非技术人用 AI 编程的正确姿势

我是一个没有科班背景的人。软件测试出身，后来做项目经理，考了 PMP，带过 10+ 人的团队。2023 年以前，我的代码能力大概止步于写 SQL 查数据和改几个 HTML 标签。

2024 年，我选择用 AI 法律产品创业——一个纯业务背景的人，带着一个技术团队，做了一款 AI 产品。那段经历让我看清一件事：决定产品上限的不是代码写得有多好，而是对问题的理解有多深。

创业结束后，我决定自己动手。不是去学四年计算机，而是用 AI 作为"编程伴侣"，直接搓产品。今天这篇就聊聊这个过程中我学到的东西。

AI 编程不是魔法，是杠杆

很多人对 AI 编程有两个极端认知：要么觉得 AI 能自动写出一切，躺着等收钱；要么觉得 AI 生成的代码质量差，根本上不了台面。

两个都不对。

AI 编程最准确的理解是：它是你的杠杆，不是你的替身。

我现在的日常工具链是 Cursor + Claude。Cursor 负责写代码时的实时补全和重构，Claude 负责架构设计、代码审查和复杂逻辑推演。两者配合，效率比纯手写高出 3-5 倍。

但前提是——你得知道自己要什么。如果连自己要做什么产品、解决什么问题都说不清楚，AI 也帮不了你。

一开始不要从零写。找现成的开源项目，理解大概结构，然后让 AI 帮你改成你要的样子。这个阶段的目标是建立"代码感觉"——知道什么代码大概写在什么文件里、HTML/CSS/JS 分别干什么用。

我的第一个小工具就是用这个方式做出来的。看到一个日历组件，让 Claude 帮我加上农历功能，再加上 iCal 导出。当时我甚至看不懂完整的代码，但我知道怎么描述需求。

当你改过几个项目后，开始能识别代码块的功能边界了。这时候要学会"拆"——把一个功能拆成 5-10 个小步骤，每一步让 AI 帮你写，写完验证再下一步。

关键技巧：遇到 Bug 不要直接说"帮我修"，而是把错误信息、相关代码、你预期的行为一起发给 AI。描述越精准，修复越快。

这个阶段容易踩的坑是"对话长度失控"。一次对话塞太多需求，AI 会遗忘上下文。我的习惯是：一个功能一个对话，完成后开新对话做下一个。

这是我现在在努力的方向。不再满足于让 AI 写出能跑的代码，而是开始理解代码的结构是否合理、有没有性能问题、安全性怎么样。

具体做法很简单：每次 AI 给出代码后，让它分行解释为什么这么写。听的次数多了，你自然能分辨什么是好代码。

1. 让 AI 一次性写太多。 有一次让 Claude 一口气写了整个支付流程，结果连错 5 次，每次都要从头排查。后来学会一个功能一个功能写，反而更快。

2. 完全信任 AI 的安全建议。 AI 不会主动提醒你"这个 API Key 不该硬编码""这个接口缺少权限校验"。安全相关的知识必须自己补。

3. 低估调试时间。 AI 生成代码可能只花 10 分钟，调试可能要 2 小时。这不是 AI 的问题——手写代码也如此。现在我的经验是：1:5 是合理的生成vs调试比例。

前几天有人问我："你觉得自己现在是程序员吗？"

我说不是。我仍然定义自己是"用 AI 做产品的人"。程序员的核心能力是写代码，我的核心能力是决定做什么、做成什么样、怎么让别人用起来。

AI 编程最大的意义不是让程序员失业，而是让有想法的人多了一条把想法变成现实的路。这条路不好走，但比从头学四年计算机快太多了。

如果你也是非技术背景在尝试用 AI 做东西，记住一句话：先做起来，再做好。