Manuscript · 2026-09-04
我高中毕业不会写代码，用AI编程做出了变现产品——从零到落地的完整实战手册
袁锐钦15次浏览
加载中...
Manuscript · 2026-09-04
我高中毕业。
当过兵，退伍后做过新媒体运营，开过奶茶店（亏了30万），学过AI插画当过助教管理2万学生，现在开着白墨打印工厂。2024年才开始接触AI编程。
到今天，我用AI编程做的产品：pngtrid.com上线1个月无投流变现5K，PNG部落3个月做到5万收入、86%利润率，自动化写作+Skill变现3285元（7天）。
我不是程序员。 我到现在也写不了一个完整的React组件。
但我用AI编程，做出了能赚钱的产品。用的工具只有一个：VS Code + Claude Code插件。
今天这篇文章，我把过去半年踩过的坑、总结出的方法、整理出的工具体系，完整交出来。不是理论，是我实际在用的东西。每一步都写清楚了——打开什么、点什么、输入什么。
你今天看完，今天就能开始。
很多人对AI编程的认知还停留在"让ChatGPT帮你写一段代码，然后你自己复制粘贴"的阶段。
但2026年的AI编程工具已经完全不是那个样子了。
Claude Code不是一个聊天框。它是一个住在你电脑里的程序员。
你跟它说"帮我做一个待办清单网页"，它会：
整个过程你不需要碰一行代码。
你只需要做三件事：
第一步：描述你要什么 ← 用中文说就行
第二步：看它生成了什么 ← 打开浏览器看效果
第三步：告诉它哪里要改 ← 不满意就用中文说
这就是AI编程的"三步法"。听起来简单，但90%的人卡在第一步——因为他们不知道该描述什么、怎么描述、描述到什么程度。
这就是接下来我要解决的问题。
这一节我写得特别细，因为很多人就卡在安装这一步。
如果你电脑上已经有VS Code，跳过这步。
Windows：
Mac：
这一步把AI程序员装进你的编辑器里。
Cmd + Shift + XCtrl + Shift + XClaude Code插件装好后，它默认用的是Anthropic官方的Claude模型。这里有个现实问题：官方模型在国内网络环境下经常连不上，而且按美元计费，对新手不友好。
所以绝大多数人都会切换到国产模型——更便宜、在国内网络稳定、能用人民币充值。
但是！切换模型要改一个叫 settings.json 的配置文件。手动改很容易出错——漏个逗号、路径填错，整个Claude Code就用不了了。对零基础学员来说，这一步劝退了很多人。
所以我强烈推荐用 CC Switch 这个工具来配置。 它是专门给小白做的——图形界面，点点鼠标就能切换模型，完全不用碰代码和配置文件。
我推荐的国产模型：
| 模型 | 提供方 | 特点 | 费用 |
|---|---|---|---|
| GLM-5.1 | 智谱AI | 编码能力较前代提升28%，兼容OpenAI接口 | 按量付费，比Claude便宜很多 |
| Kimi K2.6 | 月之暗面 | 2026年4月发布，1万亿参数MoE模型，支持300个子Agent并行，原生多模态 | $0.60输入/$2.50输出 每百万token |
| DeepSeek | 深度求索 | 老牌编码强模型，便宜稳定，社区教程多 | 按量付费，价格极低 |
我目前自己用的是GLM-5.1。 日常开发完全够用，成本比Claude低很多。
第一步：安装 CC Switch
CC Switch是免费开源的桌面软件，Mac、Windows、Linux都能用。
Mac（推荐用 Homebrew，一条命令搞定）：
打开终端，输入：
brew install --cask cc-switch
如果没装 Homebrew，就去官网下安装包：访问 https://github.com/farion1231/cc-switch/releases/latest ，下载 .dmg 文件，双击安装。
Windows：
访问 https://github.com/farion1231/cc-switch/releases/latest ，下载 .msi 安装包，双击一路下一步就行。
CC Switch 已经通过苹果/微软的安全认证，可以直接安装，不用担心"无法验证开发者"的拦截。
第二步：去模型厂商注册，拿到 API Key
"API Key" 就是模型的"钥匙+充值卡"——你要先在模型厂商那里注册账号、充值，然后拿到一串密钥，Claude Code才能调用这个模型。
以 GLM-5.1 为例：
DeepSeek、Kimi 的流程完全一样，只是网站不同：
第三步：在 CC Switch 里一键配置
CC Switch 会自动帮你把 Claude Code 的配置改好，不用你手动改任何文件。以后想换模型也是一样，点一下就行，还能从系统托盘（屏幕右下角/右上角的小图标）快速切换。
验证是否成功： 打开 VS Code 里的 Claude Code，随便问一句话，能正常回复就说明模型接通了。
