via https://moz.com/blog/vibe-coding-to-build-seo-tools
在我职业生涯的大部分时间里，我的营销点子产生的速度，总是远远超过我的实现能力。等待工程师排期、与令人困惑的API文档搏斗、或将永远无法排上日程的创意束之高阁——这些都已成了家常便饭。听起来很耳熟吧？这真是一个令人沮丧的循环。
正是在这种情况下，我开始尝试”Vibe Coding”。借助AI编程助手和API，你可以绕过这些瓶颈，在你吃完一个机场汉堡的时间里，就能快速搭建出一个可工作的原型。
我将分享我如何通过三个阶段，从一个简单的Python脚本开始，最终利用Moz API构建出一个完整网络应用的历程。你还将获得我用于提示大语言模型的框架，来构建属于你自己的定制化解决方案。
Vibe Coding的真正含义
我将Vibe Coding定义为：在AI编程助手的帮助下，构建真实、可工作的工具。你不需要懂编程，你只需要一个清晰的目标、一个API、和一份愿意尝试的决心。
在我的世界里，它是这样的：
- 我负责提供创意。
- 我将API文档和我的密钥提供给像ChatGPT或Gemini这样的AI助手。
- 我解释我希望这个工具做什么，然后不断迭代，直到它能用。
就这么简单。我不再需要面对一个空白的代码编辑器。我是在与一个能够实时编写、调试和改进代码的AI协作。Vibe Coding让我能在几小时，而不是几周内，从概念走到原型。
为何过去搭建工具如此痛苦
多年来，搭建工具感觉像是不可能完成的任务。我提出一个想法，然后要等上工程师几周时间，而他们还在忙于更高优先级的项目。
即使我得到了帮助，进展也如同蜗牛爬行。一切都取决于别人的时间。而当我试图自己掌控时，令人困惑的API文档又让我无从下手。
漫长的开发周期耗尽了所有动力。往往在成果交付之前，你最初的灵感早已消逝。
这就是为什么Vibe Coding带给我的冲击如此之大。它终于为像我这样的营销人员提供了一种快速构建的方法，让创意得以延续，也让我的程序员同事们能将时间集中在其他能够驱动营收的项目上。
我是如何踏上Vibe Coding之路的
这一切始于一个简单的需求。我们的内容策略师Chima，为撰写一篇Moz博客文章，需要获取1500个域名的品牌权威数据。我之前有一个Python脚本，但一次只能处理单个API请求，要运行1500次得花上好几天。
当时我正坐在蒙特利尔机场，手边一杯健力士黑啤，另一边放着汉堡，就在那时我决定解决这个问题。我能不能把这个单一脚本改造成一个批量分析工具呢？
就这样，我踏上了Vibe Coding的列车。我打开Google Colab，请来ChatGPT和Claude作为编程助手，开始重写我的脚本。经过几次提示迭代，我就得到了一个能使用Moz API工作的批量查询工具。
它不漂亮，但它能用。当我看到第一个CSV文件成功生成时，我意识到一件重要的事：我不再需要等待开发人员了。我可以自己快速构建工具。
从原型到网页应用：我的Vibe Coding之旅
第一阶段：在Google Colab中使用Python脚本
有了想法后，我打开Google Colab，从小处着手。我的目标是利用Moz API构建一个能处理批量搜索意图请求，而非一次一个的脚本。
我从一次简单的API调用开始，测试连接。成功后，我请AI助手扩展代码以支持多个关键词。
起初一团糟——到处都是错误。我曾期望ChatGPT能替我阅读文档并神奇地一次性构建出完整功能。但它并没有。
那时我意识到，提示并非下达指令，而是一种协作。我需要提供上下文，解释错误，并明确指出需要修复什么。当我这样做之后，代码开始工作了。
经过几次迭代，我得到了一个可工作的原型：它接收一个关键词列表，通过Moz搜索意图端点处理它们，并将结果导出为CSV文件。这个小脚本节省了数小时的手动工作，并成为了我后续构建一切的基础。
当然，这些数据也协助Chima完成了她对品牌权威指标的请求，最终成果发表在了Moz博客文章《Ziff Davis的研究揭示LLM更青睐高DA网站》中。
我从中领悟到：
- 从简单开始：一个粗糙的原型胜过完美的空想。
- 调试要具体：明确告诉你的助手问题出在哪里。
- 阅读API文档：这虽不酷，但能节省大量时间。
- 别指望一次成功：迭代才是真正的秘诀。
这是我第一次体验Vibe Coding：一个在机场靠着好奇心和健力士啤酒构建出的、可运行的脚本。
第二阶段：构建Google Sheets插件
