我高中毕业不会写代码，用AI编程做出了变现产品——从零到落地的完整实战手册

我高中毕业。

当过兵，退伍后做过新媒体运营，开过奶茶店（亏了30万），学过AI插画当过助教管理2万学生，现在开着白墨打印工厂。2024年才开始接触AI编程。

到今天，我用AI编程做的产品：pngtrid.com上线1个月无投流变现5K，PNG部落3个月做到5万收入、86%利润率，自动化写作+Skill变现3285元（7天）。

我不是程序员。 我到现在也写不了一个完整的React组件。

但我用AI编程，做出了能赚钱的产品。用的工具只有一个：VS Code + Claude Code插件。

今天这篇文章，我把过去半年踩过的坑、总结出的方法、整理出的工具体系，完整交出来。不是理论，是我实际在用的东西。每一步都写清楚了——打开什么、点什么、输入什么。

你今天看完，今天就能开始。

一、2026年的AI编程，跟你以为的不一样

很多人对AI编程的认知还停留在"让ChatGPT帮你写一段代码，然后你自己复制粘贴"的阶段。

但2026年的AI编程工具已经完全不是那个样子了。

Claude Code不是一个聊天框。它是一个住在你电脑里的程序员。

你跟它说"帮我做一个待办清单网页"，它会：

• • 自己创建文件
• • 自己写代码
• • 自己安装需要的依赖包
• • 自己运行测试
• • 发现Bug自己修
• • 最后告诉你"做完了，你可以打开这个地址看效果"

整个过程你不需要碰一行代码。

你只需要做三件事：

第一步：描述你要什么     ← 用中文说就行
第二步：看它生成了什么   ← 打开浏览器看效果
第三步：告诉它哪里要改   ← 不满意就用中文说

这就是AI编程的"三步法"。听起来简单，但90%的人卡在第一步——因为他们不知道该描述什么、怎么描述、描述到什么程度。

这就是接下来我要解决的问题。

二、安装配置：30分钟从零到能用

这一节我写得特别细，因为很多人就卡在安装这一步。

2.1 你需要什么

• • 一台电脑（Mac或Windows都行）
• • 能上网
• • 不需要任何编程基础

2.2 安装VS Code（5分钟）

如果你电脑上已经有VS Code，跳过这步。

Windows：

1. 1. 打开浏览器，搜索"VS Code下载"或直接访问 https://code.visualstudio.com
2. 2. 点击下载按钮，下载Windows安装包
3. 3. 双击安装包，一路点"下一步"就行
4. 4. 安装完成后打开VS Code

Mac：

1. 1. 同样访问 https://code.visualstudio.com
2. 2. 点击下载Mac版本
3. 3. 下载完把VS Code拖进"应用程序"文件夹
4. 4. 打开VS Code

2.3 安装Claude Code插件（5分钟）

这一步把AI程序员装进你的编辑器里。

1. 1. 打开VS Code
2. 2. 看左边那排图标，找到"扩展"图标（长得像四个方块那个），或者直接按快捷键：
   • • Mac：Cmd + Shift + X
   • • Windows：Ctrl + Shift + X
3. 3. 在搜索框里输入 "Claude Code"
4. 4. 找到 "Claude Code" by Anthropic（注意认准Anthropic官方的）
5. 5. 点击 Install
6. 6. 安装完成后，VS Code左侧或底部会出现Claude Code的面板

2.4 配置模型（10分钟）

Claude Code插件装好后，它默认用的是Anthropic自己的Claude模型。但你也可以切换到国内模型，更便宜、在国内网络环境更稳定。

目前我推荐两个模型选择：

我目前自己用的是GLM-5.1。 日常开发完全够用，成本比Claude低很多。

怎么配置GLM-5.1：

1. 1. 打开VS Code的设置文件。按 Cmd + Shift + P（Mac）或 Ctrl + Shift + P（Windows），输入"settings json"，选择 "Preferences: Open User Settings (JSON)"
2. 2. 在打开的settings.json文件中，找到或添加Claude Code相关配置，把模型改成 glm-5.1

