---

title: '如何学习本课程' description: '从零开始学习发现问题、验证需求、构建 AI 产品并交付真实用户，逐步成长为能够对产品结果负责的产品工程师。'

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。👉 查看完整贡献者名单 :::

以前做软件，门槛很高：你要学习编程语言、开发工具和大量技术知识，才能把一个想法变成可以运行的程序。大语言模型和 AI 编程工具改变了这件事——人开始可以直接用自然语言描述意图，让 AI 帮助生成代码、搭建界面和修改功能。

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 用它描述一种新的编程方式：人主要通过自然语言告诉 AI 想要什么，观察运行结果，再继续对话和修改，而不必从头手写、理解和管理每一行代码。

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。

它最先带来的突破，是让更多人跨过了“不会写代码，所以无法开始”的门槛。一个没有编程经验的人，也可以在几分钟内做出小游戏、网页或可以演示的原型。

这是一个巨大的变化：人与计算机沟通的方式，正在从严格的编程语法延伸到自然语言。

但当“做出一个能运行的 Demo”越来越容易，新的问题就出现了：

• 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？

因此，Vibe Coding 并没有消除学习要求，而是改变并提高了要求。

只看 Coding，目标是让代码运行；真正 Build Product，则要对从问题到结果的完整过程负责：

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。我们会先让你快速做出东西，再逐步学习怎样选择问题、验证需求、设计方案、构建产品、接触用户和根据结果迭代。

::: tip 这门课真正想培养什么？ 这门课不只是教你使用 AI 编程工具，而是希望帮助你成为一名初步的产品工程师（Product Engineer）：能够发现问题、验证需求、亲手构建产品、交付真实用户，并根据结果继续迭代的人。 :::

为什么现在需要产品工程师？

产品工程师并不是 2026 年突然出现的新职业。

早在 2018 年，Intercom 就用 Product Engineer 描述一种具有产品所有权的工程师：他不只是实现别人已经设计好的功能，也要理解客户、参与产品判断，并持续改进自己交付的产品。

AI 带来的新变化，是大幅降低了“做出来”的成本，也让工程师有机会承担更多过去由不同角色分工完成的工作。借助大模型和编程 Agent，一个人更容易跨越原型、界面、前后端、AI 能力集成、测试和部署。于是，岗位要求也开始从“完成代码”继续向前延伸：直接理解用户、验证方案、推动采用，并对业务结果负责。

从“参与产品”到“负责结果”

下面是这条变化的几个真实时间点：

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。

::: details 调查的时间口径 本页于 2026 年 8 月 9 日 整理。带具体日期的 Ashby 招聘岗位，时间取自其公开招聘接口中的 publishedAt 字段；未展示发布日期的公司页面以本页核查时间为准。招聘页面可能在岗位关闭后失效。

以上内容是对一组真实岗位的观察，不是对整个就业市场的统计。它更适合说明 AI 原生公司和小型产品团队正在出现的能力方向，而不是说明所有公司都会取消产品、设计、工程和销售的专业分工。 :::

这些岗位正在发生什么变化？

• 工作的起点变了： 不再等别人写好需求，而是直接进入用户和业务现场发现问题。
• 原型的作用变了： 不只是展示技术，而是尽快交给用户，用来验证判断。
• 工程的边界变了： 从单一技术模块扩展到界面、后端、AI、部署和用户体验。
• 成功的标准变了： 从“功能上线”转向采用率、效率提升、转化率、收入和真实影响。
• 与销售的关系变了： 一部分产品工程师开始参与 Demo、PoC 和客户上线，用技术证明产品价值。

这里的“会销售”，并不是要求每个人都成为传统销售。对产品工程师来说，它首先意味着：能够找到可能需要产品的人，听懂他们的问题，演示解决方案，邀请他们使用，并验证他们是否愿意持续使用或付费。

Product Engineer、FDE 和 OPC 是什么关系？

这三个概念处在同一条能力链上，但并不是同一种东西。

可以把它们理解成三个逐渐扩大的圆：

Product Engineer：把产品做对并做出来 FDE：把产品带进客户现场并产生结果 OPC：用同一套能力经营一门完整生意

FDE：工程师开始进入客户现场

FDE 并不是只负责安装软件的实施人员，也不是只做演示的售前工程师。AI 公司的 FDE 通常要同时完成四件事：

1. 和客户一起找到最值得解决的问题。
2. 快速做出原型或 PoC，证明技术与业务价值。
3. 编写生产代码，把方案接入客户的真实数据和工作流。
4. 观察采用效果，把重复出现的需求沉淀成通用产品。

