这是我"从零开始学AI"系列教程的第五篇。前四篇我们聊了 AI 是什么、Prompt 工程怎么入门、AI 写作怎么落地、AI 绘画怎么出作品。这一篇讲一件很多人以为"门槛很高"的事——AI 编程。

我必须先纠正一个偏见："不会写代码"在 2026 年已经不是 AI 编程的门槛了。这一年我用 Cursor、Trae、Claude Code 帮朋友做了博客、Chrome 插件、微信机器人、内部工具、小程序原型——他们当中没有一个是程序员。我自己写代码写了十多年，但 AI 编程真正颠覆的是"非程序员也能做出能用的东西"这件事。

这一篇我会用最接地气的方式讲清楚五件事：AI 编程现在能做什么、选哪个工具、怎么用自然语言让 AI 帮你写代码、8 个最容易踩的坑、以及 6 个可以立刻动手做的小项目。读完后，你应该能用一个下午，做出第一个"能跑的工具"。

系列说明：这是"从零开始学AI"系列第 5 篇，共 7 篇。每篇都能独立阅读，按顺序读会形成完整知识链。本篇承接上一篇 从零开始学AI（四）：AI绘画实战手册。下一篇 从零开始学AI（六）：AI视频和音乐创作实战 会在 7/14 发布。

一、先说结论：AI 编程不是"AI 替你写代码"

如果说 AI 写作最大的误区是把它当"代笔"，那 AI 编程最大的误区就是把它当"代写代码的程序员"——你什么都不懂，指望 AI 凭空给你一个完美产品。

AI 编程真正高效的用法，是"你当产品经理，AI 当程序员"。你负责想清楚"要做什么、长什么样、用户怎么用"，AI 负责把每一行代码写出来。中间的鸿沟靠两件事填：清晰的需求描述 + 一遍遍的迭代优化。

这背后有三个根本性变化：

1. 自然语言成了新的"编程语言"。以前你要学 Python、JavaScript、HTML 才能让电脑做事。现在你用中文说"做一个能记录我每天喝了几杯水的网页"，AI 就能生成对应的代码。这不是炫技——这是真正的范式转换。

2. 编程的瓶颈从"会不会写"变成了"想不想清楚"。代码语法、库文档、调用约定，这些让 90% 的初学者放弃的障碍，AI 已经替你跨过去了。但"我要做一个什么、为什么做、用户用它的核心场景是什么"——这些思考 AI 做不了，必须你来。

3. 软件开发的边际成本塌方式下降。以前做一个网站要请人、几万块、几个月。现在一个人加 AI 工具，一个周末就能出来。这对个人创作者、小老板、内部团队负责人意义巨大——你不再需要"等到攒够钱请外包"。

所以下次听到有人说"AI 编程还不行，生成的代码错太多"，你可以告诉他：他用错了 AI 编程的工作方式。AI 编程不是"一次性把活全干完"，是"你领着 AI 一步步干，干到你要的样子"。

二、AI 编程的边界：能做什么，不能做什么

在花时间动手之前，先把边界看清楚。

AI 编程现在能做的事

  • 写小工具脚本：批量重命名文件、Excel 数据处理、PDF 拆分合并、定时爬数据
  • 做个人网站 / 博客：HTML + CSS + 一点点 JS，AI 全包
  • 写 Chrome 浏览器插件：拦截广告、自动填表、网页内容提取
  • 做微信机器人 / 飞书机器人：自动回复、定时推送、内容聚合
  • 搭简单后端 API：用户登录、数据存储、调用大模型
  • 写前端组件：按钮、表单、数据可视化图表、对话框
  • 改别人的代码：看不懂的开源项目，让 AI 帮你逐行解释
  • 写测试用例、修 Bug：把代码丢给 AI，它能找出潜在问题

AI 编程现在还做不到的事

  • 大型复杂系统：并发用户上百万的电商中台、AI 编程还搞不定
  • 高精度领域：医疗、航空、金融核心交易系统，需要专业程序员兜底
  • 完全零沟通：你不告诉 AI 要什么，它只能猜，猜错率很高
  • 替代判断：架构选型、技术债务评估、要不要上某种新框架——这些要人决定
  • 理解隐含需求：领导说"做个简单点的版本"，AI 不知道他心里的简单是多简单

