接上篇，Martin 大师的播客，道出了 vibe coding 的真相，和程序员 survive 的要点：保持思考，保留 taste

分享一下最近对 vibe coding 的体感，专业程序员很多开始入局，他们不理会“一句话上架 app”的噱头，一头扎在 context engineering 里，大致做了几个事：

1、重拾 unix 哲学、架构/代码之美
2、手动整理高质量知识库
3、精调为业务问题而生的 rule/spec/flow

制约生码质量的因素，基模不可控，但以上都是专业程序员的功力体现，我看到很多业务开发把 deepwiki 扔了，在写小而美的 spec。

这是好事，匠心程序员的 Taste 终于派上用场了。所有的专业程序员应该坚定扛起布道的大旗，以免 AI Coding 的屎山代码堆积。

拍立得的 flutter 版本交给牛马了，看起来最近学聪明了，知道并行工作了[机智]

banana pro 风格化编辑功能已完成，细节分享来了，欢迎交流🤝

banana pro 制作这种虚实结合的效果太好了，果然模型强了哪需要什么提示词技巧，说人话，其他交给🍌

周末 vibe coding 的拍立得小工具，banana
pro 再配个产品说明图，完美📷

链接：camera.vibec.pro

分享两个提示词，banana pro 加持下效果更顶了：

①手绘笔记封面：skills-hub.cc

②文章要点图解：skills-hub.cc

gemini3+banana 2，yyds！ 群友们脑洞太大，感兴趣来多模态群围观…

早在 2023 年研究过海外基于 Google Sheets 的智能表格插件，不过当时功能都比较有限，大多是信息收集、语言翻译或者多列加工，当时国内北大团队还做了一款 ChatExcel，可以用自然语言对表格进行分析提问。

［附图 1 在此］

这种模式的优势在于通过把 AI 引入到大众熟悉的表格场景，不用编码，不用搭建工作流，只通过预定义的列数据处理模式，或者直接使用自然语言就能对数据进行智能检索和处理，极大降低了数据处理的门槛。 后来在乔妹微信群也专门聊过这个话题。

［附图 2 在此］

因为比较看好这种模式，后来借助 Vibe Coding 工具自己写过一个简单的 web 版本，支持联网搜索补全，网页解析，图片生成，音频生成。不过一直是个 DEMO 原型，主要是体验这个产品背后的思路。

［附图 3、4 在此］

后来看到飞书多维表格眼前一亮，它把功能和体验做到了极致，尤其是最近升级的「应用模式」，本质上是把表格从数据工具升级成了业务系统搭建平台。让普通用户也得零代码搭系统了。

以前的飞书多维表格更像是强化版的 Excel，能协作、能关联、能做自动化。这次的「应用模式」把它推到了另一个维度：完全不需要写代码，只要理解业务逻辑，就能通过拖拽把零散的数据、表单、流程组装成可用的系统。

我之前用 Vibe Coding 搭过的工具，虽然支持联网搜索、网页解析、多模态生成，但有两个致命问题：1）性能瓶颈：处理几千行数据就开始卡顿，AI 调用慢导致用户体验很差；2）模式单一：只能做列数据处理，无法构建复杂的业务流程，更谈不上可交付的应用搭建。

飞书多维表格这次升级有几个值得关注的点：
1、 底层性能。单表支持百万行热数据，仪表盘能秒级分析千万行数据，跨 200 张表关联计算在两秒内完成。这不是简单的工程优化，而是从表格工具到多维表格数据库的架构升级。
2、 生态互通。搭建的应用可以直接接入字节系产品和飞书企业生态，真正打通全链路数据流。
3、 封装复杂度。把 AI 接口、自动化引擎、数据可视化这些技术能力封装成可拖拽的模块。开发者只需专注理解业务逻辑，像拼乐高一样组装能力，就能交付完整的业务系统。

从简单表格到智能化数据处理，再到应用搭建引擎，飞书多维表格走的这条路线值得思考。技术工具的价值不在于炫技，而在于能否被真正使用它的人轻松掌握。把复杂的技术封装成可组合的模块，让业务人员按需搭建解决方案，这可能才是 AI 应用开发应该去的方向。