或者更简单的方式——直接在Claude Code的设置界面改：

1. 1. 点击VS Code底部状态栏的Claude Code图标
2. 2. 找到模型设置选项
3. 3. 选择或输入模型名称

详细配置教程可以看智谱官方文档： https://bigmodel.cn/claude-code

2.5 安装三件套（10分钟）

三件套是我做产品的核心工具组合，装上之后AI编程的效率翻倍。

三件套是什么？

安装方法（在VS Code的终端里执行）：

打开VS Code的终端：菜单栏 → 终端 → 新建终端（或按 Ctrl + `）

然后依次输入：

# 安装 gstack
git clone --single-branch --depth 1 https://github.com/garrytan/gstack.git ~/.claude/skills/gstack && cd ~/.claude/skills/gstack && ./setup

# 安装 GSD
npx get-shit-done-cc@latest

Superpowers在Claude Code对话中安装：

1. 1. 在Claude Code对话框里输入：/plugin marketplace add obra/superpowers-marketplace
2. 2. 等它安装完成

装完后验证： 在Claude Code对话框里输入 /help，你应该能看到一个很长的技能列表。如果看到了，说明安装成功。

注意： 如果安装过程中报错，最常见的两个原因：

1. 1. 没装Node.js —— 搜索"Node.js下载"安装最新版
2. 2. 网络问题 —— 用国内镜像：npm config set registry https://registry.npmmirror.com

三、最关键的一步：让AI帮你配置CLAUDE.md

这一步是我认为整个AI编程流程中最重要的一步。

CLAUDE.md是什么？它是一个特殊的文件，Claude Code每次启动都会读它。相当于你给AI员工的"工作手册"——告诉它你用什么技术栈、遵守什么规范、哪些事不能做。

这份文件决定了AI编程质量的上限。 没有它，AI就像一个能力很强但没人管的新员工，按自己的理解乱做；有了它，AI就像一个训练有素的工程师。

不要自己写模板——让AI帮你生成

网上很多教程会给你一个CLAUDE.md模板让你自己改。但说实话，普通人根本不知道怎么改——你连那些技术名词都不认识，改什么？

我的方法是：直接跟AI讨论，让它帮你生成。

具体怎么做？打开Claude Code，跟它说：

我想做一个 [你的产品想法，比如：在线抠图工具]。

请帮我生成一份适合这个项目的 CLAUDE.md 文件。

我目前的情况：
- 我不会写代码，需要你帮我做所有技术决策
- 我希望用最主流、最成熟的技术栈
- 我需要这个项目能部署上线、能收费

请根据我的产品需求，帮我决定：
1. 用什么技术栈（前端、后端、数据库）
2. 适合的编码规范
3. 项目目录结构
4. 常用命令
5. 需要遵守的红线规则

生成完后直接写入项目根目录的 CLAUDE.md 文件。

AI会跟你讨论几个问题（比如"你想做什么类型的网站""有没有偏好的技术栈"），然后生成一份完整的CLAUDE.md，直接帮你写到项目文件夹里。

你不需要理解里面每一条技术细节。你只需要在后面用的时候，发现问题了，跟AI说："上次你用了XX方案出了问题，以后别用了，改成YY方案"，AI会自动更新CLAUDE.md。

CLAUDE.md的核心玩法是"迭代"：

1. 1. 一开始让AI帮你生成基础版
2. 2. 用了一段时间后，AI犯了错，你纠正了
3. 3. 把这个纠正写进CLAUDE.md（或者让AI自己写进去）
4. 4. AI下次就不会再犯同样的错

