从0到1做Vibe Coding：不要学AI，直接用

AI工具人 PM 的认知笔记：这篇文章承接上一篇「看懂 AI Agent 的 6 个术语」。上次讲的是Agent长什么样，这次讲——搞懂了这些概念之后，你到底该怎么上手？清华姜学长有一条很对的话：别等学完再用，先用起来再学。

引子：我们学AI，和以前学什么不太一样

你有没有过这种经历——

想做一个提词器、想自动化一个流程、想用AI搭个原型，然后先打开B站看了十几个教程，收藏了一堆文档，学了半天ChatGPT的prompt怎么写……

然后就没有然后了。

我见过太多人（包括以前的自己）陷在一个阶段——一直在准备，从没开始做。

不是你不努力，是你用力方向错了。

一、核心观点：AI不是拿来学的，是拿来用的

"别等学完，先做第一版。"

这是整条系列最核心的一个判断。

很多人学AI的路径是这样的：

看课程 → 学模型 → 背术语 → 啃prompt技巧 → 终于觉得自己"学会了" → 开始做项目
                                                              ↑
                                                    大多数人卡在这一步

但这个路径有一个问题——你以为你在准备，其实你只是在拖延。

Vibe Coding（直觉式编程）的核心理念恰恰相反：

先做一个能跑的东西 → 遇到问题 → 学对应的知识 → 修好 → 继续
                                                         ↓
                                              哪里卡住补哪里，越补越精准

AI不一样于其他技术的地方在于： 它本身就是你的搭档。你不需要先学会所有语法才能让AI帮你写代码——你只需要知道你想要什么结果，然后让AI帮你实现。

就像姜学长说的："先尝试，再做深。"

二、先做出第一版：能运行就行

一个最简单的AI辅助项目流程是这样的：

1. 告诉AI："帮我做一个简单提词器吧"
    ↓
2. AI给你的第一版：能运行就行（可能很粗糙）
    ↓
3. 自己用一下，发现三个问题：
   - 速度不好调（慢/快） ❌
   - 加载不了数据 ❌
   - 说不清交互逻辑 ❌
    ↓
4. 针对这三个问题逐个告诉AI："这里改一下""这里加个功能""这里我不确定怎么描述"
    ↓
5. 第一版跑起来了 → 继续迭代

关键洞察： 第一版永远是不完美的。没关系。

你第一次写代码写的就是屎山，第一次做原型就是丑，第一次设计就是差——但它是你的。而且它是可运行的。

"解决一个具体问题，就往前走一步。"

这才是学习的正确姿势。你不是在"学AI"，你是在用AI解决你实际遇到的问题——顺便把能力练出来了。

三、真正的变化：从"做完一次"开始

当你第一次用AI做出一个东西——哪怕只是一个简陋的提词器——你会发现有些东西变了：

第一件：你会问了

以前你不会提问，因为你不知道"问什么"。
现在你知道哪些地方有问题了，你的问题变得具体而锋利。

第二件：你会搜了

以前看教程像看天书——你不知道哪个知识点对你有用。
现在你知道哪卡住了，你直接去补那个点。
效率完全不同。

第三件：你有作品了

不是收藏夹里的截图，不是"以后再看"的文章。
是一个真实能跑的东西。

这就是 21 天 AIGC 打卡为什么有人能做到前 5——
不是他们天赋异禀，是他们在持续做东西。

Vibe Coding 的本质就是一个正反馈循环：

做出第一版 → 遇到问题 → 解决问题 → 做出第二版 → 继续遇到新问题 ……

很多人连续做出 3 个工具后，就从参与者变成了分享者——这不是因为他们的技术突然变强了，而是因为他们已经走过了最难的那一步：把手伸出去做第一个东西。

四、工具不是关键，结果才是

很多人纠结一个问题："我该用什么工具？"

Claude Code？Cursor？ Copilot？ 通义灵码？

答案很简单：都行。但更重要的是——你现在要做什么？

"先做出第一版，哪里卡住，再补哪里。"