看清楚边界后，你会有一个合理预期：AI 编程能让你从"完全不会"变成"能做自己的小项目"，但不能让你一步登天变成架构师。

三、5 大主流 AI 编程工具怎么选？

工具不是越多越好。下面是我自己用了一年多、帮朋友也试过一轮的真实对比：

工具上手难度中文支持主力能力价格适合谁
Cursor低中全栈项目、IDE 体验丝滑$20/月（Pro）想把 AI 编程当主力的个人
Trae低强中文友好、字节出品免费 + 付费国内中文用户、非程序员
GitHub Copilot低中补全强、VS Code 生态成熟$10/月（个人）已经有 VS Code 习惯的人
Claude Code中中复杂逻辑、Agent 自主跑活$20/月（Pro）想让 AI 替你跑长任务
通义灵码低强阿里出品、企业级个人免费国内工作场景、JetBrains 用户

我的选择建议

  • 完全零基础 + 中文为主 → Trae。字节跳动 2024 年出的新工具，全中文，对话式让你感觉像在跟人聊天。免费版够用。
  • 有一点编程经验 / 想做复杂项目 → Cursor。过去两年最被推荐的 AI IDE，写大型项目体验最好，$20 一个月不便宜但值。
  • VS Code 重度用户 → GitHub Copilot。直接装 VS Code 插件，零学习成本。
  • 想让 AI 自主干一个完整任务 → Claude Code。Anthropic 出品，能开终端自己跑命令、写文件、改代码。但需要懂一点命令行。
  • 企业 / 保密场景 → 通义灵码。阿里出品，国内服务器，代码不出境。

一个真实建议：选一个主力 + 装一个备用就够了。主力用一周，感觉哪里不对劲，再用备用的思路试试。不要五个全开，搞得自己焦虑。

更多工具对比和选择细节，看 AI编程工具推荐 和 Cursor vs Trae vs GitHub Copilot 深度对比。

四、5 种"自然语言 → 可用代码"的范式

这是这一篇最值钱的章节。我把自己一年里用 AI 编程总结出的 5 种"工作流"写出来，任何一种都能直接抄作业。

范式 1：对话式生成（最常用）

适合场景：从零做一个小工具、个人项目。

工作流：

  1. 打开 Trae 或 Cursor
  2. 用中文描述你要做什么
  3. AI 生成完整代码
  4. 你本地运行、测试
  5. 把问题反馈给 AI，让它改

示例对话：

我想做一个 Python 脚本，能把 /Users/me/Downloads 目录下所有的 .pdf 文件按"年份-月份"分类到子文件夹里。比如 2024-03 这种格式的子文件夹。

  1. 用 pathlib 写，不要用老的 os.path
  2. 如果文件名里已经有年月信息（比如 IMG_20240315_xxx.pdf），用文件名的；否则用文件修改时间
  3. 加一个 --dry-run 参数，让我先看会怎么分类，不真动文件
  4. 出错的时候打印哪个文件出了什么问题，别让脚本整个崩

AI 生成 30 行 Python，你直接复制运行。

范式 2：补全式生成（专业程序员也用）

适合场景：你已经会写代码，AI 帮你提速。

工作流：

  1. 写一段代码，AI 自动补全下一行
  2. 注释写清楚意图，AI 根据注释生成实现
  3. 选一段代码，按 Ctrl+I 让 AI 重构

这是 GitHub Copilot 的强项。我现在写任何 Python / TypeScript 都开着它，能省掉 30% 的重复劳动。

范式 3：粘贴式改造（最快出活）

适合场景：网上看到一段代码，想改造成自己的。

工作流：

  1. 把代码 + 需求一起丢给 AI
  2. AI 输出改造后的版本
  3. 不懂的地方让 AI 逐行解释

示例：

这是我从 GitHub 找的一个 Chrome 插件代码，能在网页上加一个"翻译按钮"。我想改成：

  1. 按钮放在右下角，不要挡住内容
  2. 只在英文网页显示按钮
  3. 翻译成中文，调 Google 翻译 API

你帮我改一下，然后逐行解释每段在干什么，特别是 manifest.json 那一块。

范式 4：自主 Agent（最前沿）

适合场景：做一个完整的小项目，你不想一行行盯。

工作流：

  1. 给 AI 一个完整任务描述（PRD 级别）
  2. AI 在自己的沙盒里写代码、跑测试、改 Bug
  3. 你每过一阵看一次进度，给反馈

Claude Code 是这种玩法的代表。给它一句"做一个能记录每日饮水量的网页，用 HTML+JS+localStorage，要好看"，它能自主干完。但你需要懂"怎么看 AI 在干什么、哪里卡住了"。

提醒：这种模式最容易"看起来很牛但实际不行"——因为 AI 自己测试自己的代码，错的也看不出来。你必须亲自跑一遍，不然大概率交付的是"看起来对、跑起来崩"的代码。

