30 天 AI 编程入门总结：接下来应该学什么

这是《AI 编程提效实战》的第 30 篇，也是入门阶段的总结篇。

过去 30 天，我们没有从"让 AI 一次生成完整项目"开始，而是从最基础的问题出发，逐步学习了：

认识 AI 编程
    ↓
选择和准备工具
    ↓
提出清楚的问题
    ↓
生成并理解代码
    ↓
测试、排错和审查
    ↓
建立自己的开发工作流

如果你已经读过前面的文章，接下来最重要的不是继续收集更多工具，而是把这些方法真正用到一个小项目中。

一、30 天到底学会了什么

1. 正确认识 AI 编程

AI 编程不是"不会编程也能直接做项目"，也不是"把代码全部交给 AI"。

它更准确的定义是：

在需求分析、编码、测试、排错和文档等环节，借助 AI 减少重复工作，提高开发效率。

AI 可以快速生成草稿，但最终结果仍然需要开发者确认。尤其是权限、支付、数据删除和隐私相关的代码，不能因为 AI 给出了完整答案就直接使用。

2. 学会了如何描述问题

高质量提问通常包含四部分：

• 背景：当前项目使用什么技术，问题发生在哪里。
• 目标：希望实现什么结果。
• 限制：不能修改什么，必须遵守哪些规则。
• 输出格式：希望 AI 先给方案、代码、测试，还是排查步骤。

例如：

背景：我在维护一个 Vue 3 + TypeScript 项目。
目标：给用户列表增加按姓名搜索功能。
限制：不新增依赖，保留现有接口返回格式。
输出：请先拆分任务，再给出实现顺序和需要测试的边界场景。

同一个 AI 工具，问题描述越清楚，答案通常越接近你的真实需求。

3. 建立了验证意识

AI 生成代码后，至少要完成下面四步：

1. 阅读代码，确认自己理解核心逻辑。
2. 在本地运行，确认语法和依赖没有问题。
3. 测试正常输入、异常输入和边界情况。
4. 检查安全风险以及是否修改了需求之外的内容。

这四步看起来简单，却是区分"使用 AI 编程"和"盲目复制 AI 代码"的关键。

二、前 30 天的内容可以分成五个阶段

阶段一：认识 AI 编程

第 1 天到第 7 天，重点是建立正确预期：

• AI 能做什么，不能做什么。
• 新手如何准备工具和基础知识。
• 为什么生成的代码不能直接上线。
• 使用 AI 时最容易出现哪些误区。

这个阶段不追求写出复杂项目，目标是形成一个基本习惯：先理解，再使用。

阶段二：学会与 AI 沟通

第 8 天到第 14 天，重点是把问题说清楚：

• 如何描述需求背景和限制。
• 如何让 AI 解释陌生代码。
• 如何让 AI 生成一个小功能。
• 如何提供报错信息和项目上下文。
• 如何把 AI 当作助手，而不是答案机器。

很多人觉得 AI 不好用，问题并不一定出在工具上，而是只给了一个过于模糊的问题。

阶段三：把 AI 用到真实开发任务中

第 15 天到第 21 天，开始处理完整一些的工作：

• 阅读项目目录和调用链。
• 拆分页面、接口、数据和测试任务。
• 先让 AI 设计方案，再让它写代码。
• 生成单元测试。
• 优化代码并编写 README、接口文档。

这个阶段的核心不是让 AI 写更多代码，而是学会把一个大任务拆成多个可验证的小任务。

阶段四：控制风险

第 22 天到第 24 天，重点是代码审查和安全：

• 提交代码前检查错误、边界和安全问题。
• 不向未经授权的工具提交密钥和真实数据。
• 识别 AI 生成的过时 API、错误假设和虚构内容。

AI 越强，越需要验证能力。能发现错误，比能让 AI 生成更多代码更重要。

阶段五：形成自己的工作流

第 25 天到第 30 天，开始把方法连接起来：

明确需求
    ↓
让 AI 拆分任务
    ↓
先确认方案
    ↓
分步骤实现
    ↓
运行和测试
    ↓
代码审查
    ↓
补充文档

这套流程不依赖某一个具体工具。以后工具发生变化，你仍然可以继续使用。

三、现在就可以开始的实战练习

不要停留在"看完文章"。建议选择一个足够小、能够在几天内完成的练习项目，例如：

• 待办事项管理。
• 简单的记账工具。
• 书籍或电影收藏列表。
• 带搜索功能的商品列表。
• Markdown 文件管理工具。

项目不需要复杂，但最好包含页面、数据、接口或本地存储，以及基本测试。

第一步：先写清楚需求

用几句话回答：

这个项目解决什么问题？
用户可以完成哪些操作？
哪些功能暂时不做？
什么情况算完成？

例如，待办事项工具可以先限定为：

• 添加待办事项。
• 标记完成和取消完成。
• 删除待办事项。
• 按全部、未完成、已完成筛选。
• 数据暂时保存在浏览器本地。

先控制范围，避免项目还没有完成第一个功能，就不断增加新需求。

第二步：让 AI 拆任务

请把下面的待办事项工具拆成可以逐项完成的开发任务。

需求：
- 添加、完成、删除待办事项。
- 支持全部、未完成、已完成筛选。
- 使用浏览器本地存储保存数据。

请按页面、数据结构、核心函数、测试四类输出。
每项任务都要足够小，并标注完成标准。
暂时不要增加登录、云同步和复杂 UI。

拿到任务清单后，一次只完成一项。每项完成后运行验证，再进入下一项。

第三步：让 AI 先给方案

先问清楚数据结构和实现方式，再生成代码：

请为这个待办事项工具设计最小实现方案。

要求：
1. 说明待办事项的数据结构。
2. 说明新增、修改、删除和筛选的处理方式。
3. 说明 localStorage 读取失败时如何处理。
4. 列出正常、边界和异常测试场景。
5. 不要写完整页面代码。