这就像带新人——一开始给一份工作手册，后面他犯错了就补充手册，越往后他越靠谱。

四、从零开始的第一课：用自然语言写第一个程序

这部分我把课程的核心教学内容直接写出来。你跟着做，40分钟就能写出你的第一个程序。

4.1 AI编程的三步法

用Claude Code写程序，流程永远只有三步：

第一步：描述你要什么     ← 你的工作
第二步：看它生成了什么   ← 你的工作（审核）
第三步：运行验证结果     ← 你的工作（测试）

你永远不需要写代码。 你的工作是"描述需求"和"审核结果"。

4.2 实操：写一个猜数字游戏

第一步：描述需求

在Claude Code里输入（直接复制这段话）：

帮我写一个猜数字游戏，用Python。

要求：
1. 程序随机生成1到100的数字
2. 让用户输入猜测的数字
3. 告诉用户猜大了还是猜小了
4. 猜对了告诉用户用了几次
5. 游戏结束后问用户要不要再玩一次

第二步：审核生成结果

Claude Code会：

1. 1. 创建一个Python文件（比如 guess_number.py）
2. 2. 写入完整的游戏代码
3. 3. 告诉你如何运行

审核要点：

• • 它创建了几个文件？（应该只有1个）
• • 文件名是什么？
• • 它有没有解释代码的作用？

第三步：运行验证

在终端里输入：

python guess_number.py

如果报错说找不到Python，输入：

帮我检查一下Python是否安装了。如果没有，帮我安装。

运行成功后，你就有了人生中第一个程序。 真的就这么简单。

4.3 迭代优化——这才是AI编程的精髓

程序能跑之后，你可以让它改进。

加计分功能：

给游戏加一个计分功能。每次猜对后记录用了几次，最后显示历史最佳成绩（最少猜对次数）。数据存在同一个目录下的score.txt文件里。

加难度选择：

加一个难度选择功能。游戏开始时问用户选难度：
- 简单：猜1-50的数字
- 普通：猜1-100的数字
- 困难：猜1-500的数字

关键技巧：不要一次性给所有需求。 一次加一个功能，加完测试，没问题再加下一个。任务越小，完成质量越高。出错了容易定位和回退。

4.4 权限系统——AI每次操作都会问你

Claude Code在执行操作前会征求你的同意，这是安全设计：

自动放行的操作（不需要确认）：

• • 读文件
• • 搜索文件
• • 查看目录结构

需要确认的操作：

• • 写文件/编辑文件
• • 执行终端命令
• • 创建目录

弹出的确认提示像这样：

Allow Claude to write to /Users/you/hello.py? [y/n/a]

安全提示： 不要对"执行命令"类操作轻易选 a，因为命令可能包含危险操作（如删除文件）。前期一律选 y，熟悉后再考虑用 a。

4.5 怎么让AI帮你修Bug

程序报错了怎么办？直接把报错信息粘贴给AI。

描述Bug时，始终包含三个信息：

1. 期望行为：应该发生什么
2. 实际行为：实际发生了什么
3. 错误信息：完整的报错文本

错误做法：

我的程序坏了，帮我修一下。

→ AI不知道什么坏了、怎么坏的。

正确做法：

我的猜数字游戏（guess_number.py）有个问题：

1. 期望行为：输入字母q应该退出游戏
2. 实际行为：输入q后程序崩溃了
3. 错误信息：
   ValueError: invalid literal for int() with base 10: 'q'

