普通人AI编程指南：不会写代码，照样做出产品
先讲一个让我沉默了很久的事
前段时间，一个叫Stavros的希腊程序员写了篇文章，标题是《How I write software with LLMs》。
文章里有句话，我反复读了三遍：
“我以为我喜欢编程。后来发现，我喜欢的是做东西。编程只是手段。”
这句话击中了我。
因为我自己就是那种"不会写代码，但特别想做东西"的人。过去一年，我用AI搭了整个视频工厂的自动化流程——从选题到视频生成再到发布，中间涉及的脚本、API调用、数据处理，全是AI帮我写的。
一行代码我都没手打过。但每一个模块的逻辑，我比谁都清楚。
今天这篇文章，我想把我踩过的坑、学到的方法，加上两位顶级开发者（一位是Google Chrome工程师Addy Osmani，一位就是上面提到的Stavros）的实战经验，拆解成一套普通人也能用的AI编程方法论。
不贩卖焦虑，不吹神话。只讲：什么能做，什么不能做，怎么做成功率最高。
AI写代码到底靠不靠谱？
先说数据吧。
GitHub的统计显示，用Copilot的开发者任务完成速度提升了55%。84%的开发者已经在用或计划用AI编程工具。日常使用AI的开发者，代码合并请求（Pull Request）的数量比轻度用户多60%。
听起来很美对吧？别急。
同一份数据还显示：45%的开发者反映，调试AI生成的代码，有时比自己从头写还慢。
这就是AI编程的真实状态——它不是万能的，但对会用的人来说，确实是质变。
关键词还是"会用"。
Stavros在他的文章里说了一句特别到位的话：
“不同的人用LLM得到的结果，差异大得惊人。”
为什么有人用AI效率翻倍，有人觉得是垃圾？不是工具的问题，是方法的问题。
大佬们怎么用AI写代码？
第一条军规：先写需求文档，再动手
Google Chrome工程师Addy Osmani说得很直白了：
不要上来就跟AI说：“帮我写个xxx”。
他的第一步永远是：跟AI一起写一份详细的需求文档（他叫spec.md），包括要做什么、数据结构长什么样、边界情况有哪些、测试策略是什么。
这一步很多人跳过了。你以为在省时间，其实是在给自己挖坑。
你跟AI说"帮我做一个记账App"，AI确实能给你一坨代码。但这坨代码大概率是：功能零散、逻辑混乱、改一个地方崩三个地方。
正确的做法是——先花15分钟，用自然语言把你想要的东西写清楚。越具体越好：
- 这个App给谁用？
- 核心功能是什么？（记录收支 → 按类别统计 → 月度报表）
- 数据存在哪？（本地？云端？）
- 需要登录吗？
- 最小可用版本长什么样？
Addy Osmani说这就像"15分钟做一次瀑布开发"——快速但完整的规划，换来后面几小时的顺畅执行。
普通人翻译版：你去餐厅不会只说"给我来点吃的"。你会说"一碗兰州拉面，细面，辣，加个蛋"。跟AI编程也是一样的道理。
第二条军规：一次只做一件事
这是Addy Osmani反复强调的：
“LLMs do best when given focused prompts: implement one function, fix one bug, add one feature at a time.”