截至 2026 年 8 月，OpenAI 已经在多个国家和城市招聘 FDE，并把岗位成功标准写成生产采用率、可衡量的工作流影响，以及能够改变产品和模型路线图的现场反馈。这说明 FDE 正在从少数企业软件公司的特殊模式，扩展为 AI 落地的重要岗位形态。

OPC：一个人也可以拥有一支“数字团队”

这里说的 OPC，不特指法律意义上的“一人公司”，而是指 One-Person Company：由一个人主导经营，尽可能利用软件、AI Agent 和外部基础设施完成过去需要多人协作的工作。

它也不是完全由 AI 自动运行的“无人公司”。创始人仍然需要判断市场、承担责任、接触用户并做关键决策；AI 更像是一支可以被调度的数字团队。

这条趋势并非完全从 AI 开始。独立开发者 Pieter Levels 在自己的官网上介绍，他长期独自构建和经营 Nomads.com、Remote OK、Photo AI 和 Interior AI 等产品。AI 让这种模式能够进一步覆盖设计、编程、内容、分析和客服，但最终仍然要经过真实市场验证。查看 Pieter Levels 的项目记录

到了 2025 年，Microsoft 的 Work Trend Index 开始使用 Agent Boss 描述能够创建、委派和管理 AI Agent 的工作者。该报告基于 31 个国家的 31,000 名工作者调查，并显示 81% 的领导者预计未来 12～18 个月会把 Agent 中度或深度纳入 AI 战略。查看 Microsoft 2025 Work Trend Index

2025 年 6 月，Wix 以约 8,000 万美元收购自然语言应用开发平台 Base44。Base44 并不是严格意义上的 OPC，但它展示了一个重要基础条件：数据库、身份认证、部署等过去需要多种专业角色协作的工作，正在被对话式产品封装和自动化。查看 Wix 收购公告

因此，“第一家一人独角兽什么时候出现”目前仍然是一种预测，不应该被写成已经发生的事实。更值得初学者关注的现实变化是：一个人已经可以用更少的资金和团队，更快完成产品验证，并经营一门规模不大但真实赚钱的业务。

::: tip 为什么课程要同时讲这三条路径？ 无论你以后进入产品团队、成为 FDE，还是尝试经营自己的 OPC，起点都是同一套产品工程基本功：发现真实问题、做出最小产品、交给用户、说明价值，并根据使用和付费结果继续迭代。 :::

因此，这门课训练的不是几个彼此分开的职位，而是一次完整的产品循环：

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

当然，让 AI 写出代码只是第一步。要做出一个真正能用的产品，你还会遇到这些问题：

• 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？

这些问题将在这门课中找到答案。

不管你是学生、老师、医生、工人，还是任何一位对技术一窍不通的普通人，你都不需要先学几年编程，才能开始制作和验证自己的第一个产品原型。

AI 可以降低实现成本，但真正决定产品价值的，仍然是你能否发现真实问题，并把解决方案交到用户手里。

成长路径：从“会用 AI”到“成为产品工程师”

通过这个完整的学习路径，你将获得：

• Vibe Coding开发能力： 熟练使用 vibecoding 思维和 AI 编码工具，将开发效率提升数倍。不再需要死记硬背语法，而是学会如何引导 AI 生成高质量代码。
• 全栈开发技能： 从 UI 设计到前端实现，从数据库设计到 API 开发，从本地开发到云端部署，掌握现代 Web 应用的完整技术栈。
• AI 能力集成： 学会调用各类多模态 AI API，将文本、图像、语音等 AI 能力无缝集成到你的应用中，并通过 RAG 等技术构建智能化产品。
• 产品思维与运营能力： 从用户研究到需求拆解，从 MVP 设计到产品迭代，从支付集成到用户管理，形成完整的产品开发与运营闭环。

学完能做什么？

第一阶段：做出你的第一个产品原型

这个阶段适合完全没编程基础，或者只会一点点但不太自信的同学。你不用先学一堆理论知识，而是直接跟着做，在做的过程中学会用 AI 工具写代码。

学完你能：

• 用 AI 编程工具独立完成一个网页应用
• 把产品想法变成能点击、能交互的原型
• 给原型加上 AI 功能（比如文生图、智能对话）
• 遇到报错知道怎么排查和解决

简单说，就是能做出一个"能跑、能给别人演示"的东西。

我们可以先通过小游戏感受 AI 编程，然后学会用 AI 编程工具帮你写代码、改报错。接着从简单页面开始，逐步做出能交互的多页面应用，再加上文生图、智能对话这些 AI 功能。最后独立完成一个完整项目，让你的创意能够真正拥有落地的可能。

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