使用 Claude Code 和 Docker 进行 Python Vibe 编程
你曾经逐行输入 Python 代码。但如果你只需用简单的英语描述想要的功能,代码就能自动生成呢?Vibe 编程就像与计算机对话——你描述结果,Claude Code 构建代码,你测试并完善。这不是魔法,而是一种新的工作方式:你负责愿景,AI 负责实现。本教程将教你如何仅用自然语言请求来分析经典的鸢尾花数据集。
核心概念
- Vibe Coding - 用自然语言描述想要的功能,根据结果迭代,而非逐行编写代码
- Claude Code - AI 编程助手,根据你的自然语言请求编写、调试和重构代码
- Iris Dataset - 经典数据集,包含三个物种 150 朵鸢尾花的测量数据
- 迭代完善 - Vibe 编程的核心模式:描述 → 测试 → 完善 → 提交可用版本
准备工作
步骤 1:创建新的 GitHub 仓库
- 打开 GitHub Desktop
- 点击 File > New Repository
- 填写详细信息:
- Name:
iris-analysis - Description:
Iris data analysis built with vibe coding - Local Path: 选择一个位置(如 Documents 或工作文件夹)
- 勾选 Initialize this repository with a README
- Name:
- 点击 Create Repository
- 点击顶部的 Publish repository
- 如果希望公开,取消勾选 Keep this code private(可选)
- 点击 Publish Repository
现在你已拥有本地 Git 仓库和 GitHub 上的备份。
步骤 2:复制 Docker 配置
你需要从 vibe 项目复制 .devcontainer 文件夹来设置 Docker 环境。
- 打开 File Explorer(Windows)或 Finder(Mac)
- 导航到你的 vibe 项目文件夹(如
Documents/vibe) - 找到
.devcontainer文件夹 - 复制整个文件夹(包含
Dockerfile和devcontainer.json) - 导航到新建的
iris-analysis文件夹 - 将
.devcontainer文件夹粘贴到这里
你的 iris-analysis 文件夹现在应包含:
.devcontainer/(你刚复制的文件夹)README.md(由 GitHub Desktop 创建).git/(版本控制的隐藏文件夹)
步骤 3:在容器中打开项目
- 打开 VS Code
- 点击 File > Open Folder
- 导航到
iris-analysis文件夹 - 点击 Select Folder
- 右下角出现通知:Folder contains a Dev Container configuration file
- 点击 Reopen in Container
- 如果没看到通知,点击左下角的绿色图标,选择 Reopen in Container
- VS Code 构建 Docker 容器(首次需要 3-5 分钟)
- 观察显示构建步骤的进度通知
- 完成后,绿色图标显示 Dev Container: Python in Docker
步骤 4:启动 Claude Code
- 在 VS Code 中,点击 Terminal > New Terminal
- 你现在位于 Docker 容器内部
- 输入此命令启动 Claude Code:
claude
- 浏览器窗口打开进行身份验证
- 点击 Continue with Google 或 Continue with Email
- 使用你的 Claude 账户登录(或创建一个)
- 身份验证成功后,返回 VS Code 终端
- 你将看到 Claude 的欢迎消息
Claude Code 现在已准备就绪,可接收你的请求。
步骤 5:第一次 Vibe - 加载数据
现在开始有趣的部分。无需查找文档,只需描述你想要的功能。
- 在 Claude Code 终端中,输入:
从 scikit-learn 加载 iris 数据集。将其转换为带有正确列名的 pandas 数据框。添加物种名称作为列（不只是数字）。显示前 10 行。将代码保存到名为 iris_exploration.py 的文件中
- 按 Enter
- 观察 Claude:
- 编写 Python 代码加载数据
- 创建带有适当导入的脚本
- 运行代码并展示结果
- 查看显示花卉测量数据和物种名称的输出
你刚刚使用了 Vibe 编程!无需搜索文档,无需反复试错——只需描述和测试。
要求 Claude 使用 Git 提交,或从 GitHub Desktop 自己完成:
提交这些更改。
步骤 6:第二次 Vibe - 汇总统计
在创建可视化之前,先了解数据内容。
- 在 Claude Code 终端中,输入:
显示按物种分组的 iris 数据汇总统计。我想看到三个物种中每个测量值（萼片长度、萼片宽度、花瓣长度、花瓣宽度）的均值、最小值和最大值。将此添加到 iris_exploration.py
- 按 Enter
- Claude 更新脚本并显示统计信息
- 注意不同物种的测量范围差异
- Setosa 的花瓣比 Virginica 小得多
这种探索帮助你理解数据中的模式。
要求 Claude 使用 Git 提交,或从 GitHub Desktop 自己完成。
步骤 7:第三次 Vibe - 创建直方图
开始可视化数据。
- 在 Claude Code 终端中,输入:
创建显示所有花卉花瓣长度分布的直方图。使用 20 个区间。添加标题和坐标轴标签。将图表保存为 petal_length_histogram.png。将此代码添加到 iris_exploration.py
