Copilot 文档（2026-04 访问）
• GitHub Education — 学生免费获取 Copilot
• Claude Code（2026-04 访问）— Anthropic 终端级 coding agent
• Codex CLI GitHub（2026-04 访问）— OpenAI 开源终端 agent
• Cursor（2026-04 访问）
• Cline GitHub（2026-04 访问）
• Aider GitHub（2026-04 访问）
• Andrej Karpathy: "Vibe Coding" — 概念提出原文