不懂代码的独立开发者，如何去指挥 AI 干活？

作为不懂开发、不懂代码的独立开发者，在和 AI 沟通时，我个人有这么几个技巧可以分享。

如果你之前做过老板或管理者，带过业务团队，那么过往的背景会对你和 AI 的沟通很有帮助。因为很多时候老板、管理者或业务负责人并不懂技术，那要如何与技术人员沟通呢？

核心就在于：你要传达清晰的意图，了解实施的过程，明确最终结果的验收标准，并掌握关键数据。

同样的方式用到 AI 身上，我觉得可以分成下面几件事。

1. 讲清用户视角下的需求

和 AI 合作时，要从用户的视角出发，讲清楚你的意图和需求，并尽可能客观地进行描述。

比如不要只说：“帮我做一个登录页面。”

你可以说：“我希望用户打开页面以后，能用邮箱登录；如果输入错了，要看到错误提示；如果是手机屏幕，按钮和输入框不能挤在一起。”

不懂代码没有关系，但你一定要懂用户会怎么用。

2. 让 AI 进行复述

让 AI 复述它对你意图的理解。这在管理领域也是一个小技巧：当你下达任务时，为了防止理解偏差，最好让下属或团队成员复述一遍你的意图。

包括我跟领导配合时，往往也会说：“领导，你刚才说的是这个意思吗？我理解得对吗？”

这就是一个对齐的过程。

3. 让 AI 先采访你

很多时候，我们不是一开始就能把需求讲清楚。尤其是不懂代码的人，很容易只描述一个模糊的想法，却不知道哪些细节会影响开发。

这个时候，可以反过来让 AI 先采访你。

比如你可以说：“你先像一个产品经理和工程师一样问我问题，问到你足够理解这个功能以后，再帮我整理成开发说明。”

这样做的好处是，你不需要一上来就写出完美的 prompt。你只需要回答问题，让 AI 帮你把模糊的想法慢慢整理成清楚的需求。

4. 用 ASCII、流程图和截图对齐

这一点之前提过很多次，我觉得用 ASCII 的方式是一个很好、很低成本且快速对齐需求和想法的过程。

但是不一定只有 ASCII。流程图、页面截图、设计稿截图、报错截图，其实都可以成为你和 AI 对齐的材料。

尤其对不懂代码的人来说，截图往往比描述一百句话更准确。

比如我现在做的 VibeCap，就是围绕这个场景来的：在 macOS 上快速截图、标注，然后直接贴到 ChatGPT、Claude、Cursor 这些 AI 工具里。它不是什么复杂的开发工具，但它解决的是一个很真实的问题：你看到的界面、报错、细节，怎么最快交给 AI。

对非技术独立开发者来说，这种截图能力其实很重要。因为你不一定能描述清楚代码哪里错了，但你能把“哪里看起来不对”直接圈出来给 AI。

5. 给 AI 一个明确的完成标准

不要只给 AI 一个任务，还要告诉它什么叫完成。

比如你可以说：“这个功能完成以后，需要满足这几个条件：页面能打开，按钮能点击，错误状态有提示，手机上不变形。”

这件事非常像管理团队。你不能只说“把这个做好”，你要告诉对方“做到什么程度算好”。

对 AI 来说也是一样。你给的完成标准越清楚，它越不容易在中间自己发明方向。

6. 先做最小可运行版本

不要一上来就让 AI 做一个完整产品。

更好的方式是：先做一个最小版本，能打开、能点击、能看到基本流程。等这个版本跑通以后，再一层一层往上加功能、加样式、加细节。

这对不懂代码的人特别重要。因为如果一开始就让 AI 同时处理登录、付款、数据库、UI、后台、权限，最后出了问题，你根本不知道是哪一块坏了。

先让它做小一点，跑通一点，再继续下一步。

7. 一次只改一个问题

当你看到好几个问题时，很容易一次性全部丢给 AI：“这里不对，那里也不对，顺便把这个也优化一下。”

但我的经验是，这样很容易越改越乱。

更稳的方式是一次只改一个问题。比如先修手机上的按钮错位，确认好了，再修文字样式；再确认好了，再改交互逻辑。

这不是效率低，而是在降低失控的概率。

8. 及时干预制止

让 AI 跳出固有的模式。比如说，当我运行一个任务大概两三个小时、甚至四五个小时还达不到效果的时候，我会让 AI 停下来，给它一些 prompt 关键词。

比如使用 First Principle（第一性原理）或者 Critical Thinking（批判性思维），让它重新去梳理、拆解任务，找到最基本的要素，从最基础的地方开始一点点去验证。

这两个关键词抛出去的时候，我觉得其实是有奇效的。

当然，后来我也慢慢意识到，最好不要等到四五个小时以后才干预。更好的方式是提前设定一个边界：如果连续两次修不好，或者同一个问题反复出现，就先停下来，让 AI 重新复述问题、拆解原因，再继续。

9. 让 AI 拿出证据

还有一点很重要：让 AI 拿出证据。

AI 很容易偷懒，也很容易给出一种猜想式的答案。尤其是在 AI coding 里定位问题时，不要只让它说“我觉得可能是这里有问题”。

你可以直接要求它：“请你从代码层面给出证据，告诉我是哪个文件、哪一段逻辑、哪个判断导致了这个问题。”

虽然最终我其实看不懂这些代码，但有了这个要求以后，AI 就不会那么容易偷懒。它至少会多走一步，真的去读代码，而不是凭感觉给我一个反馈。

对不懂代码的人来说，证据不是为了让我亲自审代码，而是为了逼 AI 先把工作做扎实。

10. 让 AI 做调研，参考成熟方案

让 AI 要做一个方案的时候，可以让它先去做相关的学术和行业调研，也可以参考 GitHub 上成熟、维护活跃的相关项目。

但这里我觉得要稍微小心一点：排名靠前或者 star 很多，不代表一定适合你的项目。你可以让 AI 顺手检查几个东西，比如这个项目最近有没有维护、license 是否合适、issue 是否长期没人处理、有没有测试、是否和你现在的技术栈匹配。

我发现有时候 AI 其实很容易偷懒，或者说它很容易自己去做一些所谓的创新。但对我现在项目的难度级别来说，暂时还不需要 AI 有太多的创新，目前已有的这些资源和开源项目在很多方面都已经足够我使用了。

所以对不懂代码的独立开发者来说，最重要的不是学会写代码，而是学会像一个清楚的管理者一样指挥 AI：讲清楚目标，给足上下文，拆成小步骤，定义完成标准，并且在它跑偏的时候及时拉回来。