AI 时代，非程序员是怎么构建自己项目的？

公众号名称：极客BIM设计工坊

作者名称：朗朗晴空

发布时间：2026-06-15 14:09

Vibe Coding 非程序员 个人项目 工具链

门槛只存在第一次

当 AI 能把想法直接落成软件，非程序员的程序员进化是被逼出来的。没有谁准备好了，只是干中学。

前几天看到一段很真实的经历，来自一位做矫形康复业务的管理者。他并不是程序员出身，日常要管医疗机构、运营 Airbnb，还要维护客户关系。用他自己的话说，他和所有人一样，从把代码贴进 ChatGPT 开始。

最初并没有什么宏伟计划。把网页上的代码段复制到对话框，浏览器里粘贴，报错，再回对话框。然后 Cursor 发布了。他说，忽然之间，他真的能构建东西了。

那段时间就是他那个圈子里的典型画像：先是「再帮我加一个按钮」「继续」「继续」，直到项目真的长起来了。然后事物开始从内部崩塌。上下文乱了，需求改了，AI 忘了东西，人也开始忘。项目越变越大，越难管理，你分不清哪些功能真正存在，哪些只是你希望它存在。

从「直接写代码」到「先写文档」

那几个月里，他花时间把 Twitter、Reddit、GitHub、各种博客上的工作流翻了个遍，最后自己拼了一套。这套东西的核心其实是一套写作习惯：在写代码之前，先写出四份文档。

第一份是需求文档，说清楚要做什么、不做什么。第二份是架构描述，哪些模块、数据怎么流动。第三份是界面规范，长什么样、交互怎么走。第四份是任务拆解，具体到每一轮给 AI 的 prompt。有了这四份东西，项目才从「继续加功能」变成「按步骤交付」。

他最大的体会是：不要急着写代码。花更多时间定义你要构建的东西，回报远高于你想象。他的工作流最终成了一个固定流程：想法、PRD、架构、界面、任务、执行。每一步的产出都是下一轮的输入，而不是脑子里一个模糊的「帮我做一个网站」。

视觉方向在代码之前

界面这件事，他的观察特别值得注意。如果你让 AI 独自设计所有内容，大多数应用会看起来很相似。因为模型在相似语料上被训练，输出的布局和组件选择容易趋同。这是训练数据的特性，不是某个人的问题。

所以他现在会先收集参考案例，生成草图，用专门的工具做风格预估，在写哪怕一行代码之前定好视觉方向。这个动作细节激进地提升了结果质量。至少在他的例子里，界面从「能用」变成了「像样」。

最好的界面设计和实现顺序对换：AI 只在方向确定后才真正介入。

工具迁移中最意外的一课

从 Cursor 换成持久型代理之后，他试过了 ChatGPT、Codex、MiniMax、DeepSeek、Herme 最后殉去 OpenCode Go。无数模型换来换去之后，他得出一个反直觉的结论：模型质量的重要性，远低于工作流质量。

他经济学背景在这件事上帮了大忙。本科学的是 AI 系统和组织管理，他会把代理系统当成信息系统来看，而不是当成「一个有记忆的助手」。记忆是表象，信息才对。代理之所以失败，问题在信息不可见、不可找、不可验证，不是在记不住东西。

所以他后来把工作系统拆成四层：导航层回答「什么存在、在哪里」，知识层回答「我们知道什么」，占策层回答「信息应该存到哪里」，消化层回答「日常活动如何变成有用知识」。他不再试图让代理记住更多，而是让代理知道去哪里找。

这个认识直接改变了他对代理的看法。代理能访问项目目录、能读 Obsidian 里的决策记录、能打开你存好的知识索引，就已经足够好。你不需要更大的内存，你需要更清晰的路径。

门槛只存在第一次

这段经历的最大价值，在于它和正在发生的很多事同频。越来越多非程序员背景的人开始自己构建工具、系统、产品。不是因为他们学会了编程，而是因为他们把「构建」这件事本身先拆成了可以被交付的步骤。

门槛只有六个字：先定义，再实现。

文档、界面、任务、流程，这些传统上由「专业人士」完成的工作，在 AI 时代变成了普通人的配置项。你不需要成为工程师，但你需要学会工程师的拆题方式。

很多人说 AI 让程序员失业，现实是 AI 正在批量制造程序员。他们是些被逼出来的、用完就走、边用边学的实践者，不是科班出身。他们的共同点区别在不会在第一次失败时停下来，不是在会不会写代码。

他在帖子的结尾说，代理没有帮他建立一切。你依然需要判断，需要思考，需要审查。但执行能力发生了巨大变化。他能一个人完成过去需要一个团队才能做的事。能一个人维护多个项目，一个人跑业务，一个人维护内部的自动化系统。

这不是智能带来的变化。这是执行门槛被踏平之后的结果。

门槛永远都在。你只需要第一个迈过去的人，告诉你那其实不是墙。

来源

Hermes Agent 官方文档

Claude Code 官方文档 — 最佳实践与常见工作流

---

内容效果不满意？点此反馈