AI 编码从零开始学习方案

目标：先用 AI 工具辅助编程（快速上手写出能跑的程序），再深入大模型应用开发（做出真正的 AI 产品）。
总周期：约 3~6 个月，每天 1~2 小时（可全职加速，也可兼职拉长）。
核心理念：做中学（Learn by Building）。每个阶段都以"做出一个小东西"为验收标准，而不是"学完一本教材"。
本方案升级说明：已结合 2025-2026 年最新的 AI 编码工具与可公开获取的学习路线（文内所有链接均来自联网搜索，可点击直达）。

一、总体路线图（五阶段）

二、阶段一：编程基础 + Python（2~4 周）

目标： 建立最基本的编程概念，不追求深度，够用即可。

学习内容：

1. 核心概念：变量、数据类型、条件判断、循环、函数、列表/字典
2. 会用终端运行 Python（python xxx.py）
3. 会使用文本编辑器（VS Code 最推荐）
4. 学会"报错后怎么看错误信息"（这是新手最重要的能力之一）

推荐资源（含链接）：

• 免费教程网站：7个免费学习Python的网站推荐（从初学到实战，覆盖不同阶段）
• 免费文章：一篇文章带你入门 python（快速建立整体概念）
• 经典书：《Python 编程：从入门到实践》前 1~7 章即可，不必读完
• 视频：B 站搜"Python 快速入门"（选播放量高、较新的）

关键技巧：

• 这一阶段就用 AI 当陪练：看不懂的代码直接问 AI"逐行解释这段代码"；报错了把错误信息粘贴给 AI 求助
• 不要背语法！语法记不住很正常，AI 会帮你查，重点是理解逻辑

三、阶段二：AI 辅助编程入门（2~3 周）

目标： 熟练掌握 1~2 个 AI 编码工具，能独立用 AI 完成小项目。

主流 AI 编码工具（选 1~2 个深度使用即可）：

参考评测与教程（含链接）：

• GitHub Copilot / Cursor / Windsurf 深度横评：开发者 AI 编辑器选型指南（选型前先看这篇）
• Cursor 2.0 Ultimate Guide 2025（Cursor 完整工作流）
• Claude Code 专业开发 25 步（小白也能秒懂）（从零上手）
• AI 新手村：Claude Code（概念先行）

必学的核心技能：

1. 提示词基本功

   • 给足上下文：说明"我是新手、语言、目标、文件路径、错误信息"
   • 让 AI 分步做：一次只让 AI 做一步，而不是"帮我写个聊天软件"
   • 让 AI 解释：要求"解释每行代码的作用，用中文"
   • 让 AI 教：说"教会我"，而不是"替我写"
2. 看懂 AI 产生的代码（不要直接运行就完事——先读一遍，再让 AI 逐行解释）
3. 调试：程序报错 → 把错误信息完整复制给 AI → 请它解释原因 + 给修复方案
4. 迭代式开发：先让 AI 搭一个能跑的最小版本 → 测试 → 再提新需求逐步加功能

阶段验收小项目（三选一）：

• 一个命令行"待办事项"工具（能增删查）
• 一个"猜数字"小游戏（带计分）
• 一个批量重命名文件的工具脚本

进阶参考：vibe-coding-collection —— 一个收录了海量"AI 编程/vibe coding"资料与导航的 GitHub 合集，学完基础后可以来挖宝。

四、阶段三：项目实战与工程习惯（4~8 周）

目标： 从"会用 AI 写代码"升级为"能做出有用的小软件"。

做法：

• 每 1~2 周做一个真实小项目，选题原则：解决自己真实遇到的问题（如：自动整理下载文件夹、爬取某网站信息、把 Excel 合并成报表、个人记账脚本）

• 每个项目都做以下标准动作：

  1. 需求拆解：先写清楚"输入是什么、输出是什么、分几步"（可以让 AI 帮你拆）
  2. 让 AI 分步实现：每步都要求解释
  3. 学会 Git：初始化仓库、git add、git commit、git push 到 GitHub/Gitee（可用 AI 教）
  4. 写 README：让别人（和未来的你）看懂这个项目是干嘛的

这个阶段最重要的两个能力：

• 拆解能力：把一个模糊想法变成一步步可执行的任务 → 这是所有 AI 编程的核心能力
• 审查能力：AI 写的代码不一定对，学会"读代码找问题"和"写最小测试验证"