- 按 Enter
- Claude 创建可视化代码
- 项目文件夹中出现 PNG 文件
- 打开
petal_length_histogram.png查看图表 - 注意两个峰值——这显示物种具有不同的花瓣长度
步骤 8:第四次 Vibe - 散点图
散点图显示两个变量之间的关系。
- 在 Claude Code 终端中,输入:
创建散点图，花瓣长度在 x 轴，花瓣宽度在 y 轴。使用不同颜色按物种为每个点着色。添加图例显示哪种颜色对应哪个物种。保存为 petal_scatter.png。将此添加到 iris_exploration.py
- 按 Enter
- Claude 创建散点图
- 打开
petal_scatter.png查看结果 - 注意三个物种形成不同的聚类
- Setosa(小花瓣)与其他物种明显分离
这就是 Vibe 编程的实际应用:描述可视化,测试,迭代。
步骤 9:第五次 Vibe - 箱线图
箱线图非常适合比较各组之间的分布。
- 在 Claude Code 终端中,输入:
创建箱线图比较三个物种的花瓣长度。将物种放在 x 轴，花瓣长度在 y 轴。每个物种使用不同颜色。添加标题。保存为 species_boxplot.png。将此添加到 iris_exploration.py
- 按 Enter
- Claude 添加箱线图代码
- 打开
species_boxplot.png查看比较 - 箱体显示每个物种的中位数和四分位数
- 你可以清楚地看到 Virginica 的花瓣最长
步骤 10:审查并提交
提交前先审查 Claude 构建的内容。
- 在 VS Code Explorer 中,点击
iris_exploration.py打开 - 浏览代码——注意导入、数据加载和绘图部分
- 你不需要理解每一行,但要了解结构
- 检查是否创建了所有 PNG 文件:
petal_length_histogram.png、petal_scatter.png、species_boxplot.png - 打开 GitHub Desktop
- 你将看到列出的所有新文件(Python 脚本和 PNG 图像)
- 在左下角的 Summary 字段中,输入:
Iris data analysis with histograms, scatter plots, and box plots
- 点击 Commit to main
- 点击 Push origin 备份到 GitHub
你已保存了第一个可用分析!
步骤 11:迭代并改进
Vibe 编程在迭代时更显威力。尝试通过描述来添加功能:
向 Claude 请求的示例:
- “添加相关性矩阵热图，显示四个测量值之间的关系”
- “创建小提琴图比较各物种的萼片宽度”
- “计算并显示花瓣长度和宽度之间的相关系数”
- “添加比较物种的统计检验结果（方差分析或 t 检验）”
- “创建配对图，显示所有变量关系并按物种着色”
每次成功添加功能后:
- 通过运行脚本测试
- 如果有效,使用 GitHub Desktop 提交
- 如果出现问题,告诉 Claude 错误并要求修复
- 修复后,提交可用版本
核心原则:
- 描述结果,而非实现 - 说”显示相关性热图”而不是”使用 seaborn.heatmap() 配合 df.corr()”
- 快速迭代 - 测试 → 完善 → 测试 → 完善
- 提交可用版本 - 在尝试新功能前保存每个成功
- 拥抱失败 - 如果 Claude 的代码出错,只需描述错误并要求修复
- 保持控制 - 你决定功能、优先级以及何时足够好
每次都遵循这个模式:描述 → 测试 → 迭代 → 提交。
下一步
- 尝试不同的数据集 - 要求 Claude 使用葡萄酒数据集、数字数据集或加载 CSV 文件
- 探索更多可视化 - 尝试热图、配对图或小提琴图
- 通过提问学习 - 当 Claude 编写代码时,询问”解释这一行的作用”来学习 Python
- 应用到你的数据 - 使用 Vibe 编程分析你的研究或工作数据
- 阅读有关 Vibe 编程的内容 - 访问 IBM 的指南了解更多
故障排除
- 图表未显示 - 代码将图表保存为 PNG 文件。在项目文件夹中查找并直接在 VS Code 中打开图像文件。
- 导入错误 - Docker 容器应该预装了 pandas、matplotlib 和 scikit-learn。如果没有,要求 Claude 使用 pip 安装它们。
- Claude 犯错误 - 正常!复制错误消息,粘贴给 Claude,并说”修复此错误。”Vibe 编程包括迭代和调试。
- 无法推送到 GitHub - 确保你已登录 GitHub Desktop 并发布了仓库(步骤 1)。检查互联网连接。
- 容器无法启动 - 确保 Docker Desktop 正在运行(绿色状态指示器)。尝试点击 VS Code 中的绿色图标并选择 Rebuild Container。
工作流程概述
本教程将几种技术组合成一个工作流程:
- GitHub Desktop - 具有可视化界面的版本控制(创建仓库、提交、推送)
- Docker 容器 - 预装所有依赖项的隔离 Python 环境
- VS Code - 连接到 Docker 容器的代码编辑器
- Claude Code - 根据你的描述编写 Python 代码的 AI 助手
- scikit-learn - 提供 Iris 数据集和机器学习工具
- pandas - 数据操作和分析
- matplotlib - 创建可视化
魔法不在于任何单一工具——而在于 Vibe 编程如何让你描述想要的内容并快速迭代。你在 20 分钟内从空项目到具有多个可视化的完整数据分析,而无需手动编写一行代码。
由 Steven Ge 创建于 December 11, 2025。