AI 编程入门导读：从会提需求到能验收产品
这篇导读帮助第一次接触 AI 编程的人建立正确的方法：明确目标，理解项目，小步实现，验证结果，再持续迭代。
门槛变了，不是多了个工具
过去，要把一个稍完整的产品从界面、数据到运行都做出来，通常需要掌握多个技术方向，或者依赖多人协作。现在情况正在变化：AI 编程智能体可以在你授权的范围内读取项目文件、修改代码、运行命令，并说明它改了什么。
于是，“做产品”最难的环节，正在从“我能不能亲手写出每一行代码”，逐渐变成“我能不能说清楚自己要什么、能不能判断方案是否合理、能不能检查结果有没有做对”。
这不是让你躺平，更不是让 AI 替你承担判断。它只是把更大的杠杆交到你手里：在工具和环境合适的情况下，一个人借助 AI 编程智能体，可以用更低的成本做出原型和小型产品。省下的是一部分重复劳动，不是你的判断力和责任。
一个最小例子：第一版只是起点
假设你想做一个“个人资料工作台”，用来整理学习笔记和收藏的文章。你希望它能录入资料、搜索内容、按标签筛选，并把数据保存在本地。
你可以把这些目标告诉 AI 编程智能体，让它先给出一个最小可运行版本。在合适的环境下，第一个页面可能很快就能跑起来，但它通常不是最终成品。
你可能马上发现：搜索没有结果、筛选按钮没有反应、刷新后数据丢失，或者界面在手机上无法正常使用。这时，真正重要的过程才刚开始。你需要亲自操作、指出问题、让 AI 修改，然后再次验证，直到结果符合预期。
代码可以由 AI 生成，但目标由你决定，结果也必须由你验收。你扮演的不是旁观者，而是需求提出者、决策者和最终负责人。
普通聊天 AI 和 AI 编程智能体有什么区别
普通聊天 AI 主要通过对话给你建议、解释和代码片段。它通常不知道你的完整项目结构，也不会自动把回答写进本地文件。
AI 编程智能体则可以在你授权的范围内读取项目、修改文件、运行命令并展示改动。Codex 是其中一种，但不是唯一选择。
判断一个工具能不能真正参与项目开发，重点不是看它是否会聊天，而是看它是否具备这些能力：
- 能否读取你指定的项目文件夹
- 能否修改并展示文件差异
- 能否运行项目命令
- 能否根据测试结果继续修复
- 能否把操作范围限制在你授权的目录内
从想法到产品的五步闭环
确认工具与项目边界
先确认智能体能够读取哪个文件夹、能不能修改文件、能不能运行命令。如果是在已有项目里修改，还要先确认当前项目是否能够正常运行，并在正式修改前留下 Git 版本节点。
说清目标和验收标准
不要只说“帮我做得更好看”或“加一个登录功能”。你需要明确要做什么、不做什么、哪些页面或文件会受影响、出现什么结果才算完成，以及需要验证哪些正常和失败场景。
先读项目，再定方案
让 AI 先理解现有目录、技术栈和约束，再提出最小修改方案。方案应说明准备修改什么、为什么这样做、哪些功能不能受影响，以及做完后如何验证。能理解、能运行、能验证的最小方案，往往比看起来先进的方案更合适。
小步实现并自测
一次只处理一个清晰目标。修改完成后，让 AI 在工具支持且你已经授权的范围内运行测试、构建或启动项目，把明显错误先暴露出来。不要一次性让 AI 重写整个项目。
人工验收并保存结果
AI 的测试通过，不代表产品一定好用。你还需要亲自操作主流程、失败路径和移动端页面，检查结果是否符合真实使用习惯。确认完成后保存 Git 版本，记录这次改了什么、验证了什么。
三个原则：任何正式项目都不要省
- 进入正式修改前，先留下版本节点。 Git 能保存项目节点、查看变化，并在必要时帮助你回到可用状态。
- 给 AI 可以验证结果的环境。 能运行、能观察结果、能根据失败继续修复，才是完整的开发闭环。
- 最终结果必须由人验收。 自动测试只能覆盖已经想到的情况，交互、文案和真实使用习惯最终需要你亲自判断。
两个安全底线
- 不要把密码、API Key、Cookie、数据库连接串等敏感信息直接发给 AI，也不要把真实凭据提交进 Git。
- 遇到删除文件、覆盖代码、重置数据库、强制回退等难以恢复的操作时，先确认具体范围并保留备份，不要直接同意执行。
基础概念速览
AI 编程智能体
能够在授权范围内读取项目、修改代码、运行命令并说明改动的工具。Codex 是常见选择之一，但课程方法不依赖唯一品牌。
项目与文件夹
一个产品的“工作抽屉”。代码、说明、配置和资源通常放在同一个项目目录中。AI 只有先理解这个目录，才知道应该在哪里修改。
终端
通过文字命令操作电脑的窗口。命令通常在当前目录生效，所以在错误目录运行命令，可能找不到项目或修改错位置。
运行环境与依赖
代码不是放进文件夹就会自动运行。Node.js 等运行环境负责执行代码，npm 等工具负责安装项目依赖，它们是项目能够运行的基础条件。
Git 与 GitHub
Git 是版本记录工具，可以保存节点、查看差异和恢复改动。GitHub 是托管 Git 仓库的在线平台，两者不是同一个东西。
MVP
最小可用产品。第一版只实现最核心的主流程，先确认产品能不能解决问题，再决定是否继续增加功能。
前端与后端
前端是用户看得见、点得到的页面；后端负责处理数据、权限和业务逻辑。一个完整产品往往需要两者配合。
API
前端和后端之间传递信息的约定。前端发出请求，后端按照约定处理并返回结果。
数据库
用来长期保存用户、资料、权限和业务记录的系统。页面刷新后数据是否仍然存在，往往与数据是否被正确保存有关。
这套能力能带来什么
AI 编程降低了从想法到产品的成本，让你有机会做出以前难以独立完成的东西：一个给自己使用的工具、一个可以展示的作品，或者一个经过真实验证的小产品。
但 AI 不会自动告诉你什么值得做，也不能保证一个产品一定有人使用或能够带来收入。
- 你是否发现了真实问题
- 你是否能说清用户需要什么
- 你是否愿意持续测试和改进
- 你是否能够判断哪些结果可靠
AI 放大的是你的执行力，不是替你判断价值。
下一步：从理解走向练习
如果你只记住一件事，那就是：
AI 编程不是“一句话生成”，而是“明确目标—理解项目—小步实现—验证结果—持续迭代”的闭环。
这篇导读帮你建立了基本地图，但真正开始做时，你还会遇到怎样确认工具能操作项目、怎样把想法写成可验收任务、怎样检查 AI 修改了什么、报错后从哪里定位，以及怎样用 Git 留下安全版本等具体问题。
阶段一会从工具检查开始，带你完成需求简报、项目读取、小步修改、报错定位、Git 版本管理和一次完整产品交付。
已经理解基本方法，想亲手完成第一次完整练习？
从工具检查、需求简报到小步修改、Git 和完整交付，阶段一会带你把方法真正走一遍。