不懂代码,如何用AI写出能跑的程序?这5个“反常识”心法是关键

六个月前，我写了第一行代码。

不是写的，是指挥 AI 写的。

当时有个朋友问我，Excel 如何转 PPT。

我有点没理解为什么 Excel 表格需要转变成 PPT，后来才知道他只是想标准化地把表格里的内容放到 PPT 的固定的位置，并且能够支持他修改。

我向 AI 描述了这个需求，它给了我一段 Python 脚本，于是我按照它的指导去运行，结果它运行成功了，当然我完全不知道这为什么能成功。

我是个产品经理，但我从来没有真正构建过任何东西。

我总觉得会编程的人和不会的人之间隔了一座山，而我永远站在不会的那一边。

现在我还是完全不懂代码，但是我做的产品它能够跑起来了。

这就是 Vibe Coding：不是学会编程，而是学会“说清楚你要什么”。

"Vibe Coding"直译过来，也许可以叫“感觉编程”或者“氛围编程”。

但这个词的真正含义，不是靠感觉去蒙，而是指一种“非技术人员通过自然语言指挥 AI 完成编程任务”的新工作流。

在 AI 时代，编程的门槛可能不是逻辑和语法，而是语文和沟通。

1. 核心技能不是编程，而是“给实习生派活”

大多数人对用 AI 编程有个根深蒂固的误解：以为至少要先学点 Python 或 JavaScript 的基础才能开始。

这个想法是错的。

Vibe Coding 的核心技能是沟通能力。

你必须把需求描述得足够具体、足够清晰，让 AI 没有任何猜测的空间。

想象一下这两种表达方式的天壤之别：

• • 模糊版： “帮我做个邮件工具”
• • 具体版： “写一个 Python 脚本，读取一个 CSV 文件，检查每一行的邮箱格式是否正确，去掉重复的，输出一个只包含有效邮箱的新 CSV，最后打印处理了多少行、多少无效、多少重复”

前者让 AI 只能靠猜，结果大概率南辕北辙；后者则给了 AI 一份清晰的执行指令，它能精准地完成任务。

这不是编程，这是把需求说清楚。

把 AI 当成一个非常聪明但对你的情况一无所知的实习生。

你不会跟实习生说“去把那个数据处理一下”，你会把任务的每一个环节都交代清楚。对 AI 也应如此。

想把需求说清楚，可以遵循以下框架：

• • 定义输入（Define the Input）： 数据的来源、格式、位置。
• • 阐明处理逻辑（Clarify the Processing Logic）： 具体步骤、顺序、特殊规则。
• • 明确输出（Specify the Output）： 结果的样式、存储位置、摘要信息。
• • 考虑边界情况（Consider Edge Cases）： 如何处理空值、错误格式等。
• • 提供示例（Provide an Example）： “比如输入是A，我期望的输出应该是B”。

  ---

2. 小步迭代，先做出来再优化

我想做一个“X 书签分析器”，功能包括拉取书签、分析内容、按主题分类并生成周报。

我把这个完整需求一次性抛给了 Claude。

结果，得到了一堆看不懂的代码、复杂的 API 调用和接连不断的报错。

在折腾了4个小时后，我放弃了。

于是，我换了一种思路。

• • 第一步： “写一个 Python 脚本，连接 X API，拉取我最近的 100 条书签。” 仅仅如此，10分钟后，脚本跑通了。
• • 第二步： 在此基础上，增加需求：“把每条书签的推文内容提取出来。” 又一个10分钟，成功。
• • 第三步： “按我定义的关键词给它们分类。” 跑通了。
• • 第四步： “把结果保存成按分类整理的 JSON 文件。” 跑通了。

最终，只用了一小时，就做出了一个比之前那个失败版本功能更完善的工具。

这正是软件工程领域被反复验证过的最佳实践。

一个经典的类比是：

• • 错误的造车方式是先造轮子，再造车架，最后组装。在最终完成前，你得到的只是一堆无用的零件。
• • 而正确的方式是，先造一个滑板（能用），再升级成滑板车（更好用），然后是自行车、摩托车，最后才是汽车。 每一步，你都能得到一个可用的产品。

