67. Vibe Coding：自然语言驱动开发¶

传统编程：  需求 → 你写代码 → 你测试 → 交付
Vibe Coding：需求 → 你描述需求 → AI写代码 → 你审查 → 迭代 → 交付

关键转变：
- 你的核心技能从"写代码"变成"描述清楚需求 + 审查AI代码"
- 但这不意味着你不需要懂代码——审查代码需要你能读懂代码
- 你负责架构决策，AI负责实现细节

Level 1 - 完全信任AI（危险！）
  "帮我写一个分析脚本" → AI生成 → 直接用
  问题：你不知道代码做了什么，出了错找不到原因

Level 2 - 描述+审查（推荐）
  "帮我写一个Shannon多样性计算函数" → AI生成 → 逐行审查 → 修改 → 使用
  优点：效率高，质量可控

Level 3 - 架构引导+AI实现（最佳）
  "整个项目结构如下...现在请实现数据预处理模块" → AI生成 → 审查 → 测试 → 集成
  优点：你掌控全局架构，AI负责模块实现

版本控制：Git（必须！AI改了什么你要能回退）
测试框架：pytest（Python）/ testthat（R）
CI/CD：GitHub Actions（自动运行测试）
代码质量：Ruff + Black（见知识库65）
文档：AI自动生成docstring

初学者推荐：
  Cursor + Git + pytest
  原因：图形界面友好，AI集成度高

进阶推荐：
  Claude Code / OpenCode + Git + pytest + Ruff + GitHub Actions
  原因：终端操作更灵活，CI/CD保证质量

生信推荐：
  Claude Code + conda + Snakemake + Git
  原因：conda管理环境，Snakemake管理流程

给AI的prompt（自然语言描述需求）：

请帮我写一个Python脚本，功能如下：
1. 读取一个物种丰度表（TSV格式，行是样本，列是物种，第一列是样本名）
2. 计算每个样本的Shannon多样性指数
3. 输出结果到一个新的TSV文件（两列：样本名、Shannon指数）
4. 要求：
   - 用argparse接收输入输出路径
   - 设置随机种子42
   - 用logging记录日志而非print
   - 每行代码加中文注释
   - 处理全零样本（Shannon=0）

#!/usr/bin/env python3
"""计算物种丰度表中每个样本的Shannon多样性指数"""

import argparse        # 命令行参数解析
import logging         # 日志记录
import numpy as np     # 数学计算
import pandas as pd    # 数据处理
import sys             # 系统信息

# 设置随机种子（保证可重复性）
np.random.seed(42)

# 配置日志格式
logging.basicConfig(
    level=logging.INFO,
    format="%(asctime)s - %(levelname)s - %(message)s",
    handlers=[
        logging.StreamHandler(),           # 输出到屏幕
        logging.FileHandler("shannon.log") # 同时写入日志文件
    ]
)
logger = logging.getLogger(__name__)       # 获取日志器


def calculate_shannon(abundances: np.ndarray) -> float:
    """
    计算单个样本的Shannon多样性指数
    公式：H = -Σ(pi * ln(pi))，其中pi是第i个物种的相对丰度
    """
    total = abundances.sum()               # 计算总丰度
    if total == 0:                         # 处理全零样本
        return 0.0
    proportions = abundances / total       # 计算相对丰度（比例）
    # 过滤掉丰度为0的物种（log(0)无意义）
    proportions = proportions[proportions > 0]
    # Shannon公式：H = -Σ(pi * ln(pi))
    shannon = -np.sum(proportions * np.log(proportions))
    return round(shannon, 4)               # 保留4位小数


def main():
    """主函数：解析参数、读取数据、计算、输出"""
    # 解析命令行参数
    parser = argparse.ArgumentParser(
        description="计算物种丰度表的Shannon多样性指数"
    )
    parser.add_argument(
        "--input", "-i", required=True,
        help="输入的物种丰度表（TSV格式）"
    )
    parser.add_argument(
        "--output", "-o", required=True,
        help="输出的Shannon指数表（TSV格式）"
    )
    args = parser.parse_args()

    # 记录运行环境
    logger.info(f"Python版本：{sys.version}")
    logger.info(f"NumPy版本：{np.__version__}")
    logger.info(f"pandas版本：{pd.__version__}")

    # 读取输入数据
    logger.info(f"读取输入文件：{args.input}")
    df = pd.read_csv(args.input, sep="\t", index_col=0)  # 第一列作为索引
    logger.info(f"数据维度：{df.shape[0]}个样本 × {df.shape[1]}个物种")

    # 数据校验
    assert df.shape[0] > 0, "输入文件为空"
    numeric_df = df.select_dtypes(include=[np.number])    # 只取数值列
    if (numeric_df < 0).any().any():                      # 检查负值
        logger.warning("发现负值丰度，已取绝对值处理")
        numeric_df = numeric_df.abs()

    # 逐样本计算Shannon指数
    results = []
    for sample_name in numeric_df.index:
        abundances = numeric_df.loc[sample_name].values   # 取该样本的丰度数组
        shannon = calculate_shannon(abundances)            # 计算Shannon
        results.append({"sample": sample_name, "shannon": shannon})
        logger.info(f"  {sample_name}: Shannon = {shannon}")