对比两条学习路径：

❌ 传统路径：

选工具 → 学教程 → 背文档 → 做项目
（大多数人死在前两步）

✅ Vibe Coding 路径：

选一个顺手的 → 直接让AI干活 → 出了问题再学对应的东西
（边做边学，越学越快）

工具本身不重要，真正重要的是：

1. 你要解决的问题是什么？ —— 这才是你该围绕的核心
2. 能不能立刻动手？ —— 别让"准备"成为不行动的借口
3. 愿意接受不完美吗？ —— 第一版就是烂，但这不代表你做不出好东西

重复的表格工作、杂乱的笔记、繁琐的流程——这些都不是"以后再说的事"。收到需求，马上帮你实现。

五、给新手的三个实操建议

建议 1：从一个小工具开始

不要想"我要学 AI 编程"——这个目标太大，大到你永远迈不出第一步。

想小一点：

• "帮我做一个简单的页面"
• "帮我写一个批量处理文件的脚本"
• "帮我整理一份会议纪要模板"

做完这一个，你就入门了。

建议 2：学会跟 AI 吵架

第一版出来肯定有毛病。别怕——发现问题就是进步。

• "这个不行，跑不通" → 把报错告诉 AI
• "这个说不上来" → 画个草图、拍个照片、列个列表
• "这个不好用" → 描述你觉得哪里别扭，让 AI 改

每一次"不满意"都是一次学习机会。

建议 3：只做"非做出来不可"的东西

不是所有想法都值得做。挑一个你真正需要的、每天都能用到的东西。

当你对它的需求足够强烈时，你会自然而然地学到需要的东西——因为你不是在"学"，你是在解决你自己的问题。

"只要真的跑起来，你就从准备走进了实战。"

六、我自己怎么做的

回到我自己的实践——我用这套思路跑通了一条完整的流水线：

一个需求 → 让AI拆解结构 → 确认后再画原型 → AI生成HTML → 部署上线 → 自动发布

整个过程我没有先"学完"任何一门课。每次遇到问题——HTML怎么联CSS？服务器怎么连？API怎么写？——都是在做的过程中学到的。

现在回头看，我真正学会的不是某个框架或某个工具的用法，而是：

1. 怎么把一个模糊的需求变成清晰的任务描述（这就是 AGENTS.md 的意义——给你规矩）
2. 怎么让AI在上下文中保持专注（这就是 Skill 的意义——按需调用，不占脑子）
3. 怎么让系统记住你之前做过什么（这就是 Memory 的意义——跨会话保留）
4. 怎么让AI接外部工具真正动手（这就是 MCP 的意义——统一插座）
5. 怎么拆分大任务让它并行处理（这就是 Subagents 的意义——分身作战）

你看——我之前那篇文章讲的 6 个术语，不是一堆概念，而是你在实战中自然会遇到、需要解决的 6 个问题。

当你做了第一个项目之后，再去读那篇「6 个术语」，你会发现每一个都对应着你曾经踩过的坑。

写在最后

很多人问我："学 AI 编程要从哪里开始？"

我的答案永远是同一个：从做一个你自己的东西开始。

不需要你懂多少术语，不需要你看完什么教程。你需要的是一个想要解决的问题，和一个愿意动手的态度。

AI 不是拿来学的，是拿来用的。

一直停留在"准备阶段"的人，和已经做出了第一版的人之间，差的不是一条课程列表，而是一个动作——先跑起来。

今天做一个提词器，明天做一个自动归档脚本，后天做一个原型——当你连续做出三个东西的时候，你已经不知不觉跨过了门槛。

参考资源

• 清华姜学长「深入浅出剖析 AI」系列第 212 集：从0到1，Vibe Coding 不要去学AI，要去用！（抖音）
• 相关系列：
• 看懂 AI Agent 的 6 个术语：从"聊天机器人"到"能干活的助手"

本文基于公开资料和个人实践整理，适合对AI感兴趣但还没有开始动手的同学阅读。

📚 这是「认知科普」系列的第 2 篇

• 上一篇：《看懂 AI Agent 的 6 个术语》——讲了 Agent 的 6 大模块构成，这篇讲怎么用起来
• 下期预告：实操案例——从一个具体小项目演示 Vibe Coding 的完整流程
• 相关系列：
• 产品经理用 AI 搭建内容发布实战——从零到全自动
• 用 Claude Code + Obsidian 搭建个人知识系统