一个非程序员，用自然语言和 AI 协作，从 0 到 1 的真实记录。
先说清楚我的底细：不是程序员，从来没系统学过任何编程语言，看到报错信息的第一反应是暴躁，安装软件基本全靠一路 next 到 finished。
但我有一个困扰了自己很多年的问题——英语学了十几年，语法略懂，考试略过，就是开不了口，写不成篇。市面上的学习 App 下载过一堆，用过一堆，要么太碎片，要么太无聊，要么 AI 反馈永远只有「Good job! Excellent!」——这种敷衍，还不如不给。
所以，在 AI 发展日新月异的今天，我决定：自己做一个。
这篇文章不是技术教程，是一份真实记录：一个普通人，如何用自然语言描述想法，让 AI 把它变成真实运行的软件。包括踩了哪些坑，哪些地方 AI 帮了大忙，哪些地方它坑了我。
从一个想法开始
整个项目始于一句话：我需要一个能跟读、能精读、能写作，还能告诉我哪里错了的工具。
然后我开始了跟 AI 的反复"撕扯"，直到把脑子里模糊的想法一点点逼清楚，最后让 Claude 直接帮我生成了一份 PRD——产品需求文档。对，你没看错。连需求文档都是 AI 写的。我只负责不断说「不对不对，我要的不是这个，我想要 xxx」。
与 AI 的多轮battle：
然后，我把这份文档扔给了 Claude Code，说：帮我做这个。
第一次对话结束，我有了一个可以在微信开发者工具里跑起来的基础框架。那一刻说实话，有点震惊！
真正的工作：描述、验证、修正
很多人以为「AI 帮你写代码」就是你说一句，它输完，然后完美运行。不是这样的。真实的协作流程是这样的：
描述需求— 用自然语言说清楚「我要的效果是什么」，越具体越好
AI 生成代码 — Claude Code 直接写进项目文件
亲自验证效果— 看效果、截图、发现问题
描述问题再次迭代 — 「它偷偷截断了」「滑动不了」「点了没反应」
反复循环 — 直到满意为止
我的核心技能不是写代码，是「描述清楚我要什么」和「判断结果对不对」。这两件事，任何普通人都会。
AI 真正开窍的地方
接入讯飞语音评分 API 的时候，让我第一次真正理解了「AI 协作」的含义。起初我全程交给 Claude Code 去实现，然后自己实测验证，结果是不断的 bug 叠加 bug, 这里修复好，那里又冒出新 bug，暴躁的想怒摔键盘，最终在几次怒怼之后 Claude 承认自己无法读取讯飞官方完整的 API 文档，一直都是在猜！
找到原因，也就好办了，讯飞反爬，你 AI 读不了，那我就手动把 API 文档复制给你，甚至直接截图给你看总可以了吧！于是我直接把那份 API 文档足足几十页——WebSocket 协议、音频格式规范、签名算法……直接 CV丢给 Claude，说：「帮我把这个整明白，用户录音后要能拿到发音评分。」
两个小时后，真机测试通过。
类似的还有腾讯云 TTS 签名算法、DeepSeek 的 JSON 格式、云数据库权限设计……每一个单独拿出来，自己学习研究，都要研究半天。AI 把「查文档、理解、实现」这整个过程，压缩到了分钟级。
这才是 AI 真正值钱的地方。
AI 坑我的地方
当然，踩了很多坑。有些是 AI 的问题，有些是我没描述清楚。几个最典型的：
它会「记忆混乱」。 项目越来越大，对话越来越长，AI 开始忘记之前定好的规范，反复踩同样的坑。解决方案：维护一份 recap 文档，每次对话开始前贴给它，强制让它「想起来」。
它会「自作聪明」。 让它更新某个项目文档，它跑去创建了两个新文件放进系统目录，声称「已保存到记忆系统」——完全在瞎造功能。结论：保持怀疑，结果必须自己验证。
它会「过度自信」。 给出的方案根本行不通，但说得煞有介事。免费版云函数 3 秒超时这个问题，它给了好几个错误方向，最后是我逼着它从第一原理重新分析，才找到正确解法——把一次 AI 出题拆成两次并行请求。
AI 就像一个博士学历的实习生——理论能力超强，但不能无脑信，需要你来把关。
最终做出来了什么
功能模块：跟读 + 发音评分 · 精读 + 查词 + 语法解析 · 写作 + AI 批改 · 生词 · 能力测试 · 素材 · TTS 跟读
历时 5 天，业余时间完成，本地已全部跑通。现在坐等小程序备案审核通过！！！
写给同样有想法的你
你不需要学编程。
你需要的只是三件事：
- 能清楚描述你想要什么
- 有耐心验证结果
- 遇到问题能用语言精确描述
还有一件最重要的事：维护好你的需求文档和对话历史记录。 AI 没有真正的记忆，你的文档就是它的记忆。文档越清晰，它越听话。
这个项目从第一次对话到基本完成，不到一周，断断续续。如果你也有一个想做的东西，现在就是最好的时机。
AI 时代，人人都能成为产品工程师。
Dare to imagine. AI does the heavy lifting.
