以前我总觉得，做网站、做系统，是程序员和技术团队的事。我们这种做传统生意的人，有需求可以提，有想法可以讲，但真正把它变成产品，中间隔着一条很宽的河。
AI 没有让我突然变成程序员。它真正改变的是：这条河上，第一次有了一座我可以自己走过去的桥。
我做的不是“练习项目”
第一个项目是 Aviva 大双的插画品牌官网 ↗。我负责网站整体架构，与 Aviva 沟通作品筛选、页面叙事和文案优化，最后完成一个真正公开上线的双语网站。
第二个项目是正在开发的 Conn 外贸 AI 获客系统。它不是一个展示用的 Demo，而是要进入业务流程：客户池、AI 客户研究、审批、跟进和自动化任务，都需要能被真实团队使用。
真实项目和练习最大的区别是：它必须为具体的人解决具体的问题，而且结果要经得起使用。
我的方法，只有五步
01 · 先把真实问题讲清楚
我不会先问 AI：“帮我做一个很高级的网站。”我先确认使用者是谁、现在卡在哪里、最重要的动作是什么。对 Aviva 来说，是如何让陌生访客快速理解她的创作；对 Conn 来说，是外贸团队如何减少重复工作，更清楚地管理客户。
02 · 先搭结构，再谈好看
我会先把页面、流程和信息关系写出来。首页先说什么，作品如何分类，用户下一步去哪里；一项任务从创建到审批，需要经过谁。结构不清楚，AI 只会更快地做出一个“看起来对、其实不能用”的东西。
03 · 一次只解决一个问题
和 AI 合作最容易犯的错误，是一次塞进去十个要求。我的做法更像带一个很能干、但不了解业务的新同事：先完成一个小目标，检查结果，再给下一步反馈。页面一段段调整，功能一个个跑通。
04 · 尽快换成真实内容
占位文字和假数据会掩盖很多问题。换上 Aviva 的真实作品、真实中英文文案之后，页面节奏和内容重点才显现出来；把 Conn 放进真实业务场景，才会发现权限、审批和跟进流程里遗漏的细节。
05 · 最后的判断必须留在人手里
AI 可以提出结构、生成代码、查找错误，也可以帮助我比较方案。但“这是不是我们真正需要的”“这句话像不像 Aviva”“这个流程业务人员愿不愿意用”，仍然需要人来决定。
现在的 AI，已经不只是聊天工具
过去我们更多是让 AI 回答一个问题、写一段文案。现在的 AI Agent 正在变成可以持续执行多步骤工作的协作者：它能浏览资料、处理文件、操作工具，并在较长时间里推进一项任务。
OpenAI 在 2026 年分享的工作实践中提到，非技术用户正越来越多地用 Codex 做自动化、数据处理、内部工具和分析；Anthropic 对大量 Claude Code 使用记录的研究也发现，领域经验会明显提高协作成功率，很多非工程职业已经能获得接近工程师的任务完成效果。
这和我的体会非常一致：不会写代码并不等于没有资格创造产品。相反，你对客户、流程和业务的理解，决定了 AI 最终做出来的是玩具，还是作品。
我真正学会的，不是编程
我学会的是把一个模糊的想法拆成问题，把经验说清楚，把反馈变成下一次行动，并愿意为最后的结果负责。
如果你也不会编程，不必先花很长时间等自己“准备好”。选一个身边真实的小问题，试着做出第一版，让它被一个真实的人使用。作品会告诉你下一步该学什么。