范式 5：协作式编程（最适合团队）

适合场景：你 + 同事 + AI 三方协作做一个内部工具。

工作流：

  1. 同事写需求文档
  2. 你把需求丢给 AI 出初版代码
  3. 同事用 AI 写测试用例
  4. 你根据测试反馈让 AI 改

这种模式的好处是不再有"AI 代码不可信"的问题——因为有人专门写测试把关。我自己帮公司做内部工具时就这么干。

更多 AI 编程的基础知识，看 AI编程应用场景 和 AI怎么写代码。

五、6 个真实项目：跟着做一遍

这一节是作业。我把 6 个常见的、值得做的项目列出来，每一个都给出需求描述模板（照着发给 AI 即可）。别贪多，挑一个做完，再做下一个。

项目 1：个人博客（最简单）

目标：一个能写文章、有首页和文章页的静态博客。

发给 AI 的需求：

用 Next.js 14 + TypeScript 做一个个人博客，要求：

  1. 首页展示所有文章列表，按发布时间倒序
  2. 每篇文章有独立 URL，路径是 /posts/[slug]
  3. 文章用 Markdown 写，放在 content/posts/ 目录下
  4. 支持代码高亮（用 rehype-prism-plus）
  5. 页面要有 SEO meta 标签
  6. 简洁风格，不要花哨

跑起来之后，把你写的 3 篇文章放进去，就有自己的博客了。

项目 2：Chrome 插件（最容易出效果）

目标：一个能用的浏览器小工具。

示例 idea：网页上看到喜欢的句子，自动收录到 Notion / 语雀。

发给 AI 的需求：

做一个 Chrome 插件，manifest v3。当用户选中网页上的文字时，弹一个"保存到 Notion"的小按钮。

  1. 点击后调用 Notion API，把选中的文字 + 当前网页 URL + 时间戳保存到我的"收藏"数据库
  2. Notion API key 用 chrome.storage 保存，不要写在代码里
  3. 保存成功后给一个 toast 提示
  4. 不要收集任何用户数据

项目 3：数据处理脚本（最实用）

目标：处理一份 Excel / CSV 给你看明白。

示例：把销售 CSV 按地区分组，算出每月销量，写成汇总 Excel。

发给 AI 的需求：

写一个 Python 脚本，读取 /Users/me/sales.csv（包含 date、region、amount、product_id 四列）：

  1. 按 region 分组
  2. 算每个 region 每月的 amount 总和
  3. 输出 summary.xlsx，每个 region 一个 sheet
  4. 用 pandas + openpyxl
  5. 加 type hints
  6. 加 if name == "main" 入口

项目 4：微信/飞书机器人（最容易出"哇塞"效果）

目标：一个能自动回复的机器人。

发给 AI 的需求：

用 Python + itchat（微信）或飞书开放平台，做一个机器人：

  1. 收到消息后调用我配置的 LLM API（你给我留个接口）
  2. 把 AI 回复发给用户
  3. 支持私聊和群聊（群聊要 @机器人 才回复）
  4. 加一个白名单，只有白名单里的用户能调机器人

警告：itchat 现在不太稳定，建议优先考虑企业微信或飞书。

项目 5：内部数据看板（最有商业价值）

目标：一个能在公司内网展示业务指标的网页。

发给 AI 的需求：

用 Next.js + Tailwind + recharts 做一个销售看板，要求：

  1. 从 /api/metrics 拉数据（接口你自己 mock 一个返回 JSON 的）
  2. 顶部四个数字卡片：今日订单、今日 GMV、本月订单、本月 GMV
  3. 中间一个折线图：最近 30 天 GMV 趋势
  4. 右边一个表格：今日 Top 10 商品
  5. 整体风格参考 Linear / Vercel 官网，极简、深色

项目 6：微信小程序原型（最有产品感）

目标：一个能跑通的小程序 demo。

发给 AI 的需求：

用微信小程序原生语法做一个"每日打卡"小程序：

  1. 首页是今天的打卡状态 + 打卡按钮
  2. 打卡按钮点击后记录到本地 storage
  3. 第二页是历史打卡日历
  4. 颜色用莫兰迪色系，不要大红大紫
  5. 加简单的动效，不要花哨

⚠️ 重要提示：上面这些需求描述模板都可以直接复制，但你必须根据自己的真实需求改一改再发给 AI。直接复制粘贴的代码，大概率不会完美匹配你的具体情况。

六、8 个新手最容易踩的坑

下面 8 个坑都是我帮朋友 debug 时见过的真实案例。提前看一眼能省你一下午。

坑 1：需求太模糊

症状：你说"帮我做个网站"，AI 给你一个完全不是你想要的。

解法：用 5W1H 描述需求——谁用、做什么、长什么样、有什么约束、什么时候要。

坑 2：一次要太多

症状：你让 AI"做一个完整的电商网站"，它给你一堆看起来对、跑起来全是错的代码。

解法：拆小。先做登录、再做商品列表、再做购物车、再做支付。每一步独立调试、独立跑通。

坑 3：没装环境就开干

症状：AI 给你 Python 代码，你电脑没装 Python；给你 React 代码，你电脑没装 Node。

解法：动手前先确认工具装好了。Mac 自带 Python 但版本旧，Windows 完全没装。Node.js 推荐装 LTS 版。装好后跑一个最简单的 hello world 确认 OK。