帮我修复。

AI会分析错误信息，定位问题，然后修复代码。对于常见错误，修复成功率在90%以上。

调试心态：报错是信息，不是惩罚。即使资深程序员写代码也会出Bug。关键是快速发现、快速修复。

4.6 理解AI的"记忆"——上下文管理

Claude Code有"短期记忆"，叫做上下文。就像你的办公桌——桌面空间有限，放太多东西就开始"找不到"早期放的文件。

核心规则：60%法则。 上下文占用超过60%后，AI的表现会明显下降——遗忘早期对话中的约束、重复已经做过的操作、生成跟前面矛盾的代码。

什么时候该开新对话：

• • 从功能A切换到功能B
• • 感觉AI开始"忘事"
• • 单次对话超过30轮

两个关键命令：

• • /compact —— 压缩对话，保留关键信息，释放空间（同一任务继续时用）
• • /clear —— 完全清空对话，从头开始（切换到新任务时用）

优先用 /compact，实在不行再用 /clear。

还有一个技巧——用 @ 引用文件：

@guess_number.py 这个文件里有什么Bug？

加了 @，AI会看到真实代码，不会凭空猜。回答质量比不加 @ 高很多。

4.7 结业实操：从零做一个待办清单工具

这是阶段一的结业项目。你将从零到一，用Claude Code做一个完整的命令行工具。

项目规划：

分步实施（核心原则：不要一次性给所有需求）：

第一步：创建基础结构

帮我创建一个叫todo-cli的项目。

要求：
- 创建目录todo-cli
- 使用Python
- 先只做最基本的添加任务和查看任务功能
- 数据存在JSON文件里

验证：运行程序，能添加任务和查看任务。

第二步：加完成和删除功能

现在帮我加上以下功能：
1. 标记任务为已完成（用编号）
2. 删除任务
3. 数据自动保存到tasks.json

验证：添加几个任务，标记完成，删除一个，重新运行程序看数据是否保存。

第三步：优化体验

帮我优化用户体验：
1. 任务列表显示编号
2. 显示任务总数和已完成数
3. 输入无效命令时给出提示

第四步：写说明文档

帮我写一个README.md，包括：
- 项目名称和简介
- 功能列表
- 使用方法

完成标准：

• • [ ] 能添加任务
• • [ ] 能查看任务列表
• • [ ] 能标记任务完成
• • [ ] 能删除任务
• • [ ] 重启后数据还在
• • [ ] 有README.md

做到这里，你已经入门了。 你学会了AI编程最核心的东西：三步法（描述→审核→验证）、分步开发（不要一次性给所有需求）、Bug描述三要素、上下文管理。

五、三件套怎么配合：一个人 = 一个技术团队

三件套装好了，CLAUDE.md配好了。现在讲它们怎么配合使用。

5.1 三件套各自干什么

GSD（项目管家）——管"做什么""什么时候做""做了多少"

GSD把大项目拆成小阶段，每个阶段有目标、有验收标准。你做完一步，它自动进入下一步。最关键的是——它会把所有状态保存在 .planning/ 目录里。也就是说，你今天做到一半关了电脑，明天打开还能接着做，不会丢失进度。

GSD的5步流水线：

spec（需求）→ discuss（讨论）→ plan（计划）→ execute（执行）→ verify（验证）

gstack（专家团队）——管"做得好不好""有没有遗漏"

gstack像一个外部顾问团，里面有多个角色：

Superpowers（开发纪律）——管"怎么做才对""不能怎么做的红线"

Superpowers的特点是自动触发，你不需要手动调用它。它会：

• • 写代码前先写测试（TDD：红→绿→重构）
• • 有Bug时触发"系统化调试"——"没有调查就不修复。不要猜测。不要假设。不要'试一下'。"
• • 写完后自动做完成验证

5.2 三件套怎么配合——真实场景演示

我拿做pngtrid.com时的流程来演示：

第1步：想清楚方向（用gstack）

在Claude Code里输入：

/office-hours

然后跟AI对话：

我想做一个AI生图工具网站，面向国内用户。目前市面上的AI生图工具要么太贵，要么需要翻墙。
我想做一个国内的、价格合理的AI生图站。
帮我分析一下可行性和切入点。

gstack不会直接回答"好，开始做"。它会追问你：

• • "你的目标用户具体是谁？设计师？电商卖家？还是普通用户？"
• • "你打算用哪个AI生图模型？Stable Diffusion？Midjourney API？"
• • "你的定价方案是什么？免费+付费？还是纯付费？"
• • "你的获客渠道想好了吗？SEO？社群？"

