---

title: '如何学习本课程' description: '从自己的想法和真实问题出发，借助 AI 构建软件、交付用户并持续改进，成为 AI 原生时代的软件创作者。'

如何学习本课程

::: info 特别感谢 本教程的核心贡献者与测试者来自 清华大学深圳国际研究生院。感谢同学们在实际学习和操作中不断指出问题、提出建议并参与修改，让教程更清晰、更可靠，也更贴近初学者的真实需要。

同时感谢 OpenAI 为本教程开发提供的算力支持。 :::

以前想做软件，要先学编程语言和各种开发工具。现在不一样了。你可以直接告诉 AI 想做什么，让它帮你写代码、做界面、改功能。

从 Vibe Coding 到 Build Product

Vibe Coding 这个说法出现于 2025 年 2 月 2 日。 AI 研究者 Andrej Karpathy 用它来形容一种新的编程方式：你告诉 AI 想做什么，运行看看，再继续和它对话、修改。很多代码不需要自己一行一行写。

什么是 Vibe Coding？ 简单说，就是“用说话来编程”：描述想法，让 AI 生成程序，运行看看，再通过对话不断调整。

它最大的变化是：不会写代码的人，也可以开始做东西。几分钟内，你就可能做出一个小游戏、网页或者简单原型。

简单说，以前主要靠代码和计算机沟通，现在也可以直接和 AI 说话。

不过，能做出 Demo，不等于能做出真正的产品。你还要想清楚：

• 应该做什么，而不只是能做什么？
• 它为谁解决问题，用户真的需要吗？
• AI 生成的第一版，怎样变成稳定、清楚、可以持续修改的产品？
• 怎样把产品交给用户，而不只是在自己的电脑上运行？
• 怎样通过使用、反馈和付费，证明它确实创造了价值？

所以，会让 AI 写代码只是开始。

Coding 是把东西做出来。Build Product 还要继续往后走：

Coding：我能不能把它做出来？ Build Product：它值不值得做，谁会使用，我怎样把它交付出去，又怎样知道它真的有效？

Vibe Coding 是这门课的起点，但不是终点。我们会先做出东西，再去找用户、听反馈，一步一步把 Demo 变成真正能用的产品。

::: tip 这门课想带你做什么？ 这门课不只教你怎么使用 AI 编程工具。我们更希望你能成为一名 AI 原生时代的软件创作者：从自己的想法和真实问题出发，借助 AI 做出软件，交给别人使用，再根据反馈把它慢慢变好。

你不一定要先成为程序员，也不需要把自己限制在某个岗位里。重要的是，你能把脑中的想法变成真正可以运行、可以分享、可以帮助别人的东西。 :::

AI 让更多人可以成为软件创作者

这种变化也在影响公司里的岗位。比如，一些团队把既理解用户、又亲手做产品的人称为产品工程师。早在 2018 年，Intercom 就提出：工程师不应该只等别人写好需求，再照着做功能。他也要了解用户，参与产品判断，并继续改进自己做出来的东西。

AI 让做产品变快了。现在，一个人借助大模型和编程 Agent，就可以做原型、界面、前后端、测试和部署。因此，很多公司开始希望工程师多走一步：不只把功能做完，还要了解用户为什么需要它，以及做完以后有没有效果。

下面这些真实岗位，也能看出这种变化：

这些案例来自航空、法律、保险、金融合规、生物医药、工业、企业服务和 AI 基础设施等不同领域。

虽然岗位名字不同，但做事的方法很像：

• 不再等别人把需求写好，而是自己去了解用户的问题
• 不只做一个好看的 Demo，而是尽快拿给用户试
• 不只写某一部分代码，还要关心界面、后端、AI、部署和使用体验
• 不只看功能有没有上线，还要看有没有人用、有没有带来效果

有些产品工程师还会参与 Demo、PoC 和客户上线。他们需要让客户看懂这个产品有什么用，也要确认客户是不是真的愿意用。

这里说的“销售”，不是让每个人都去当销售员。它只是说：你要找到需要这个产品的人，听懂他的问题，把产品演示给他看，再确认他愿不愿意继续使用或付费。

当工程师开始直接进入客户的工作现场，这类岗位常被叫作 FDE。他们不会停在演示和安装软件这一步，而是先和客户一起找到问题，做出原型或 PoC，再把方案接入真实的数据和工作流程。很多客户反复遇到的问题，还会被带回产品，做成大家都能使用的功能。

OpenAI 也在多个国家和城市招聘 FDE。这个岗位不只看产品有没有部署，还会看客户是不是真的在用、工作有没有因此变好。客户现场的反馈，也会继续影响产品和模型。

当一个人不只负责做产品，还要自己找市场、做营销、销售和客服时，就很接近这里说的 OPC，也就是由一个人主导经营的公司。它不是完全由 AI 自动运行的“无人公司”。人仍然要联系用户、判断方向，并承担最后的责任；AI Agent 和各种在线服务，则像一支可以随时安排工作的数字团队。

一个人做产品，并不是 AI 出现以后才有的。独立开发者 Pieter Levels 就长期独自经营 Nomads.com、Remote OK、Photo AI 和 Interior AI 等产品。现在，AI 又能帮忙做设计、编程、内容、分析和客服，但产品有没有价值，最后还是要交给市场验证。

这种“一个人带着一支数字团队工作”的方式，也开始进入更多公司。2025 年，Microsoft 的 Work Trend Index 用 Agent Boss 来称呼那些会创建和管理 AI Agent 的人。报告调查了 31 个国家的 31,000 名工作者，其中 81% 的领导者认为，未来 12～18 个月会在工作中更多地使用 Agent。