不想装 CC Switch？手动改配置也行
如果你更喜欢手动操作，也可以直接改配置文件：
Cmd + Shift + P（Mac）或 Ctrl + Shift + P（Windows），输入 "settings json"，选 "Preferences: Open User Settings (JSON)"但说实话，新手手动改 JSON 真的容易出错。能用 CC Switch 就用 CC Switch。
详细配置教程也可以看智谱官方文档： https://bigmodel.cn/claude-code
三件套是我做产品的核心工具组合，装上之后AI编程的效率翻倍。
三件套是什么？
| 工具 | 作用 | 类比 |
|---|---|---|
| gstack | 专家团队——帮你讨论方向、审查代码、测试质量 | 外部顾问团 |
| GSD（Get Shit Done） | 项目管家——帮你拆任务、管进度、追踪状态 | 项目经理 |
| Superpowers | 开发纪律——自动触发测试、系统化调试、完成验证 | 代码规范检查器 |
安装方法（在VS Code的终端里执行）：
打开VS Code的终端：菜单栏 → 终端 → 新建终端（或按 Ctrl + `）
然后依次输入：
# 安装 gstack
git clone --single-branch --depth 1 https://github.com/garrytan/gstack.git ~/.claude/skills/gstack && cd ~/.claude/skills/gstack && ./setup
# 安装 GSD
npx get-shit-done-cc@latest
Superpowers在Claude Code对话中安装：
/plugin marketplace add obra/superpowers-marketplace装完后验证： 在Claude Code对话框里输入 /help，你应该能看到一个很长的技能列表。如果看到了，说明安装成功。
注意： 如果安装过程中报错，最常见的两个原因：
npm config set registry https://registry.npmmirror.com这一步是我认为整个AI编程流程中最重要的一步。
CLAUDE.md是什么？它是一个特殊的文件，Claude Code每次启动都会读它。相当于你给AI员工的"工作手册"——告诉它你用什么技术栈、遵守什么规范、哪些事不能做。
这份文件决定了AI编程质量的上限。 没有它，AI就像一个能力很强但没人管的新员工，按自己的理解乱做；有了它，AI就像一个训练有素的工程师。
网上很多教程会给你一个CLAUDE.md模板让你自己改。但说实话，普通人根本不知道怎么改——你连那些技术名词都不认识，改什么？
我的方法是：直接跟AI讨论，让它帮你生成。
具体怎么做？打开Claude Code，跟它说：
我想做一个 [你的产品想法，比如：在线抠图工具]。
请帮我生成一份适合这个项目的 CLAUDE.md 文件。
我目前的情况：
- 我不会写代码，需要你帮我做所有技术决策
- 我希望用最主流、最成熟的技术栈
- 我需要这个项目能部署上线、能收费
请根据我的产品需求，帮我决定：
1. 用什么技术栈（前端、后端、数据库）
2. 适合的编码规范
3. 项目目录结构
4. 常用命令
5. 需要遵守的红线规则
生成完后直接写入项目根目录的 CLAUDE.md 文件。
AI会跟你讨论几个问题（比如"你想做什么类型的网站""有没有偏好的技术栈"），然后生成一份完整的CLAUDE.md，直接帮你写到项目文件夹里。
你不需要理解里面每一条技术细节。你只需要在后面用的时候，发现问题了，跟AI说："上次你用了XX方案出了问题，以后别用了，改成YY方案"，AI会自动更新CLAUDE.md。
CLAUDE.md的核心玩法是"迭代"：
这就像带新人——一开始给一份工作手册，后面他犯错了就补充手册，越往后他越靠谱。
这部分我把课程的核心教学内容直接写出来。你跟着做，40分钟就能写出你的第一个程序。
用Claude Code写程序，流程永远只有三步：
第一步：描述你要什么 ← 你的工作
第二步：看它生成了什么 ← 你的工作（审核）
第三步：运行验证结果 ← 你的工作（测试）
你永远不需要写代码。 你的工作是"描述需求"和"审核结果"。
第一步：描述需求
在Claude Code里输入（直接复制这段话）：
帮我写一个猜数字游戏，用Python。
要求：
1. 程序随机生成1到100的数字
2. 让用户输入猜测的数字
3. 告诉用户猜大了还是猜小了
4. 猜对了告诉用户用了几次
5. 游戏结束后问用户要不要再玩一次
第二步：审核生成结果
Claude Code会：
guess_number.py）审核要点：
第三步：运行验证
在终端里输入：
python guess_number.py
如果报错说找不到Python，输入：