这些问题逼你想清楚。 很多人上来就"我要做个XX"，但细节全没想。gstack帮你把模糊的想法变成清晰的方案。

第2步：创建项目并拆解（用GSD）

想清楚后，在Claude Code里输入：

/gsd-new-project

跟AI描述你的产品方案（把第1步讨论出的结论告诉它）。AI会自动生成项目结构，把大项目拆成多个Phase。

然后规划每个Phase：

/gsd-plan-phase

AI会输出一个详细的计划，类似这样：

Phase 0：基础搭建（1天）
  - 项目初始化（Next.js + Tailwind + 数据库）
  - 用户认证系统
  - 基础页面布局

Phase 1：核心功能（3天）
  - AI生图功能集成
  - 图片生成队列
  - 图片展示和下载

Phase 2：付费系统（2天）
  - Stripe/微信支付集成
  - 会员等级和额度管理
  - 支付回调处理

Phase 3：上线准备（1天）
  - SEO优化
  - 性能优化
  - 部署到Vercel

每个Phase有验收标准。比如Phase 1的验收标准可能是："用户可以输入提示词、点击生成、看到AI生成的图片、下载图片。"

第3步：执行（GSD + Superpowers）

/gsd-execute-phase

AI开始按计划执行。这一步是Superpowers自动介入的时候——

它会在写每个功能前先写测试。这意味着它不是"写完代码就交差"，而是"写完代码、跑通测试、确认没问题"才告诉你做完了。

你在这个过程中做什么？

1. 1. 看AI的计划——它每次执行前会告诉你"我接下来要做XX"，你确认OK它才开始
2. 2. 验收每个Phase——它做完了，你打开浏览器看看效果，点点看，功能是不是你想要的
3. 3. 给反馈——"这个按钮位置不对""这个页面太慢了""这个颜色不好看"，直接用中文说

如果AI在做的时候你关了电脑，第二天打开，GSD的状态都还在。你只需要说"继续上次的Phase 1"，它就知道从哪接着做。

第4步：质量检查（用gstack）

代码写完了，别急着上线。用gstack做几轮检查：

# 代码审查——检查Bug和安全漏洞
/review

# 真实浏览器测试——AI会打开你的网站，操作一遍，截图给你看
/qa

# 安全审计——全面扫描安全问题
/cso

为什么AI写的代码也需要审查？

因为AI有"确认偏误"——让它自己检查自己的代码，它倾向于说"没问题"。就像你写完一篇文章自己校对，总觉得没什么要改的。

我的做法是多层审查。实测数据：用另一个AI交叉审查Claude写的代码，审计准确率约47%（不高），但它唯一标记为Blocker的问题，恰好是Claude完全没发现的盲区。

独立审查的价值不在于准确率，而在于视角互补。

第5步：发布（用gstack）

/ship

AI会自动处理构建、部署。你确认就行。

六、为什么AI编程容易翻车？——四级治理模型

我见过太多人用AI编程做出一坨屎。不是因为AI不行，是因为没有治理。

AI就像一个能力很强但没有方向感的新员工。你不给规则，它就按自己的理解做——而且它觉得自己做得挺好。

治理的本质：把人脑中的隐性知识，转化为AI能理解和执行的显性规则。

我的解决方案是四级渐进式治理模型：

L1：基础级（5分钟搞定）

就是上面说的CLAUDE.md。让AI帮你生成。

90%的个人项目做到这一步就够了。 不要提前引入复杂度。

L2：规范级（30分钟）

当你感受到这些痛点时再升级：

• • 团队超过2人，开始出现风格不一致
• • 需要部署到生产环境
• • 反复在新session中重复相同的指令
• • AI总是犯同一个错误

L2在L1基础上加：

• • rules（路径级规则）：不同文件夹用不同规则。比如API目录下要求所有接口必须有错误处理，前端目录下要求每个组件必须有类型定义
• • Hooks（自动化钩子）：比如AI每次修改文件后自动运行测试，测试不通过就回滚
• • 自定义Agent：创建专门的审查Agent、文档检查Agent