    # 输出结果
    result_df = pd.DataFrame(results)                      # 转为DataFrame
    result_df.to_csv(args.output, sep="\t", index=False)  # 写入TSV文件
    logger.info(f"结果已保存到：{args.output}")
    logger.info(f"Shannon指数范围：{result_df['shannon'].min()} ~ {result_df['shannon'].max()}")


if __name__ == "__main__":
    main()

审查清单（逐项检查）：
[x] Shannon公式是否正确？ → 正确，H = -Σ(pi * ln(pi))
[x] 全零样本处理？ → 有，返回0.0
[x] 路径是否参数化？ → 是，用argparse
[x] 随机种子？ → 已设置42
[x] 日志记录？ → 用了logging
[x] 中文注释？ → 每行都有
[x] 输入校验？ → 有基本校验
[ ] 缺少：没有try-except异常处理 → 需要补充
[ ] 建议：可以加--seed参数让随机种子可配置

给AI的修改prompt：
请在main函数中添加try-except异常处理，捕获文件不存在和格式错误的情况。
另外添加一个--seed命令行参数，默认值42。

# 运行脚本
python shannon_diversity.py -i test_abundance.tsv -o results.tsv

# 检查输出
cat results.tsv

# 用已知结果验证
# 如果只有两个均匀分布的物种，Shannon应该≈0.6931（ln2）

git add shannon_diversity.py
git commit -m "feat: add Shannon diversity calculation script (vibe coded + reviewed)"

请帮我写一个Python脚本，完成以下物种丰度分析：

输入：物种丰度表（TSV，行=样本，列=物种，第一列样本名）
      分组信息表（TSV，两列：sample_id, group）

分析内容：
1. 基础统计：每组的物种数、总丰度、Shannon指数
2. Top10物种的堆叠柱状图（按组分面）
3. PCoA分析（Bray-Curtis距离），散点图按组着色
4. 组间Shannon指数的箱线图 + Wilcoxon检验

输出：
- 统计结果表（TSV）
- 三张图（PNG，300dpi）

要求：
- argparse传参
- 随机种子42
- logging日志
- 代码中文注释
- 用matplotlib + seaborn画图
- 脚本名：abundance_analysis.py

1. Bray-Curtis距离计算是否用了scipy或skbio？是否正确？
2. PCoA实现是否正确？（sklearn的PCoA还是skbio的PCoA）
3. Wilcoxon检验用的是配对还是非配对？（应该用Mann-Whitney U）
4. 图的DPI是否300？图片大小是否合理？
5. 中文字体是否设置？（matplotlib默认不支持中文）
6. 颜色方案是否色盲友好？

差的需求描述：
"帮我写一个分析数据的脚本"
→ AI不知道分析什么数据，用什么方法，输出什么

好的需求描述：
"帮我写一个Python脚本，读取TSV格式的物种丰度表（行=样本，列=物种），
 计算每个样本的Shannon和Simpson多样性指数，
 输出TSV结果表和一张按组着色的箱线图（PNG, 300dpi）。
 用argparse传参，加logging日志，每行加中文注释。"
→ 输入格式、分析方法、输出格式、代码规范全部明确

审查优先级（从高到低）：
1. 正确性：核心逻辑/算法/公式对不对？
2. 安全性：有没有硬编码密码、SQL注入、路径穿越？
3. 边界条件：空输入、极端值、缺失值处理了吗？
4. 可重复性：随机种子设了吗？版本记录了吗？
5. 性能：大数据量会不会内存溢出？有没有不必要的循环？
6. 可维护性：变量名清晰吗？有注释吗？函数拆分合理吗？
7. 风格：符合PEP8吗？import排序了吗？

错误做法：
  让AI一次性生成整个项目
  → AI不了解你的全局设计，每次生成可能风格不一致

正确做法：
  1. 你先设计项目结构
     project/
     ├── scripts/        # 分析脚本
     ├── data/            # 数据
     ├── results/         # 结果
     ├── tests/           # 测试
     ├── config.yaml      # 配置
     └── README.md        # 说明

  2. 逐模块让AI实现
     "请按照以下接口实现数据预处理模块：
      函数名: preprocess_abundance(input_path, min_count)
      返回值: pd.DataFrame
      ..."

  3. 你负责模块间的集成和一致性检查

1. 描述需求（明确输入/输出/方法/规范）
   ↓
2. AI生成代码
   ↓
3. 审查代码（正确性 > 安全性 > 边界 > 性能 > 风格）
   ↓
4. 运行测试（pytest + 已知结果验证）
   ↓
5. 迭代修复（把问题反馈给AI → 重新生成 → 再审查）
   ↓
6. 代码检查（ruff check + black）
   ↓
7. 提交版本控制（git commit）

请帮我写一个[语言]脚本，功能如下：
- 输入：[格式]格式的[描述]（字段说明：...）
- 处理：[具体分析方法/算法]
- 输出：[格式]格式的[描述]
- 要求：
  * argparse传参（不硬编码路径）
  * 随机种子=[数字]
  * logging日志记录
  * 每行加中文注释
  * 处理边界情况：[列举]

[ ] 核心算法/公式正确
[ ] 输入数据有校验
[ ] 边界条件已处理（空值、零值、极端值）
[ ] 路径参数化（无硬编码）
[ ] 随机种子已设置
[ ] logging替代print
[ ] 异常处理（try-except）
[ ] 变量命名清晰
[ ] 有docstring文档
[ ] 性能可接受（大数据不溢出）