2025 年 6 月，Wix 以约 8,000 万美元收购了自然语言应用开发平台 Base44。它让数据库、登录和部署这些原本需要多人完成的工作，变得更简单，也更容易自动完成。

这些变化不是在说每个人都要成为 FDE，或者马上去开一家公司。它们只是让我们看到：一个人已经可以负责更多事情，但做事的顺序没有变。还是要先找到真实问题，做出产品，交给用户，再根据结果继续修改。

这也是这门课会带你走完的过程：

发现问题 → 验证需求 → 设计方案 → 构建产品 → 交付用户 → 说明价值 → 观察结果 → 持续迭代

让 AI 写出代码只是第一步。后面你还会遇到很多问题：

• 怎么让 AI 写出干净、能维护的代码？
• 怎么把零散的代码拼成一个能跑的应用？
• 怎么让应用真正上线、被人用到？
• 怎么把文本生成、图像识别这些 AI 能力装进你的产品？
• 怎么判断用户是否真的需要它，甚至愿意为它付费？

这门课会带你一个一个解决。

不管你是学生、老师、医生、工人，还是完全不懂技术的普通人，都可以先开始做。你不需要学几年编程，才有资格做自己的第一个产品。

AI 能帮你更快地做出来。但产品有没有价值，还是要看它能不能解决真实问题，有没有人愿意用。

学习路径：从体验 AI 编程到交付真实产品

为什么要用项目制来训练？

现实世界的挑战

原因其实很简单：按照大多数同学现在的状态，直接走入职场，很可能会在真实项目和老板 / 客户的“社会毒打”下寸步难行。现实世界更常见的场景是：

你的导师 / 老板：我们要做一个 xxx，目标是达到 yyy 的效果。

文档？现成框架？详细的需求说明？很多时候都不存在。

真实工作中的许多任务，本质上就是在高度不确定的环境下解决从未见过的问题：需求是模糊的，边界是变化的，没人告诉你标准答案，你需要自己查资料、做实验、搭原型、不断迭代，最后给出一个“能跑、能用、能上线”的解决方案。

这门课想做的，就是在一个相对安全的环境里，提前给你一次“模拟社会毒打”：

• 通过看似有一定难度的项目任务，迫使你练习拆解问题、设计方案、自己寻找资料
• 通过不那么“傻瓜化”的脚手架和代码，让你学会阅读、理解和改造一份中大型代码库
• 通过从创意到上线的完整闭环，让你体验真实产品从 0 到 1 的完整过程

短期来看，这种训练确实比较折磨人；但从长期来看，它会极大提高你在求职和职业发展中的竞争力：你会更能扛事儿，更能在不确定环境中找到突破口，也更有能力把 AI 变成真正落地的产品，而不是停留在“玩玩 Demo”阶段。

提问的艺术：AI 时代的必备技能

在 AI 时代，提问也属于一种 “基本功”。同一份代码、同一个报错，你怎么提问，几乎决定了 AI 能给出怎样的答案：是泛泛而谈，还是一步一步给出可落地的改法。

养成好习惯：把“向 AI 提问”当成日常开发流程的一部分：遇到不懂、卡住的问题就立刻问。

为什么这是必备技能？

• 现实很少有完整文档：更多时候你面对的是不清晰的需求、半成品代码、零散的错误信息
• AI 是你随身的导师 + 同事：会提问的人，能把它变成“高质量的结对编程”
• 能力上限由沟通决定：你越能提供关键信息、越能约束输出格式，答案越可用

常见误区：只问一句“为啥报错？”通常只能得到一堆猜测。把上下文补齐，才会得到可执行的方案。

如何把信息"喂给"AI：截图 vs 复制粘贴

两种方式都可以，但用途不同：

::: danger ⚠️ 重要前提 并非所有 AI 都支持图片输入。 截图沟通需要 AI 具备多模态能力（即能够理解和分析图片）。目前支持图片输入的 AI 包括：Claude (Anthropic)、GPT-4V/GPT-4o (OpenAI)、Gemini (Google)、以及部分国产大模型如通义千问、文心一言等。

如果你使用的 AI 不支持图片输入，截图将无法被识别，此时请改用复制粘贴文字的方式沟通。 :::

让 AI “解释得很好”的提示词技巧

如果你不是只要答案，而是要“学会”答案。使用类似下面指令能显著提升解释质量：

学习型提问示例

• “请先用 5 句话讲清楚这个概念，再给几个问题提问我验证我理解对了没。”
• ”请你详细解释一下这个报错信息，我不理解为什么会报错。”

坚持了好久还是搞不定，我想放弃了

也许是你坚持的方法不对。不要一个人在黑暗中硬撑，可以来跟作者和助教们聊聊：把你已经尝试过的方法、遇到的具体卡点、和你目前的心理状态，坦诚地说出来。很多时候，只要稍微调整一下方向、补上一个关键知识点，你就能继续往前走。

我觉得教程有的设计不合理

欢迎随时联系作者、提交 issue，或者在群里 / 课堂上直接反馈。我们非常希望和你一起把这套教程打磨得越来越好：哪里不清晰、哪里体验不好、哪里让你白费力气，都可以坦诚指出来。越真实、越具体的反馈，越能帮助后来者少踩坑。

Reference

• 南京大学 计算机科学与技术系 计算机系统基础 课程实验