# 不会写代码，也能用 AI 构建软件：AI Coding 零基础教程前言

![AI Coding 零基础实战教程封面](../assets/cover-00-ai-coding-intro.png)

很多人一听到“做软件”，第一反应还是：我不会写代码，应该跟我没关系。

但 AI Coding 正在改变这件事。现在，一个没有系统学过编程的人，也可以用自然语言描述需求，让 AI 帮自己完成需求拆解、技术选型、代码实现、调试修复和上线交付。

这套教程要讲的，不是“如何三天速成程序员”，而是一个更现实、也更有价值的问题：

> **普通人如何学会指挥 AI，把一个想法变成真正能运行的软件。**

## 一个更接近未来的工作方式

想象一个产品经理小王。他完全不会写代码，但他想做一个团队内部的书签收藏工具：支持按标签分类、关键词搜索、多人共享。

如果放在过去，他大概率会卡在第一步：不知道该学哪门语言，不知道前端后端是什么，也不知道数据库、部署、接口这些词到底怎么串起来。

但在 AI Coding 的工作流里，他可以先做另一件事：**把自己想要的产品讲清楚**。

他说：

> 帮我做一个团队内部的书签收藏工具，支持标签分类、搜索和多人共享，界面要简单，适合非技术同事使用。

AI 可以继续追问细节，帮他拆需求、画数据结构、生成项目骨架、实现页面、修复报错，甚至写部署文档。小王不需要一开始就掌握所有语法，他要先学会的是：

- 如何描述清楚目标
- 如何判断 AI 给出的方案是否靠谱
- 如何一步步验收功能
- 如何在报错时让 AI 定位问题
- 如何把一次性对话变成稳定的开发流程

这就是 AI Coding 和传统编程学习最大的差别。

## AI 编程不是不用学习，而是学习重点变了

传统路径通常是：

```text
学语法 -> 刷练习 -> 做小项目 -> 学框架 -> 学部署 -> 尝试做产品
```

AI Coding 的路径更像：

```text
定义目标 -> 拆解需求 -> 让 AI 实现 -> 人来验收 -> 反复迭代 -> 交付产品
```

这并不意味着“完全不用学习”。恰恰相反，你仍然需要建立基础认知，只是学习重点发生了变化。

你不必从第一天就背语法细节，但你需要理解：

| 过去更重要 | 现在更重要 |
| --- | --- |
| 记住语法 | 说清楚需求 |
| 手写每一行代码 | 拆解任务并验收结果 |
| 单点调试能力 | 借助 AI 做系统化排查 |
| 只关注实现 | 同时关注产品、数据、交互和部署 |
| 自己从零摸索 | 让 AI 成为工程搭档 |

换句话说，AI 没有让学习消失，而是把门槛从“先成为程序员”降低到了“先成为一个清楚表达问题的人”。

## 这套教程适合谁

这套教程面向真正的零基础读者。你不需要提前会 Python、JavaScript、数据库或算法。

你只需要具备三件事：

- 基本电脑操作能力：会安装软件、管理文件、使用浏览器
- 清晰表达能力：能说清楚自己想做什么
- 愿意动手试错：能接受 AI 会犯错，自己也会踩坑

如果你是产品经理、运营、设计师、创业者、学生，或者只是有一个想做的小工具，这套教程都能帮你建立第一套 AI 编程工作流。

## 学完以后，你应该能做到什么

学完这套教程，你不一定会立刻变成资深工程师，但你应该能做到这些事：

| 能力 | 具体表现 |
| --- | --- |
| 理解 AI 编程 | 能解释 Vibe Coding、Agentic Engineering、SDD 等核心概念 |
| 使用主流工具 | 能用 Claude Code、Codex Desktop 等工具完成真实开发任务 |
| 选择合适模型 | 能根据任务类型选择 Claude、DeepSeek、千问等模型 |
| 构建可复用流程 | 能通过 Skills、MCP、项目规范提升 AI 协作效率 |
| 独立完成小项目 | 能从想法出发，做出一个可运行、可演示的 Web 应用 |

最重要的是，你会开始理解：软件开发不只是写代码，而是一套从想法到交付的系统工程。

## 推荐学习路径

这套教程会按照从浅到深的顺序展开：

```text
环境准备
  -> AI 编程基础理论
  -> 工具生态与模型选择
  -> Claude Code 深度使用
  -> Skills 技能系统
  -> 完整项目实战
  -> 独立项目练习
  -> Codex Desktop 使用
```

你可以把它理解为一条“新手上路路线图”：先把工具装好，再理解概念，然后通过真实项目把方法跑通。

## 我的建议：不要只看，要立刻动手

AI Coding 最怕的一种学习方式，就是只收藏、不实践。

这类工具只有在真实任务里才会暴露问题：环境变量怎么配、依赖为什么装不上、AI 为什么误解需求、代码为什么跑不起来、如何让它一步步修。

所以建议你按下面的节奏学习：

1. 每看完一节，立刻打开电脑跟着做一遍
2. 每遇到一个报错，把报错原文交给 AI 分析
3. 每完成一个功能，自己手动验收一遍
4. 每做完一个小项目，写一份复盘：哪里顺、哪里卡、下次怎么改

不用追求第一次就做得完美。AI 编程的核心不是“一次生成完美代码”，而是：

> **你能不能带着 AI 持续迭代，直到东西真的能用。**

这也是这套教程真正想帮你建立的能力。

下一章，我们先从最基础的环境准备开始，把你的 AI 编程工作台搭起来。