L3：协作级（2小时）

5-15人的团队。在L2基础上加Plugin打包、Agent Team（多个AI并行工作）、Forked Subagent（子代理继承完整上下文）。

L4：度量级（需专人维护）

15人以上的公司。Managed Settings通过MDM强制下发配置，所有员工统一规范。

核心原则：宁可低一级，不要高一级。当你明确感受到当前层级的痛点时，再升级。

很多人一上来就想搞L3的Plugin打包，结果配置太复杂，AI反而不好用了。从L1开始，遇到问题再加规则，一步步来。

七、质量保障四件套：怎么防止AI翻车

AI写的代码最大的问题不是"不能用"，而是"看起来能用，但藏着坑"。我总结了四个质量保障手段，形成完整链路：

1. ralph-loop（开发过程中持续验证）

核心理念：Memory is Poison, Tests are Cure.

Claude的上下文会丢失、会幻觉，但测试不会。把验证逻辑写进测试，而不是依赖Claude"记住"。

四阶段循环：

约束确认 → 代码生成 → 执行监控 → 闭环验证
      ↑                           ↓
      └─────── 测试失败 ←─────────┘

2. code-review三层审查

核心设计：信息隔离。 每层审查者不知道其他层的结论，避免确认偏误。

• • Layer 1：Claude自审（必选，~30秒）——快速扫一遍
• • Layer 2：Codex交叉审（变更>200行时推荐）——用另一个AI审
• • Layer 3：/ultrareview云端审（重大变更时用）——多个AI Agent并行审查

3. 对抗性审计（上线前必做）

三阶段信息不对称设计：

• • Phase 1：Agent只看需求不看代码，猜测可能的风险
• • Phase 2：看代码 + Phase 1的假设，验证或推翻
• • Phase 3：看代码 + 前两轮结果，找盲区

关键是Phase 1必须用新对话，防止被已有上下文"带偏"。

4. verification（完成确认）

铁律：

"代码已写"不是验证证据，"测试通过"才是。 "我觉得没问题"不是验证证据，"curl返回200"才是。

验证矩阵模板：

八、从想法到上线的完整SOP

现在把前面的内容串起来，给你一个可以直接照抄的SOP。

阶段0：调研（3小时，不能跳）

这步我上一篇精华帖写了完整的6步BRD流程。核心：先花3小时，再决定要不要花3周。

我自己的教训——pngtrid.com的第一个版本，跳过了调研，定位模糊。后来花了2天做BRD调研，重新定位，上线1个月变现5K。

那2天比之前乱做的所有时间都有价值10倍。

阶段1：让AI帮你配置项目（30分钟）

1. 1. 打开VS Code，新建一个项目文件夹
2. 2. 打开Claude Code对话框
3. 3. 跟AI说你的产品想法，让它帮你生成CLAUDE.md
4. 4. 跟AI讨论确认后，让它写入文件

阶段2：讨论方向和规划（1小时）

1. 1. /office-hours —— 跟AI讨论方向，想清楚
2. 2. /gsd-new-project —— 创建项目，拆成多个Phase
3. 3. /gsd-plan-phase —— 生成详细的执行计划

阶段3：执行开发（7-14天）

1. 1. /gsd-execute-phase —— AI按计划执行
2. 2. 每个Phase做完，你验收：打开浏览器看看效果
3. 3. 不满意就用中文告诉AI哪里要改
4. 4. 做到一半关了电脑？第二天打开说"继续上次"就行

阶段4：质量检查（1天）

1. 1. /review —— 代码审查
2. 2. /qa —— 真实浏览器测试
3. 3. /cso —— 安全审计
4. 4. 不通过就让AI修，修完再查，直到全过

阶段5：上线发布

1. 1. /ship —— 一键发布
2. 2. 获客走垂直渠道（Reddit、社群、平台插件市场），不走Google大搜

九、我的真实踩坑记录

坑1：跳过调研直接写代码

pngtrid.com第一个版本，没有做调研，定位模糊。上线后才知道市场定位有问题。后来花了2天做BRD调研，重新定位，上线1个月变现5K。

那2天比之前所有时间都有价值10倍。

坑2：不给AI定规则

早期让AI自由发挥，选了个我不熟悉的技术栈，出了Bug我修不了。后来在CLAUDE.md里限定了技术栈，这个问题再没出现。

坑3：不做质量审查

有一次跳过审查直接上线，用户反馈支付页面有Bug。从那以后，铁律就是"测试通过才算完成"。

坑4：上下文太长导致AI"忘事"