帮我检查一下Python是否安装了。如果没有，帮我安装。
运行成功后，你就有了人生中第一个程序。 真的就这么简单。
程序能跑之后，你可以让它改进。
加计分功能：
给游戏加一个计分功能。每次猜对后记录用了几次，最后显示历史最佳成绩（最少猜对次数）。数据存在同一个目录下的score.txt文件里。
加难度选择：
加一个难度选择功能。游戏开始时问用户选难度：
- 简单：猜1-50的数字
- 普通：猜1-100的数字
- 困难：猜1-500的数字
关键技巧：不要一次性给所有需求。 一次加一个功能，加完测试，没问题再加下一个。任务越小，完成质量越高。出错了容易定位和回退。
Claude Code在执行操作前会征求你的同意，这是安全设计：
自动放行的操作（不需要确认）：
需要确认的操作：
弹出的确认提示像这样：
Allow Claude to write to /Users/you/hello.py? [y/n/a]
| 选项 | 含义 | 何时使用 |
|---|---|---|
y | 允许这一次 | 大多数情况用这个 |
n | 拒绝 | 不想让AI做这个操作 |
a | 以后同类操作都允许 | 确定安全后再用 |
安全提示： 不要对"执行命令"类操作轻易选 a，因为命令可能包含危险操作（如删除文件）。前期一律选 y，熟悉后再考虑用 a。
程序报错了怎么办？直接把报错信息粘贴给AI。
描述Bug时，始终包含三个信息：
1. 期望行为：应该发生什么
2. 实际行为：实际发生了什么
3. 错误信息：完整的报错文本
错误做法：
我的程序坏了，帮我修一下。
→ AI不知道什么坏了、怎么坏的。
正确做法：
我的猜数字游戏（guess_number.py）有个问题：
1. 期望行为：输入字母q应该退出游戏
2. 实际行为：输入q后程序崩溃了
3. 错误信息：
ValueError: invalid literal for int() with base 10: 'q'
帮我修复。
AI会分析错误信息，定位问题，然后修复代码。对于常见错误，修复成功率在90%以上。
调试心态：报错是信息，不是惩罚。即使资深程序员写代码也会出Bug。关键是快速发现、快速修复。
Claude Code有"短期记忆"，叫做上下文。就像你的办公桌——桌面空间有限，放太多东西就开始"找不到"早期放的文件。
核心规则：60%法则。 上下文占用超过60%后，AI的表现会明显下降——遗忘早期对话中的约束、重复已经做过的操作、生成跟前面矛盾的代码。
什么时候该开新对话：
两个关键命令：
/compact —— 压缩对话，保留关键信息，释放空间（同一任务继续时用）/clear —— 完全清空对话，从头开始（切换到新任务时用）优先用 /compact，实在不行再用 /clear。
还有一个技巧——用 @ 引用文件：
@guess_number.py 这个文件里有什么Bug？
加了 @，AI会看到真实代码，不会凭空猜。回答质量比不加 @ 高很多。
这是阶段一的结业项目。你将从零到一，用Claude Code做一个完整的命令行工具。
项目规划：
| 功能 | 优先级 |
|---|---|
| 添加任务 | P0 必做 |
| 查看任务 | P0 必做 |
| 标记完成 | P0 必做 |
| 删除任务 | P1 建议做 |
| 搜索任务 | P2 选做 |
分步实施（核心原则：不要一次性给所有需求）：
第一步：创建基础结构
帮我创建一个叫todo-cli的项目。
要求：
- 创建目录todo-cli
- 使用Python
- 先只做最基本的添加任务和查看任务功能
- 数据存在JSON文件里
验证：运行程序，能添加任务和查看任务。
第二步：加完成和删除功能
现在帮我加上以下功能：
1. 标记任务为已完成（用编号）
2. 删除任务
3. 数据自动保存到tasks.json
验证：添加几个任务，标记完成，删除一个，重新运行程序看数据是否保存。
第三步：优化体验
帮我优化用户体验：
1. 任务列表显示编号
2. 显示任务总数和已完成数
3. 输入无效命令时给出提示
第四步：写说明文档
帮我写一个README.md，包括：
- 项目名称和简介
- 功能列表
- 使用方法
完成标准：
做到这里，你已经入门了。 你学会了AI编程最核心的东西：三步法（描述→审核→验证）、分步开发（不要一次性给所有需求）、Bug描述三要素、上下文管理。
三件套装好了，CLAUDE.md配好了。现在讲它们怎么配合使用。
GSD（项目管家）——管"做什么""什么时候做""做了多少"
GSD把大项目拆成小阶段，每个阶段有目标、有验收标准。你做完一步，它自动进入下一步。最关键的是——它会把所有状态保存在 .planning/ 目录里。也就是说，你今天做到一半关了电脑，明天打开还能接着做，不会丢失进度。
GSD的5步流水线：
spec（需求）→ discuss（讨论）→ plan（计划）→ execute（执行）→ verify（验证）
gstack（专家团队）——管"做得好不好""有没有遗漏"