注意： 此时开始接触"AI 直接操作你的文件系统"的工作方式（你正在用的 DeepSeek Harness 就是这么工作的），这也是 Agentic Coding 的核心形态，为阶段五打基础。

五、阶段四：大模型应用开发（4~6 周）

目标： 从"用 AI 写普通软件"转向"开发 AI 应用本身"。

先掌握核心概念（用 AI 帮你讲，讲不懂就换角度问）：

• Token、上下文窗口（context window）
• Temperature / 采样参数
• Prompt Engineering（提示词工程）的基本套路：角色设定、任务描述、格式要求、示例（few-shot）
• 函数调用（Function Calling / 工具调用）
• RAG（检索增强生成）：给大模型外挂"知识库"
• Agent（智能体）：让模型自己决定"调用哪个工具、下一步做什么"

动手路径（推荐，国内友好）：

1. 调用你已有的 硅基流动 API（兼容 OpenAI 格式，https://api.siliconflow.cn/v1/，就是你现在配置的这个）写第一行 Python 调用——官方文档有最小示例
2. 做一个命令行聊天机器人（带历史记忆，保存对话）
3. 做网页聊天应用：推荐 Streamlit（Python 写网页，最简单）或 Gradio
4. 进阶项目：RAG 问答系统——把自己的一堆文档/PDF 喂给它，让它基于文档回答（可用 LangChain、LlamaIndex，或直接用向量数据库 chromadb）
5. （可选）搭一个翻译/总结/写作助手，先解决自己需求

可直接跟随的学习路线（含链接，都是搜索到的公开资源）：

• 小李的「大模型应用开发学习路线」llms-dev-study —— 涵盖 RAG、Agent、面试八股与论文速读，路线很完整
• LLM-DEV-COOKBOOK —— LLM 应用开发快速入门的学习笔记集合
• Agentic RAG 实战项目（本地 DeepSearch） —— 基于 DeepSeek API + Tavily 的低门槛 Agentic RAG 实现，可直接照着做
• DeepSeek + Dify 实战：从零构建企业级智能体与知识库系统 —— 图形化平台路线，不用写太多代码也能做出完整系统
• agent-first-dev：Agent 优先开发指南 —— 面向 Agent 时代的开发方法论

推荐免费课程：

• 吴恩达与 DeepLearning.AI 的《ChatGPT Prompt Engineering for Developers》（免费短课，有中文翻译版）
• 李宏毅《机器学习/深度学习》入门课（B 站有全集，偏理论，可选看）
• LangChain 官方文档的 Quickstart（英文，按步骤走）

六、阶段五：进阶：智能体与部署（持续进行）

• 智能体开发：学 MCP（Model Context Protocol）、Function Calling，做一个能"查天气→订提醒→发邮件"的多工具智能体

  • 入门课程：Model Context Protocol (MCP) 入门 | DataCamp（中文）
  • 实战教程：MCP 从入门到多场景全链路实战
• 模型微调：了解 LoRA 微调原理（先了解概念，不必急着跑）
• 部署上线：学 Docker 基础 + 把应用部署到服务器（国内可用阿里云/腾讯云轻量服务器，或免费的 Streamlit Cloud 试用）
• 参与开源：在 GitHub 给开源项目提 issue、修小 bug（社区是最好的老师）
• 关注行业动态：中文社区推荐"机器之心""量子位"，英文推荐 Hacker News、The Rundown AI

七、给新手的 6 条建议

1. 不要囤资料：选定 1~2 个资源吃透，比收藏 20 个教程有用
2. 每天至少写/改一次代码：哪怕只有 10 分钟，保持手感
3. 别怕报错：报错是学习信号，把错误信息丢给 AI 让它解释
4. 让 AI"教"而不是"替"：多用"解释这段代码""为什么这样写"这类提问
5. 项目选小选真实：能解决自己问题的项目才能坚持做完
6. AI 是加速器，不是替身：核心能力是"拆解需求 + 审查代码"，这两个 AI 替不了你

学习过程中遇到任何不懂的，直接在环境里问AI——解释代码、讲解概念、帮你排错，这正是练习 AI 编码的第一步。