坑 4：完全不读代码就运行

症状：AI 生成一段看似无害的脚本，你点了运行，结果把你所有文件删了。

解法：永远先读一遍再运行。特别是涉及 rm、del、DROP、sudo、chmod -R 这种命令的。

坑 5：装了一堆依赖忘了管

症状：你装了 20 个 npm 包，不知道哪个是干嘛的，三个月后依赖冲突。

解法：用 requirements.txt（Python）或 package.json（Node）记录依赖。每次装新东西后跑 pip freeze > requirements.txt。

坑 6：把 API key 提交到 Git

症状：你写代码时把 OpenAI API key 写在了文件里，push 到 GitHub，被人扫走刷了几千块。

解法：

  1. API key 永远放 .env 文件
  2. .env 加进 .gitignore
  3. 代码里用 os.getenv("OPENAI_API_KEY") 读
  4. 万一泄露了，立刻去 OpenAI 后台 revoke 那个 key

坑 7：以为 AI 永远对

症状：AI 写的代码你直接信，结果有 Bug 损失数据。

解法：核心逻辑（涉及钱、数据、安全）一定要写测试，或者让另一个 AI 帮你 review。

坑 8：用 AI 编程逃避学基础

症状：你想做一个网站，AI 出了一堆代码，你完全不懂，也不想懂，下一次需求变了全乱套。

解法：每周抽 30 分钟读 AI 写的关键代码，弄清楚它在干什么。不求写得出，但求看得懂、改得了。这是 AI 编程时代的"半文盲"和"准程序员"的分界线。

七、安全与合规：AI 编程的红线

这一节请认真读，因为搞不好会丢工作 / 吃官司。

代码归属

  • 你用 AI 写的代码，一般归你所有（具体看工具的用户协议）
  • 不要用 AI 生成你明知是别人版权代码的"翻版"
  • 商业项目交付前，建议在合同里写明"使用了 AI 辅助开发"

数据隐私

  • 不要把公司的机密代码 / 客户数据 / 内部文档丢给公共 AI
  • 商业场景用 GitHub Copilot Enterprise 或 Cursor Business 这类企业版，数据不进训练
  • 涉及个人隐私（身份证号、人脸、医疗记录）的代码，不要让 AI 看原始数据，让它只处理脱敏后的版本

安全漏洞

  • AI 写的代码可能有安全漏洞（SQL 注入、XSS、CSRF）
  • 上线前过一遍 OWASP Top 10 检查清单
  • 涉及用户输入、文件操作、网络请求的代码，最好让专业程序员 review 一下

不要用 AI 做的事

  • 写加密算法（用现成的库）
  • 写支付相关逻辑（用 Stripe / 支付宝 SDK）
  • 写医疗 / 金融的核心业务代码（必须专业程序员）

八、下一步：让自己从"能用"到"好用"

读完这一篇，你已经能做出"能跑的小项目"了。但如果你想让 AI 编程真正成为你的核心竞争力，再做三件事：

1. 学一点编程基础：不求精通，至少懂变量、函数、循环、条件判断、文件读写。推荐 AI怎么写代码 的基础部分。

2. 形成自己的"提示词模板库"：把每次成功的需求描述存起来，下次直接复用。我自己有个 Notion 笔记专门记这些。

3. 加入一个社区：中文推荐 Cursor 中文社区、Trae 用户群，遇到问题搜一搜，往往已经有人踩过同样的坑。

如果你已经做完了一个项目，下一步可以挑战 从零开始学AI（六）：AI视频和音乐创作实战——把编程 + 视频 + 音乐结合，做一些"以前根本不敢想"的小作品。

九、系列下一篇预告

下一篇我会讲 AI 视频和音乐创作——这是"从零开始学 AI"系列第 6 篇（7/14 发布）。重点聊：用 可灵、海螺、剪映 做短视频，用 Suno 写歌。会拆解一个完整工作流：写脚本 → AI 出画面 → AI 配音 → AI 配乐 → 剪辑。

如果你想用 AI 做出能跑的产品，今天这一篇就是起点。别等"想清楚了"再开始，先动手做再优化——这是我这一年用 AI 编程最深的体会。

系列导航：

相关阅读：