gstack像一个外部顾问团，里面有多个角色：
| 角色 | 命令 | 做什么 |
|---|---|---|
| CEO顾问 | /office-hours | 帮你想清楚方向，追问你没想到的问题 |
| 代码审查员 | /review | 检查代码质量、安全漏洞、规范合规 |
| QA测试员 | /qa | 用真实浏览器测试，截图给你看 |
| 安全官 | /cso | OWASP + STRIDE模型全面安全审计 |
| 发布经理 | /ship | 部署前最后检查，一键发布 |
Superpowers（开发纪律）——管"怎么做才对""不能怎么做的红线"
Superpowers的特点是自动触发，你不需要手动调用它。它会：
我拿做pngtrid.com时的流程来演示：
第1步：想清楚方向（用gstack）
在Claude Code里输入：
/office-hours
然后跟AI对话：
我想做一个AI生图工具网站，面向国内用户。目前市面上的AI生图工具要么太贵，要么需要翻墙。
我想做一个国内的、价格合理的AI生图站。
帮我分析一下可行性和切入点。
gstack不会直接回答"好，开始做"。它会追问你：
这些问题逼你想清楚。 很多人上来就"我要做个XX"，但细节全没想。gstack帮你把模糊的想法变成清晰的方案。
第2步：创建项目并拆解（用GSD）
想清楚后，在Claude Code里输入：
/gsd-new-project
跟AI描述你的产品方案（把第1步讨论出的结论告诉它）。AI会自动生成项目结构，把大项目拆成多个Phase。
然后规划每个Phase：
/gsd-plan-phase
AI会输出一个详细的计划，类似这样：
Phase 0：基础搭建（1天）
- 项目初始化（Next.js + Tailwind + 数据库）
- 用户认证系统
- 基础页面布局
Phase 1：核心功能（3天）
- AI生图功能集成
- 图片生成队列
- 图片展示和下载
Phase 2：付费系统（2天）
- Stripe/微信支付集成
- 会员等级和额度管理
- 支付回调处理
Phase 3：上线准备（1天）
- SEO优化
- 性能优化
- 部署到Vercel
每个Phase有验收标准。比如Phase 1的验收标准可能是："用户可以输入提示词、点击生成、看到AI生成的图片、下载图片。"
第3步：执行（GSD + Superpowers）
/gsd-execute-phase
AI开始按计划执行。这一步是Superpowers自动介入的时候——
它会在写每个功能前先写测试。这意味着它不是"写完代码就交差"，而是"写完代码、跑通测试、确认没问题"才告诉你做完了。
你在这个过程中做什么？
如果AI在做的时候你关了电脑，第二天打开，GSD的状态都还在。你只需要说"继续上次的Phase 1"，它就知道从哪接着做。
第4步：质量检查（用gstack）
代码写完了，别急着上线。用gstack做几轮检查：
# 代码审查——检查Bug和安全漏洞
/review
# 真实浏览器测试——AI会打开你的网站，操作一遍，截图给你看
/qa
# 安全审计——全面扫描安全问题
/cso
为什么AI写的代码也需要审查？
因为AI有"确认偏误"——让它自己检查自己的代码，它倾向于说"没问题"。就像你写完一篇文章自己校对，总觉得没什么要改的。
我的做法是多层审查。实测数据：用另一个AI交叉审查Claude写的代码，审计准确率约47%（不高），但它唯一标记为Blocker的问题，恰好是Claude完全没发现的盲区。
独立审查的价值不在于准确率，而在于视角互补。
第5步：发布（用gstack）
/ship
AI会自动处理构建、部署。你确认就行。
我见过太多人用AI编程做出一坨屎。不是因为AI不行，是因为没有治理。
AI就像一个能力很强但没有方向感的新员工。你不给规则，它就按自己的理解做——而且它觉得自己做得挺好。
治理的本质：把人脑中的隐性知识，转化为AI能理解和执行的显性规则。
我的解决方案是四级渐进式治理模型：
就是上面说的CLAUDE.md。让AI帮你生成。
90%的个人项目做到这一步就够了。 不要提前引入复杂度。
当你感受到这些痛点时再升级：
L2在L1基础上加：
5-15人的团队。在L2基础上加Plugin打包、Agent Team（多个AI并行工作）、Forked Subagent（子代理继承完整上下文）。
15人以上的公司。Managed Settings通过MDM强制下发配置，所有员工统一规范。
核心原则：宁可低一级，不要高一级。当你明确感受到当前层级的痛点时，再升级。
很多人一上来就想搞L3的Plugin打包，结果配置太复杂，AI反而不好用了。从L1开始，遇到问题再加规则，一步步来。
AI写的代码最大的问题不是"不能用"，而是"看起来能用，但藏着坑"。我总结了四个质量保障手段，形成完整链路：
核心理念：Memory is Poison, Tests are Cure.
