摘要：工具不用一开始就买全 很多人还没写第一行代码，就开始纠结 Cursor、Claude Code、Copilot、Codex 哪个更强。 入口文件在哪里 3. 前端页面和后端接口分别放在哪里 4. 如果我要加用户登录，可能涉及哪些文件
这一步的价值是让 AI 建立上下文，也让你确认它有没有看错项目。修改完成后告诉我改了哪些文件 4. 给出本地验证步骤
这类约束很重要。
很多人第一次接触 AI 编程，最容易犯的错误是：打开工具以后，直接输入一句“帮我做一个完整项目”。
结果通常有两种：要么 AI 生成一堆看起来很完整、但本地跑不起来的代码；要么你被几十个文件吓住，不知道该从哪里检查。
AI 编程不是把开发外包给一个聊天窗口。更现实的用法是：你仍然负责目标、判断和验收，AI 负责加速搜索、拆解、生成、修改和解释。
这篇文章讲一个普通程序员开始 AI 编程的最小路径。
不要从公司核心系统开始，也不要从“我要做一个 SaaS 平台”开始。
第一个练手项目最好满足三个条件：
比如：
项目越小，你越容易判断 AI 输出是否靠谱。AI 编程最怕的不是 AI 写错，而是你不知道它哪里写错。
很多人还没写第一行代码，就开始纠结 Cursor、Claude Code、Copilot、Codex 哪个更强。
我的建议是：先选一个能读代码、能改文件、能运行命令的工具，用它连续完成 3 个小任务。
你真正要练的不是某个按钮，而是这套流程：
工具会变，但这个流程不会很快过时。
很多 AI 编程失败，都是因为第一句话太急。
不要这样问：
帮我实现用户登录功能。
更好的问法是：
请先阅读当前项目结构，不要修改代码。 告诉我： 1. 这个项目使用了什么技术栈 2. 入口文件在哪里 3. 前端页面和后端接口分别放在哪里 4. 如果我要加用户登录，可能涉及哪些文件
这一步的价值是让 AI 建立上下文，也让你确认它有没有看错项目。
如果它连项目结构都说不清楚，后面生成再多代码也不值得信。
AI 最适合处理边界清楚的小任务。
比如“做登录系统”太大，可以拆成：
你可以这样问：
我要给这个项目增加一个最小可用的登录功能。 请先不要写代码，帮我拆成 5-8 个开发任务。 每个任务说明： 1. 要改什么 2. 涉及哪些文件 3. 如何验证完成
注意最后一句：如何验证完成。
没有验证方式的任务，AI 很容易写成“看起来完成”。
AI 可以一次改很多文件，但初学阶段不要这么用。
你可以要求：
请先只实现登录页面，不要修改后端。 要求： 1. 复用项目现有样式 2. 不新增 UI 库 3. 修改完成后告诉我改了哪些文件 4. 给出本地验证步骤
这类约束很重要。它能减少 AI 自作主张：
AI 编程的核心技巧不是“提示词越长越好”，而是边界越清楚越好。
很多人遇到报错，只复制最后一行。
这会让 AI 猜。
更好的做法是给完整信息：
我运行 npm test 后失败，下面是完整输出。 请先分析原因，不要直接改代码。 请说明： 1. 失败的是哪个测试 2. 根因可能是什么 3. 你建议先检查哪个文件 <粘贴完整报错>
如果是前端页面，还可以补充：
AI 很擅长解释报错，但前提是你给的信息够完整。
AI 写完代码不代表任务结束。
你至少要做 4 件事：
可以这样追问：
请总结本次修改： 1. 改了哪些文件 2. 实现了哪些行为 3. 有哪些潜在风险 4. 还缺哪些测试
这一步能逼 AI 从“写代码模式”切回“交付模式”。
第一，需求太大。
“做一个电商系统”不是好任务。“给商品列表增加关键词搜索”才是。
第二，不让 AI 读上下文。
没有上下文，AI 只能按通用经验写代码，很容易和项目现有结构冲突。
第三，不看 diff。
AI 可能为了一个小功能改动很多地方。你必须知道它改了什么。
第四，不跑测试。
不能验证的 AI 编程，只是更快地产生不确定性。
第五，不沉淀提示词。
每次临时问一句，效率提升有限。真正有用的是把需求分析、开发、测试、上线都做成固定流程。
如果你今天想开始，不要再研究工具测评。
直接找一个小项目，让 AI 做这件事：
