AI 编程 · 完整指南
AI 编程是什么？工具、学习路线与实战方法
这不是一份工具广告，而是一张完整地图：AI 编程能解决什么问题、项目应该怎么做、零基础从哪里开始，以及哪些结果必须由人来验收。
一句话答案：AI 编程，是让大模型参与需求理解、方案拆解、写代码、调试、测试和审查的开发方式。它降低了“从想法到第一版”的门槛，但不会替你承担需求判断、数据安全和最终验收。
AI 编程和传统编程有什么不同？
传统开发主要靠人查文档、写代码、排错。AI 编程把大量重复操作交给模型，人把更多精力放在“做什么、为什么做、做到什么程度算完成”。真正有效的用法不是一句话让 AI 写完整系统，而是把任务拆小，逐步生成、运行、检查和修正。
| 环节 | AI 擅长 | 人必须负责 |
|---|---|---|
| 需求 | 整理描述、补充问题、拆分任务 | 确认业务目标、优先级和边界 |
| 实现 | 生成代码、修改文件、解释项目 | 选择方案、控制改动范围 |
| 调试 | 分析日志、定位常见错误、提出修复 | 复现问题、判断修复是否符合业务 |
| 验收 | 生成测试、运行检查、整理结果 | 确认数据安全、体验和最终交付质量 |
AI 编程能做什么？
- 快速做出网页和小工具：个人主页、报名表、数据看板、内容工具和内部工作台。
- 改造已有系统：理解旧代码、增加功能、修复缺陷、补测试和整理文档。
- 处理重复工作：批量整理文件、转换数据、生成报表和连接不同 API。
- 辅助学习：解释代码、设计练习、根据报错给出排查路径。
- 支持团队研发：统一项目规则、代码审查、测试规范和知识沉淀。
它不适合在没有审查的情况下直接处理生产数据库、支付、隐私数据或高风险业务。越接近真实用户和真实资金，越需要权限控制、测试和人工复核。
常见 AI 编程工具怎么选？
| 工具形态 | 代表工具 | 更适合的场景 |
|---|---|---|
| AI 代码编辑器 | Cursor、TRAE | 新手入门、边看文件边修改、快速做第一版 |
| 终端编程智能体 | Codex、Claude Code | 理解完整项目、跨文件修改、运行命令和测试 |
| 开发平台助手 | GitHub Copilot | 代码补全、仓库协作、Issue 和 Pull Request 工作流 |
没有“所有人都该选同一个工具”的答案。零基础先选能看见文件和改动的界面；有项目经验后，再用终端智能体承接更完整的任务。企业团队还要额外评估账号权限、代码是否出域、审查流程和成本。
一套可复用的 AI 编程工作流
- 把目标写清楚：说明用户是谁、要解决什么问题、这次不做什么。
- 先出需求文档：明确页面、功能、字段和验收标准。
- 再出技术方案：确认技术栈、数据结构、文件范围和实施顺序。
- 按模块实现：每次完成一个能运行、能验证的小闭环。
- 用日志和测试定位问题：区分直接报错与业务逻辑错误。
- 人工验收后上线：检查数据、权限、移动端、性能和回滚方案。
我想做一个【具体产品】。用户是【目标用户】，核心场景是【使用场景】。
第一版只做【功能范围】，暂时不做【非目标】。
请先指出需求里不清楚的地方，确认后再整理 requirements.md；不要直接写代码。
第一版只做【功能范围】，暂时不做【非目标】。
请先指出需求里不清楚的地方，确认后再整理 requirements.md；不要直接写代码。
零基础学习 AI 编程的四个阶段
| 阶段 | 学习重点 | 可验收的结果 |
|---|---|---|
| 第 1 阶段 | 认识文件、页面、前后端、API 和数据库 | 能说清一个小系统如何运行 |
| 第 2 阶段 | 用 AI 做单页和简单交互 | 做出一个可打开、可操作的小工具 |
| 第 3 阶段 | 增加数据保存、接口和错误处理 | 完成一个有真实数据流的项目 |
| 第 4 阶段 | 测试、代码审查、部署和复盘 | 上线作品，并能解释关键设计 |
如果你正在从零开始，可以继续看AI 编程入门路线图和30 天 AI 编程学习计划。先把一个小项目做完整，比同时收藏几十个工具更有用。
最常见的五个误区
- 只写一句模糊提示词：目标和边界不清，生成结果自然反复返工。
- 一次让 AI 做完整系统：改动太大，出错后很难判断是哪一步坏了。
- 只看页面，不看数据：界面能点不代表写入、去重、权限和统计逻辑正确。
- 看到测试通过就直接上线：自动检查只能覆盖已定义的情况，业务验收不能省。
- 把密钥和客户数据直接贴给模型：敏感信息应脱敏，密钥应放在环境变量中，并限制权限。
AI 编程的核心能力，不只是“会用工具”
工具更新很快，真正能迁移的是四种能力：把业务问题说清楚、把大任务拆小、用证据定位错误、对最终结果负责。会写提示词只是起点，会验收才是分水岭。
骁哥（李骁）曾在腾讯、美团、字节从事一线技术工作，现在持续把真实项目里的需求梳理、调试、测试和部署过程做成公开课程与案例。这份指南也会随着工具和实战经验继续更新。
想从第一个项目开始？
免费领取《AI 编程上手地图》，按步骤完成工具准备、需求文档、项目实现和验收。
继续学习
常见问题
AI 编程是什么？
AI 编程是把大模型和代码工具用于需求理解、方案拆解、代码生成、调试、测试和代码审查的开发方式。人仍然负责目标、边界和最终验收。
零基础可以学 AI 编程吗？
可以。更稳的路径是先做一个小项目建立完整反馈，再围绕项目补 HTML、CSS、JavaScript、数据库和调试基础。
AI 编程会完全取代程序员吗？
AI 能减少重复编码，但需求判断、系统设计、风险控制、测试验收和业务责任仍需要人承担。会使用 AI 并能验证结果的人更有优势。
AI 编程工具怎么选？
新手可从界面直观的编辑器类工具开始；熟悉项目后再使用终端智能体处理跨文件任务。选择时要看项目类型、数据安全、团队规范和预算。
学习 AI 编程多久能做出第一个项目？
如果项目范围足够小，通常几天就能跑通第一版。真正稳定交付还需要持续练习需求拆解、调试、测试和部署。