如果方案中出现你暂时不理解的内容，先让 AI 解释，再决定是否采用。

第四步：实现一个功能，验证一个功能

例如先只实现新增待办事项：

请只实现"新增待办事项"功能。

约束：
- 输入内容为空或只有空格时不能新增。
- 新增成功后清空输入框。
- 每条数据包含 id、title、completed、createdAt。
- 使用现有项目的代码风格。
- 同时给出 4 个测试场景。

请说明修改了哪些文件，以及我应该如何验证。

不要在没有验证新增功能的情况下，继续让 AI 一次生成编辑、删除、筛选和持久化的全部代码。任务越大，定位问题就越困难。

四、给自己准备一份 AI 编程检查清单

以后每次使用 AI 完成开发任务，都可以快速检查下面这些问题。

提问前

[ ] 我能说清楚要解决的问题。
[ ] 我提供了必要的项目背景。
[ ] 我说明了技术栈和版本。
[ ] 我列出了限制和不做的内容。
[ ] 我没有提交密钥、真实数据或敏感代码。

生成代码后

[ ] 我理解了关键逻辑。
[ ] 依赖和 API 与当前项目一致。
[ ] 正常场景已经运行通过。
[ ] 空值、边界和异常场景已经验证。
[ ] 没有遗漏权限、校验和错误处理。
[ ] 改动范围没有超出需求。

提交代码前

[ ] 已查看代码 diff。
[ ] 已删除调试日志和临时代码。
[ ] 已运行项目已有测试。
[ ] 已检查敏感信息是否被带入提交。
[ ] 已补充必要的 README 或接口说明。

这份清单不长，但能减少很多低级错误。你也可以根据自己的项目继续增加检查项。

五、接下来应该学什么

入门之后，建议按照自己的工作场景选择方向，不要同时学习所有内容。

方向一：提升个人编码效率

适合希望更快完成日常开发的人，可以继续学习：

• 如何让 AI 理解更大的项目上下文。
• 如何按文件和模块拆分任务。
• 如何让 AI 生成更可靠的测试。
• 如何使用 Git diff 做修改审查。
• 如何减少重复代码和重复沟通。

方向二：使用 AI 进行代码维护

适合经常接手旧项目、处理线上问题的人，可以重点练习：

• 从入口找到核心调用链。
• 根据日志和复现步骤定位问题。
• 让 AI 先分析风险，再进行小范围重构。
• 对旧代码补充回归测试。
• 记录修改原因，避免后续再次引入问题。

方向三：构建个人知识库

适合希望长期积累经验的人，可以保存这些内容：

• 常用 Prompt 模板。
• 项目技术栈和目录说明。
• 常见报错及最终原因。
• 代码审查检查项。
• 经验证有效的命令和排查步骤。

知识库不要只保存 AI 的原始回答，最好补充三项内容：实际场景、验证结果、最终结论。

方向四：了解 AI 应用开发

当你掌握基本开发流程后，可以进一步学习：

• 调用模型 API。
• 结构化输出和函数调用。
• 流式响应和会话管理。
• 向量检索与知识库问答。
• 提示词评估和结果质量控制。
• 成本、权限和数据安全管理。

这时学习重点会从"让 AI 帮我写代码"，逐渐扩展到"把 AI 能力集成到自己的应用中"。

六、不要用工具数量衡量进步

AI 工具更新很快，今天流行的工具，过一段时间可能就会增加新功能或被其他工具替代。

真正可以长期积累的能力是：

• 能把模糊问题说清楚。
• 能把大任务拆成小任务。
• 能识别不确定的结论。
• 能通过运行和测试验证结果。
• 能对代码质量和线上结果负责。

掌握这些能力后，换工具只是换一个工作界面，并不会让你重新从零开始。

七、下一阶段的学习建议

接下来的 30 天，可以按照下面的节奏练习：

第 1 周：用 AI 完成一个小项目的需求拆分和方案设计。
第 2 周：分步骤实现功能，并为每个功能补测试。
第 3 周：使用 AI 阅读旧代码，处理一个真实报错或小重构。
第 4 周：整理 Prompt、验证清单和项目文档，形成自己的工作流。

每周不必追求完成很多功能。完成一个小任务，并且能解释它、验证它、复盘它，比生成大量代码更有价值。

总结

经过这 30 天，你不需要成为 AI 专家，也不需要记住所有工具的用法。

你只需要形成一套可靠的基本方法：

1. 先明确问题，再向 AI 提问。
2. 先让 AI 出方案，再分步骤写代码。
3. 生成代码后自己阅读、运行和测试。
4. 通过日志、报错和 diff 检查真实结果。
5. 保护密钥、隐私数据和未经授权的项目代码。
6. 把有效的 Prompt、经验和检查项沉淀下来。

AI 编程的价值，不是让开发者停止学习，而是把时间从重复劳动中释放出来，用在理解问题、验证结果和做出更好的工程决策上。

《AI 编程提效实战》的入门系列到这里告一段落。后续进阶内容将继续围绕真实开发场景展开，包括项目上下文管理、复杂问题排查、AI 辅助重构、自动化测试，以及 AI 应用开发实践。

---

✍坚持原创，求关注，点赞，收藏