请阅读这个项目，帮我找一个适合 AI 练手的小功能。 要求： 1. 一天内能完成 2. 风险低 3. 可以本地验证 4. 最好能补充测试 请输出 3 个候选任务，并说明推荐顺序。
这比让 AI 直接写项目更有价值。
AI 编程的入门标准，不是“能不能让 AI 生成一个项目”，而是你能不能把一个小需求从分析、修改、测试到验收完整跑通。
先跑通一个小闭环，再追求复杂项目。
后面我会继续写如何使用 Skill、如何做需求分析、架构设计、代码开发、测试和上线部署。目标不是堆提示词，而是把 AI 编程变成一套能稳定交付的工作流。
暂无回复，快来抢沙发吧！
本次需消耗银元：
100
当前账户余额: 0 银元
这一步的价值是让 AI 建立上下文，也让你确认它有没有看错项目。修改完成后告诉我改了哪些文件 4. 给出本地验证步骤
这类约束很重要。
很多人第一次接触 AI 编程，最容易犯的错误是：打开工具以后，直接输入一句“帮我做一个完整项目”。
结果通常有两种：要么 AI 生成一堆看起来很完整、但本地跑不起来的代码；要么你被几十个文件吓住，不知道该从哪里检查。
AI 编程不是把开发外包给一个聊天窗口。更现实的用法是：你仍然负责目标、判断和验收，AI 负责加速搜索、拆解、生成、修改和解释。
这篇文章讲一个普通程序员开始 AI 编程的最小路径。
先准备一个足够小的项目
不要从公司核心系统开始，也不要从“我要做一个 SaaS 平台”开始。
第一个练手项目最好满足三个条件：
比如：
项目越小，你越容易判断 AI 输出是否靠谱。AI 编程最怕的不是 AI 写错，而是你不知道它哪里写错。
工具不用一开始就买全
很多人还没写第一行代码，就开始纠结 Cursor、Claude Code、Copilot、Codex 哪个更强。
我的建议是：先选一个能读代码、能改文件、能运行命令的工具，用它连续完成 3 个小任务。
你真正要练的不是某个按钮，而是这套流程：
工具会变，但这个流程不会很快过时。
第一步：让 AI 先读项目，不要马上写代码
很多 AI 编程失败，都是因为第一句话太急。
不要这样问：
更好的问法是：
这一步的价值是让 AI 建立上下文，也让你确认它有没有看错项目。
如果它连项目结构都说不清楚，后面生成再多代码也不值得信。
第二步：让 AI 把需求拆成小任务
AI 最适合处理边界清楚的小任务。
比如“做登录系统”太大，可以拆成：
你可以这样问：
注意最后一句：如何验证完成。
没有验证方式的任务，AI 很容易写成“看起来完成”。
第三步：一次只让 AI 改一个小范围
AI 可以一次改很多文件，但初学阶段不要这么用。
你可以要求：
这类约束很重要。它能减少 AI 自作主张：
AI 编程的核心技巧不是“提示词越长越好”，而是边界越清楚越好。
第四步：把报错完整交给 AI
很多人遇到报错，只复制最后一行。
这会让 AI 猜。
更好的做法是给完整信息：
如果是前端页面，还可以补充：
AI 很擅长解释报错，但前提是你给的信息够完整。
第五步：每次修改后都要验收
AI 写完代码不代表任务结束。
你至少要做 4 件事：
可以这样追问：
这一步能逼 AI 从“写代码模式”切回“交付模式”。
新手最容易踩的 5 个坑
第一，需求太大。
“做一个电商系统”不是好任务。“给商品列表增加关键词搜索”才是。
第二，不让 AI 读上下文。
没有上下文，AI 只能按通用经验写代码，很容易和项目现有结构冲突。
第三，不看 diff。
AI 可能为了一个小功能改动很多地方。你必须知道它改了什么。
第四，不跑测试。
不能验证的 AI 编程，只是更快地产生不确定性。
第五，不沉淀提示词。
每次临时问一句，效率提升有限。真正有用的是把需求分析、开发、测试、上线都做成固定流程。
给你的第一个练习
如果你今天想开始，不要再研究工具测评。
直接找一个小项目，让 AI 做这件事：
这比让 AI 直接写项目更有价值。
最后
AI 编程的入门标准，不是“能不能让 AI 生成一个项目”，而是你能不能把一个小需求从分析、修改、测试到验收完整跑通。
先跑通一个小闭环，再追求复杂项目。
后面我会继续写如何使用 Skill、如何做需求分析、架构设计、代码开发、测试和上线部署。目标不是堆提示词，而是把 AI 编程变成一套能稳定交付的工作流。