普通人AI编程指南
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”。
（哈哈咱们刚开始作为新手可不就是这样嘛……）
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.” （AI在聚焦的指令下效果最好：一次实现一个函数，修一个bug，加一个功能。）
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。”
乱成一锅粥。
正确的做法：把大项目拆成小步骤，一步一步来。
第1步：搭建基础框架 → 测试 → 通过 第2步：实现核心功能A → 测试 → 通过 第3步：实现核心功能B → 测试 → 通过 ……
每一步都确认没问题了，再进入下一步。像搭积木一样，一块一块往上加。
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。规划好每个文件、每个函数该做什么。
- 开发者（用Claude Sonnet）：拿着方案写代码。快速、高效。
- 审查员（用OpenAI Codex + Google Gemini + Claude Opus）：三个不同公司的AI分别审查代码，找bug、找逻辑漏洞。
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）。
用不同的模型交叉审查，相当于请了三个完全不认识的同事帮你review。找出问题的概率大幅上升。
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（AI约会助手、颜值打分器、卡路里计算器），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。
需求清晰 + AI执行 = 产品落地。
而那些失败的案例呢？大多数死在一个地方：自己都不知道想要什么，就指望AI帮你想清楚。
AI是工具，不是产品经理。
哪些事AI能做，哪些做不了？
这张表请存下来，没准以后用得到：
✅ 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
- 写小工具、小程序
- 写自动化流程
- 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（容易出现微妙的逻辑错误）
- 数据库设计（能用，但不一定最优）
- 跨系统集成（容易遗漏边界情况）
❌ AI目前做不好的：
- 复杂系统架构设计（这是人类工程师最核心的价值）
- 高安全级别的系统（支付、医疗、金融——AI写的代码安全漏洞率高达70%）
- 大规模遗留代码维护（缺乏业务上下文理解）
- 性能优化的微调（AI写的代码往往"能跑但不快"）
Stavros说得很到位：
“在我懂的技术领域（比如后端），AI写出来的代码质量比我手写的还高。但在我不懂的领域（比如移动端），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"
如果你是非程序员，想用AI做一个小工具或小产品，按这个流程走，成功率最高：
Step 1：想清楚你要什么（20分钟）
打开一个文档，用大白话写清楚：
- 这东西给谁用？
- 核心功能是什么？（最多3个）
- 最简单的版本长什么样？
- 参考产品是什么？（截图或链接）
Step 2：跟AI一起做需求文档（30分钟）
把Step 1的内容发给AI（Claude或ChatGPT都行），让它帮你补充完善：
- “帮我把这个想法整理成一份详细的需求文档”
- “有哪些边界情况我没考虑到？”
- “最小可行版本（MVP）应该包含哪些功能？”
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）
按计划一步步来。每完成一步，测试一下，确认没问题再继续。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）
全部功能做完后，把代码丢给另一个AI（比如你用Claude写的，就用ChatGPT审查），让它找bug和安全问题。
这个方法不保证你能做出下一个抖音，但做一个能用的小工具、小程序、个人网站、自动化脚本——完全够了。
关于"Vibe Coding"，我的真实看法
2025年初，OpenAI创始成员Andrej Karpathy造了一个词叫"Vibe Coding"——氛围编程。意思是你不用看代码，只需要描述需求，看结果，感觉对了就行。
这个概念火了。
但说实话，它也害了不少人。
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。
我最早用的是Cursor，那简直，打开新世界的大门：什么？只用描述就能看到代码一行一行跑，简直爽呆了！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是完全没有修改好”的状体。羞愧地说，我自己还熬过几个通宵，上瘾又没实质性地做出东西。中途还尝试过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，给它足够的信息，小步慢跑。
还有一个小tips： 我是做内容的，主要做视频。所以我的需求其实非常固定：选题、脚本、提示词、素材生成、音乐生成、剪辑。我干脆将每一个任务，都先做成脚本，在程序稳定跑了之后，最后将所有的整合在一起，形成流水线。这样比一上来就开发要稳健得多。
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。
Stavros虽然"从没读过自己大部分项目的代码"，但他说自己"对每个项目的架构和内部运作了如指掌"。这是关键区别——不看代码 ≠ 不懂代码在做什么。
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