Claude的上下文会丢失、会幻觉，但测试不会。把验证逻辑写进测试，而不是依赖Claude"记住"。
四阶段循环：
约束确认 → 代码生成 → 执行监控 → 闭环验证
↑ ↓
└─────── 测试失败 ←─────────┘
核心设计：信息隔离。 每层审查者不知道其他层的结论，避免确认偏误。
三阶段信息不对称设计：
关键是Phase 1必须用新对话，防止被已有上下文"带偏"。
铁律：
"代码已写"不是验证证据，"测试通过"才是。 "我觉得没问题"不是验证证据，"curl返回200"才是。
验证矩阵模板：
| 声称 | 验证方式 | 通过标准 | 结果 |
|---|---|---|---|
| 登录功能完成 | 手动注册+登录 | 能成功进入主页 | ☐ |
| 支付功能完成 | 用测试卡支付 | 回调正确，订单状态更新 | ☐ |
| 部署成功 | curl访问生产URL | 返回200 | ☐ |
现在把前面的内容串起来，给你一个可以直接照抄的SOP。
这步我上一篇精华帖写了完整的6步BRD流程。核心：先花3小时，再决定要不要花3周。
我自己的教训——pngtrid.com的第一个版本，跳过了调研，定位模糊。后来花了2天做BRD调研，重新定位，上线1个月变现5K。
那2天比之前乱做的所有时间都有价值10倍。
/office-hours —— 跟AI讨论方向，想清楚/gsd-new-project —— 创建项目，拆成多个Phase/gsd-plan-phase —— 生成详细的执行计划/gsd-execute-phase —— AI按计划执行/review —— 代码审查/qa —— 真实浏览器测试/cso —— 安全审计/ship —— 一键发布pngtrid.com第一个版本，没有做调研，定位模糊。上线后才知道市场定位有问题。后来花了2天做BRD调研，重新定位，上线1个月变现5K。
那2天比之前所有时间都有价值10倍。
早期让AI自由发挥，选了个我不熟悉的技术栈，出了Bug我修不了。后来在CLAUDE.md里限定了技术栈，这个问题再没出现。
有一次跳过审查直接上线，用户反馈支付页面有Bug。从那以后，铁律就是"测试通过才算完成"。
有一次在一个对话里让AI做了太多事情，做着做着它开始重复已经做过的操作，生成的代码跟之前矛盾。后来我学会了一个规则：单次对话超过30轮，就开新对话。 GSD的状态保存在文件里，不会因为开新对话丢失。
第一个定价方案是免费。想着先吸引用户再收费。结果免费用户一堆，付费用户为零。后来改成Freemium模式（免费体验 + 付费Pro版），付费转化率才上来。
不要做最便宜的。做中偏上。用户选的不是"便宜"，是"划算"。
有一次跟AI说"帮我做一个电商系统，要用户注册、商品管理、购物车、订单、支付……"，它做出来的东西东拼西凑，Bug一堆。后来改成一步步来——先做注册，测通了再做商品管理，做完了再做购物车——质量好了很多。
任务越小，完成质量越高。出错了容易定位和回退。
如果你把上面的内容都做了，想继续深入，这里是一个完整的学习路径，从零基础到企业级，分4个阶段28课：
| 课号 | 内容 | 你会学到 |
|---|---|---|
| 01 | 什么是Claude Code | AI编程工具演进、能力边界、"指挥者"心态 |
| 02 | 安装与首次对话 | 5个必学终端命令、权限确认机制、基本操作 |
| 03 | 用自然语言写第一个程序 | 三步法、猜数字游戏、迭代优化 |
| 04 | 理解AI的工作方式 | 上下文管理、60%法则、@引用文件、/compact和/clear |
| 05 | 让AI帮你修Bug | Bug描述三要素、常见错误类型、调试心态 |
| 06 | 待办清单CLI实战 | 分步开发、功能拆分、完整项目流程 |
结业标准： 能独立用Claude Code做一个命令行工具。
| 课号 | 内容 | 你会学到 |
|---|---|---|