你不能把一整个App丢给AI说"帮我做完"。结果会是什么？有人形容得很精准：
“像10个开发者同时在写代码，但互相没说过一句话。”
正确的做法：把大项目拆成小步骤，一步一步来。每一步都确认没问题了，再进入下一步。
第三条军规：让不同的AI互相检查
这是Stavros的"杀手锏"，也是我觉得最有价值的一条。
他的工作流是这样的：
- 架构师（用Claude Opus）：只负责设计方案，不写代码
- 开发者（用Claude Sonnet）：拿着方案写代码
- 审查员（用OpenAI Codex + Google Gemini + Claude Opus）：三个不同公司的AI分别审查代码
为什么要用不同公司的AI来审查？因为同一个模型审查自己写的代码，就像让学生批改自己的试卷——自己的错误自己看不见。Stavros管这叫"自我认同偏差"（self-agreement bias）。
普通人翻译版：你写完一篇文章，自己读三遍还是觉得没问题。发给朋友一看，错别字一堆。AI也一样——自己查不出自己的毛病，要找"外人"来查。
普通人的真实战绩
别觉得这只是程序员的游戏。2025-2026年，有一大堆非程序员用AI做出了真东西：
叶剑锋——一个文科大学生，零编程基础。用AI开发了一款情感测评小程序，上线后阅读量破100万，两周变现12,000元。
Blake——本科毕业，完全不会编程。用ChatGPT写Swift代码，两年做了三款App，年收入破千万美元。
成都博主郭郭——31岁，没有编程基础。用AI对话的方式"口述需求"，做出一款自律打卡App，不到两个月，卖了850单，收入近9,000元。
这些人有一个共同点：他们不懂代码，但他们非常清楚自己要做什么。
哪些事AI能做，哪些做不了？
✅ AI很擅长的：
- 写前端页面（HTML/CSS/JavaScript）
- 写后端API接口
- 写数据处理脚本
- 重复性代码（增删改查）
- 写测试用例
⚠️ AI凑合能做，但你得盯着：
- 复杂业务逻辑
- 数据库设计
- 跨系统集成
❌ AI目前做不好的：
- 复杂系统架构设计
- 高安全级别的系统（AI写的代码安全漏洞率高达70%）
- 大规模遗留代码维护
- 性能优化的微调
Stavros说得很到位：
“在我懂的技术领域，AI写出来的代码质量比我手写的还高。但在我不懂的领域，代码很快就变成一团乱麻。”
翻译：你懂的领域，AI是放大器。你不懂的领域，AI是放大镜——放大的是你的无知。
普通人立刻能用的"五步法"
Step 1：想清楚你要什么（20分钟） 用大白话写清楚：这东西给谁用？核心功能是什么？参考产品是什么？
Step 2：跟AI一起做需求文档（30分钟） 让AI帮你补充完善、找漏洞、定MVP范围。
Step 3：让AI制定开发计划（10分钟） 拿着需求文档，让AI把开发拆成5-10个小步骤，每个步骤独立可测试。
Step 4：一步一步执行（核心时间） 按计划来，遇到bug，把错误信息直接丢给AI让它修。
Step 5：找不同的AI审查（20分钟） 把代码丢给另一个AI，让它找bug和安全问题。
关于"Vibe Coding"，我的真实看法
2025年初，Andrej Karpathy造了一个词叫"Vibe Coding"——氛围编程。这个概念火了，也害了不少人。
很多人理解的Vibe Coding是：完全不看代码，AI说什么就是什么。
结果呢？一堆人把有安全漏洞的代码推到了线上。2026年的数据显示，AI生成的代码已经造成了五分之一的安全漏洞事件。
我最早用Cursor，简直打开新世界的大门。但很快就陷入"一个bug反复来来回回折腾"“AI每次都说找着问题了但完全没有修改好"的状态。中途尝试过Windsurf，后来到了Claude Code，开始慢慢学会如何跟模型沟通。再也不会一上来说"给我开发个CMS”，而是把项目拆成小块，小步慢跑。
Vibe Coding不是不看代码。它的正确理解是：你不需要能手写每一行代码，但你必须能理解代码在做什么。
就像你不需要会造车，但你必须会开车——得知道什么时候踩刹车。
写在最后
2026年的AI编程，既不是"人人都是程序员"的乌托邦，也不是"程序员全部失业"的末日。
它更像是一次工具革命——就像Excel让每个人都能做数据分析，AI编程让每个人都能把想法变成可运行的产品。
但工具终究只是工具。知道自己要什么的人，会用AI做出惊人的东西。不知道自己要什么的人，只会得到一堆精美的垃圾。
想清楚，说清楚，一步步来，找人帮你查。
十二个字，够用一辈子。
想清楚，说清楚，一步步来，找人查——这就是2026年AI编程的全部秘密。
感谢观看。