有一次在一个对话里让AI做了太多事情，做着做着它开始重复已经做过的操作，生成的代码跟之前矛盾。后来我学会了一个规则：单次对话超过30轮，就开新对话。 GSD的状态保存在文件里，不会因为开新对话丢失。

坑5：定价踩坑

第一个定价方案是免费。想着先吸引用户再收费。结果免费用户一堆，付费用户为零。后来改成Freemium模式（免费体验 + 付费Pro版），付费转化率才上来。

不要做最便宜的。做中偏上。用户选的不是"便宜"，是"划算"。

坑6：一次性给AI太多需求

有一次跟AI说"帮我做一个电商系统，要用户注册、商品管理、购物车、订单、支付……"，它做出来的东西东拼西凑，Bug一堆。后来改成一步步来——先做注册，测通了再做商品管理，做完了再做购物车——质量好了很多。

任务越小，完成质量越高。出错了容易定位和回退。

十、进阶学习路径

如果你把上面的内容都做了，想继续深入，这里是一个完整的学习路径，从零基础到企业级，分4个阶段28课：

阶段一：零基础入门（1周，6课）——你现在正在学

结业标准： 能独立用Claude Code做一个命令行工具。

阶段二：基础精通（2周，9课）

结业标准： 能独立做完整Web应用。

阶段三：高级进阶（2周，6课）

结业标准： 能做多AI协作的复杂项目。

阶段四：大师殿堂（2周，7课）

结业标准： 能搭建企业级AI编程治理体系。

十一、今天就能开始的行动清单

别光看，动手。

今天（1小时）：

1. 1. 安装VS Code
2. 2. 在VS Code里安装Claude Code插件
3. 3. 配置模型（推荐GLM-5.1或Kimi K2.6）
4. 4. 打开Claude Code，跟它说："帮我写一个猜数字游戏"，看它怎么做
5. 5. 运行它生成的程序，玩一玩

本周（3小时）：

1. 6. 想一个你想做的产品（哪怕很小）
2. 7. 用BRD方法调研3小时（我上一篇文章的SOP）
3. 8. 跟AI讨论你的想法，让它帮你生成CLAUDE.md
4. 9. 安装三件套（gstack + GSD + Superpowers）

下周（7天）：

1. 10. 用GSD的5步流水线开始做你的产品
2. 11. 每个Phase做完做代码审查（/review）
3. 12. 全部做完做质量测试（/qa）+ 安全审计（/cso）
4. 13. /ship 一键发布

上线后：

1. 14. 垂直渠道获客（Reddit → 社群 → 平台插件市场）
2. 15. 持续迭代，把用户反馈告诉AI，让它更新CLAUDE.md
3. 16. 当治理层级不够用时，升级到L2

最后说一句

我不是科班程序员。高中毕业，当过兵，做过新媒体运营，开过奶茶店（亏了30万），开白墨打印工厂。2024年才开始用AI编程。

但AI编程改变了我的赚钱方式——pngtrid.com上线1个月变现5K，PNG部落3个月5万收入，自动化写作7天变现3285元。

这些数字不大，但对一个不会写代码的人来说，每一分钱都是AI编程方法论的验证。

2026年，AI编程Agent已经非常强了。Claude Code的Plugin生态已经有32,000+个插件，13,000+开发者贡献。AI编程已经过了"试试看"的阶段。

核心矛盾从"AI能不能写代码"变成了"怎么让AI写出可维护、可扩展、可交付的生产级代码"。

这就是三件套、四级治理、质量四件套的价值——不是教你跟AI聊天，是教你像管理团队一样管理AI。

你的优势不是会写代码，是会用AI。2026年，后者比前者值钱。