这是一篇完整指南，写给不是专业工程师、但想用 AI 自己做点东西的人——独立创业者、内容创作者、运营、产品。AI 让”写出能跑的代码”第一次变得人人可及，但用得好和用得出事，只隔着几条边界。这篇把方法、流程和边界一次讲清。

先分清:你要做的是哪一类

不是所有”写代码”风险都一样。动手前先归类:

  • 一次性小脚本:批量改文件名、整理表格、抓一段数据——做完即弃，风险极低
  • 个人自动化:定时提醒、把 A 平台内容搬到 B——自己用，影响范围小
  • 原型 / Demo:验证一个想法的可交互页面——给自己或少数人看
  • 正式产品:对外提供、要长期维护、碰真实用户数据——风险最高

前三类，非工程师用 AI 放心做;第四类，要么慎重，要么找专业人士。分清这一步，后面才不会踩坑。

和 AI 协作写代码的基本流程

把它当成一个可重复的流程，而不是”许愿”:

  1. 说清需求:用大白话描述你要什么、输入是什么、期望输出长什么样
  2. 让它生成:要它给出完整可运行的代码，并说明怎么运行
  3. 先跑起来:在不影响真实数据的环境里运行，看结果对不对
  4. 让它解释:要求 AI 逐段解释代码在干什么——别盲跑
  5. 迭代:把报错或不满意的地方贴回去，让它改

记住一条:AI 给的是初稿,不是终稿。它擅长把你的想法快速变成能跑的东西，但对不对、安不安全，要你来判断。

守住边界:哪些别碰

一旦涉及这些，就该停下来慎重，或找懂的人:

  • 处理真实用户数据、密码、支付
  • 对外提供、需要长期维护的系统
  • 涉及安全、合规、隐私的逻辑

AI 会写出”看起来对”但有隐患的代码(安全漏洞、边界没处理)。你不懂时很难发现——这正是边界所在。更详细的边界讨论见:非工程师用 AI 写代码的边界。

几条让你不踩坑的习惯

  • 不把真实密钥、隐私数据贴给 AI
  • 重要的东西上线前，找懂的人看一眼
  • 先在测试环境跑，别直接动真实数据
  • 让 AI 解释每段代码，看不懂就追问
  • 把好用的提示词存进库，下次复用(参见 给提示词建一个可复用的库)

从哪开始最划算

最好的起点，是你每天在重复、规则又清晰的那件事——它最适合用一个小脚本或自动化解决，回报最高、风险最低。先识别它(参见 自动化的第一步:识别你的重复劳动)，再用上面的流程把它做掉。

接下来这几篇会更具体:用 AI 搭你的第一个小工具、适合交给 AI 自动化的日常场景、从想法到原型:用 AI 快速验证一个点子。

一句话

AI 是放大器，不是替代品。它放大你的能力边界——让你做出以前做不出的东西;但它不替你承担判断。把它用在低风险、高频的重复劳动和验证想法上，收益最大、最安全。涉及他人和钱的部分，知道”该停下来交给专业人士”，本身就是一种专业。