Vibe coding 的迭代原则也是如此：不是每次迭代“一部分功能”，而是每次迭代“一个能跑的小版本”。

这种方式能让你在每一步都获得成功的正反馈，并确保你始终在正确的方向上前行。

3. 让AI主动问你，而不是被动猜你

我试过市面上几乎所有的主流 AI 工具，最终选择固定使用 Claude。

原因并不在于 Claude 写的代码一定更好，而在于一个关键的特质：它会主动提问和澄清。

当你的指令不够清晰时，很多 AI 会直接给出一个它猜测的答案。

而 Claude 常常会反问：“确认一下，你是想要 X 还是 Y？”或者“我假设你的意思是 Z，对吗？”甚至 Claude 会问你：“是想要先跑通一个测试，还是直接完成应用？”

对于不懂代码的人来说，这个小小的差异至关重要。

这些澄清问题能避免你在一个错误的方向上浪费数小时的调试时间。

对于无法轻易在代码中发现逻辑错误的非程序员来说，这能防止他们因为一个最初的错误假设，而陷入长达数小时的无效调试。

更棒的是，这个习惯是可以通过提示词主动培养的，无论你使用哪种 AI 工具。下次你可以试试这样说：

• • “如果有不清楚的地方，请先跟我确认再动手”
• • “请提供 2-3 个方案让我选择，说明各自的优缺点”
• • “在开始写代码之前，先用自然语言描述你的实现思路”

此外，Claude 还有一个优点，它会主动解释代码的编写思路和选择某个方案的原因。

对于那些希望边做边学的人来说，这些解释比任何在线教程都更有价值。

4. 从一个“烦人”的任务开始，而不是伟大的想法

如果你想尝试 Vibe Coding，请记住：不要从你那个宏大的创业想法或复杂的软件产品开始，那会让你很快陷入困境。

最佳的切入点，是一个你日常工作中经常做、觉得烦、重复性高的任务。

这里有一些绝佳的入门场景：

• • 整理你乱成一团的“下载”文件夹，让脚本按文件类型和日期自动归档。
• • 批量处理格式不统一的 Excel 数据，自动完成清洗、去重和格式化。
• • 自动抓取多个网站的每日更新，并汇总成一份报告发给你。
• • 一键将 Markdown 文件转换成你需要的任何格式。
• • 设置一个自动通知，在某个商品降价或某个博主发帖时提醒你。
• • 批量重命名几百个文件，或给一堆图片自动加上水印。

找到这样一个小任务后，就像对一个聪明人解释一样，把它的输入、处理步骤和期望输出描述清楚。

第一次尝试大概率会失败，这很正常。

关键在于，把报错信息和你的期望结果一起反馈给 AI。

模糊的问题得到模糊的回答，具体的问题一轮就能修好。

反复修，直到能跑。保存。然后加下一个功能。

5. 你的目标不是成为工程师，而是解决自己的问题

Vibe Coding 的真正价值，不是让你转行成为一名软件工程师，而是赋予你独立解决自己问题的能力。

这是一种强大的赋能。

听到一句话：“最好的 AI 产品，用户只有你自己。”

当然啦，因为你自己最了解你自己的需求，你做出来的东西当然对于你来说是最好的产品。

我到现在也不懂自己跑的代码是什么意思。

但我能做出东西来解决我的问题，这比任何证书都有用。

这些工具没有改变世界，但实实在在地为我节省了时间和精力。

当然，我们也必须清醒地认识到它的边界。

• • 适合的场景： 个人自动化工具、一次性脚本、想法原型、不涉及敏感数据的内部工具。
• • 不适合的场景： 金融、医疗等要求高可靠性的系统；需要长期维护和迭代的商业产品；多人协作的大型项目；任何涉及用户隐私和安全的应用。

对于那些复杂的、关键的系统，我们仍然需要专业的工程师。

但对于海量的个人工作流优化和自动化场景，你不再需要一个工程学位，你需要的是清晰的思考和耐心。

写在最后

AI 正在将创造的门槛以前所未有的速度降低。

• • 过去： 将一个想法变为现实，需要跨越编程这座高山；
• • 现在： 关键的能力变成了沟通，需要你清晰地表达你的意图。

这是一种解放。它让更多拥有好想法但没有技术背景的人，获得了将想法付诸实践的力量。

互动话题

现在不妨想一想：你的第一个想要自动化的“烦人”任务是什么？

欢迎在评论区留言，我们一起交流。