Python脚本虽然能用，但分享起来很麻烦。我的团队里没人想碰Colab或代码。于是，我打开Gemini说：”我们把它变成Google Sheets插件吧。”
我想要一个任何人都能用的东西——输入API密钥，选择一个端点，就能把数据直接拉取到表格里。Gemini询问了布局、按钮和错误处理等细节。几轮交流之后，它成功了。
那个周末结束时，我有了一个可工作的插件。它能拉取关键词指标、保存API密钥并妥善处理错误。内容团队使用它时完全不需要碰代码。
这次构建改变了我对工具的看法：
- 可用性比精巧的代码更重要。
- 像对待协作者一样与LLM对话，效果最好。
- 你的提示越清晰，得到结果的速度就越快。
至此，我知道下一步该做什么了。既然我能在Sheets里构建，那我也能在网页上构建。
第三阶段：创建网页应用
在完成Google Sheets插件后，我渴望更多的自由。Sheets虽然能用，但扩展性不足。每个人都得运行自己的版本，而且通过谷歌扩展商店发布流程漫长。我想要一个所有人都能即时访问的网页应用。
而Moz API让这成为了可能。
我把在Sheets中已经构建好的一切，连同代码，都喂给了Gemini，然后输入：”我该如何在Gemini中使用Moz API创建一个可工作的应用？”
这时，事情变得有趣起来。Gemini试图让我一夜之间变成后端开发人员。它默认我懂得如何搭建服务器和处理CORS策略。但事实是：我完全不会。
不过，凭借一点耐心和大量的调试，我们成功了。
Moz API是核心基石。它的文档清晰，端点稳定，让我能通过一个接口灵活测试不同的数据集（排名、搜索意图、品牌权威）。几小时内，我就有了一个可工作的网页应用，它通过我的API密钥拉取实时的Moz数据并优雅地展示出来。
然后我开始玩得更嗨了。我添加了深色模式和复古主题！
我更新了排名关键词端点，让用户可以一次性拉取多达500条结果。
我还添加了一个实时配额计数器，利用Moz API来跟踪月度使用量。
这次构建改变了一切。Moz API为我提供了快速实验所需的可靠性，而Vibe Coding则赋予了我无需等待工程师就能自由构建的能力。
我从中领悟到：
- 优秀的API是每次成功构建的基石。
- Moz API的文档让初学者也能轻松上手，即使你从未写过代码。
- LLM是强大的助手，但你仍然需要引导它们。
- 安全性和简洁性永远致胜。
这个项目证明了这一点！当数据和文档唾手可得时，任何营销人员都能将想法转化为真正的工具。
使用LLM进行提示和构建的最佳实践
如果说我从这一切中学到了一件事，那就是：提示是一项技能。你与助手对话的方式，决定了它能与你协作到何种程度。当我不再把LLM当作魔法按钮，而是开始像对待协作者一样与它们工作时，一切就都顺畅了。
以下是我亲测有效的方法：
- 清晰定义最终目标。
避免模糊的提示。我会在提示中直接将任务分解成连续的步骤。我从不试图一次性构建整个项目。 - 迭代式工作，而非一蹴而就。
我先构建基础（API调用），然后是用户界面，接着是辅助功能。这让项目始终可控。 - 调试应该是一场对话。
我从不只说”代码运行不了”。我会清晰说明错误，解释预期结果，并请求LLM分析脚本来找出问题。例如：”它只返回25个关键词。你能分析一下脚本，找出为什么它没有接受API调用中的自定义值吗？” - 给LLM分配角色。
我会给LLM一个特定的身份和上下文。例如：”你是一位有Vercel部署经验的Next.js开发者。请帮我构建一个前端界面，用户可以在其中添加他们的Moz API密钥。” - 务必要求解释。
我从不只是接受修复。我会要求LLM解释它是如何解决这个错误的，这样我就能学习底层的编程原理。这能防止我再次犯同样的错误。
这是一个你可以遵循的有效工作流程：
提示已成为新的超能力。你越精进此道，就越会意识到，你其实是在设计AI与你共同构建的逻辑。
我的构建心得
这整段旅程始于一个脚本和一点好奇心。我构建了一个Python原型，把它变成了Google Sheets插件，最后完成了一个由Moz API驱动的网页应用。
提示词技巧成了我真正的核心竞争力。我练习得越多，就越能精准地引导LLMs达成我想要的目标。而Moz API则让将这些提示转化为真实、可衡量的成果变得轻而易举。
事实是：营销人员不再需要被动等待开发者了。你可以构建自己的工具，测试自己的想法，创造出能推动业务前进的成果。
Vibe Coding赋予了你这种自由。带上你的AI助手，接入Moz API，去构建你心心念念的那个工具吧。一个周末的动手实践，比你一个月的纸上谈兵，学到的东西要多得多。
Leave a Reply