使用 Cline + Gemini 2.5 Pro 来做 Vibe coding

最近 Vibe coding 风头正盛，原本我对此兴趣不大，因为之前用过 Cursor/Windsurf/Copilot 搭配 Claude 3.5 Sonnet，效果都只能称得上比较惊艳，谈不上颠覆认知。

但 Cline + Gemini 2.5 Pro 让我大受震撼，我觉得这个组合完全能够胜任个人项目的开发。

Cline 的优点

Cursor 这类商业服务为了平衡成本和生成质量，使用向量化代码库 + RAG 方案，注定存在精度损失。而 Cline 更偏向于大力出奇迹，把相关代码尽可能塞到上下文中，这非常考验模型的注意力和用户的钱包。

好在现在有了 Gemini 2.5 Pro。其推理质量高，在长上下文中仍然能保持良好的注意力，最重要的是价格比 Claude 3.7 Sonnet 便宜 30%，使用提示缓存后便宜更多。

实测下来，我使用 Cline + Gemini 2.5 Pro 来 Vibe coding 开发了一个浏览器扩展，涉及到：

整个过程中除了遇到一个 daisyUI 导致的 CSS 问题要我手动修复外，所有功能都是由 AI 实现，非常丝滑。

虽然这只是个小项目，但 Cline + Gemini 2.5 Pro 表现出的能力已经让我大受震撼。

鉴于还没发展到 AGI，我们仍然需要一些最佳实践来最大限度地释放模型的能力。

先 Plan 再 Act。在 Plan 模式中确定好方案后，切换到 Act 模式执行。在确定了方案的情况下，大部分任务都是 one-shot。
使用 Memory bank 为模型提供长期记忆。
一个任务只做一件事，完成后要求更新 Memory bank。
在出错时，比如滥用 Svelte $effect，要明确说明正确的用法（如果不嫌浪费 token，也可以要求它自己去查文档），并要求记录到 Memory bank 中。
根据代码生成情况，及时补充 Rules。比如要求不要添加无用的注释。
使用 context7-mcp 为模型提供最新的技术文档。也可以把文本放到本地让模型去读，效果是一样的。

项目比较小，且我每个任务都只关注一个细分功能，使用成本不高：

输入 Token 量大，基本都是 150k 起步，输出在 1k - 20k 之间。目前使用量最高的一次任务是输入 4m，输出 54k，上下文窗口中有 126k。
一般读取完 Memory bank 后上下问窗口就有 10k token 了，但大多数任务完成后上下文仍然在 10k 左右。

如果重度使用，成本肯定是比 Cursor 更高的，但不会遇到 Cursor 额度用完后进入慢速队列导致的降智问题。多一点成本来提高上限，我认为非常值得。

开发效率实打实地提升了。只要构思、表述条理清晰，再偶尔辅助一下，我认为最终工作效率和质量强过相当多开发者了，比如我。

但由奢入俭难，“让 AI 帮我写 xxx”已经成了我打开编辑器后的第一念头。我越发担心产生依赖性，丢失了学习新技术的热情和能力。

这次短暂体验下来，我已经非常期待下一轮发布的新模型了，希望 DeepSeek 能带来相似的上下文能力和极致的价格。

或许在 AI 时代，最重要的工作技能是「认真思考、好好说话」。这也是我今年开始多写博客的初衷。