| 07 | CLAUDE.md项目指令 | 五层体系、@import组合、迭代维护方法 |
| 08 | 指令与权限管理 | 斜杠命令大全、权限模式、Auto Mode |
| 09 | 深度思考与上下文管理 | think/ultrathink、PreCompact阻止压缩、Sub Agent委派 |
| 10 | rules路径级规则 | 不同文件夹不同规则、API层/前端层/数据层规范 |
| 11 | Hooks自动化钩子 | 28事件×5类型、PreToolUse拦截危险操作、Stop自动测试 |
| 12 | MCP服务器集成 | 连接浏览器、数据库、API、外部工具 |
| 13 | 自定义Agent | 创建专属角色、审查Agent、文档检查Agent |
| 14 | Skill工具系统 | 封装可复用工作流、frontmatter字段 |
| 15 | 个人博客全栈实战 | Next.js + Prisma + Vercel部署 |
结业标准： 能独立做完整Web应用。
| 课号 | 内容 | 你会学到 |
|---|---|---|
| 16 | Forked Subagent与Agent Team | 多AI并行、100%新鲜上下文、波次编排 |
| 17 | Plugin六组件打包 | Skills+Hooks+Agents+MCP+LSP+Monitors |
| 18 | 质量保障四件套 | ralph-loop + code-review + adversarial-audit + verification |
| 19 | 对抗性审计与辩证反思 | 信息隔离设计、三角校准、外部视角prompt |
| 20 | Auto-Mode与Worktree隔离 | 并行开发互不干扰、自动权限处理 |
| 21 | 项目管理工具实战 | React + Express + WebSocket + Docker |
结业标准： 能做多AI协作的复杂项目。
| 课号 | 内容 | 你会学到 |
|---|---|---|
| 22 | Managed Settings企业级部署 | MDM强制下发、统一规范、多团队管理 |
| 23 | Routines自动化运维 | 定时任务、事件触发、无人值守 |
| 24 | 跨项目治理体系 | 架构宪法(CONSTITUTION.md)、ADR决策记录 |
| 25 | 自定义Plugin开发 | 把方法论封装成工具、10+frontmatter字段 |
| 26 | usage监控与度量 | 量化AI编程投入产出、成本追踪 |
| 27 | ultrareview云端审查 | 多Agent并行审查、信息隔离 |
| 28 | 企业级SaaS实战 | 多租户 + RBAC + 审计日志 + Stripe支付 |
结业标准： 能搭建企业级AI编程治理体系。
别光看，动手。
今天（1小时）：
本周（3小时）：
下周（7天）：
/review）/qa）+ 安全审计（/cso）/ship 一键发布上线后：
我不是科班程序员。高中毕业，当过兵，做过新媒体运营，开过奶茶店（亏了30万），开白墨打印工厂。2024年才开始用AI编程。
但AI编程改变了我的赚钱方式——pngtrid.com上线1个月变现5K，PNG部落3个月5万收入，自动化写作7天变现3285元。
这些数字不大，但对一个不会写代码的人来说，每一分钱都是AI编程方法论的验证。
2026年，AI编程Agent已经非常强了。Claude Code的Plugin生态已经有32,000+个插件，13,000+开发者贡献。AI编程已经过了"试试看"的阶段。
核心矛盾从"AI能不能写代码"变成了"怎么让AI写出可维护、可扩展、可交付的生产级代码"。
这就是三件套、四级治理、质量四件套的价值——不是教你跟AI聊天，是教你像管理团队一样管理AI。
你的优势不是会写代码，是会用AI。2026年，后者比前者值钱。
Annotations · 批注0
还没有评论
来发表第一条评论，让作者看到你