第七章做出东西,第八章想清楚。这一章交到你手上——把走通的路沉淀下来,挑出你的第一个项目。
别让走通的路消失
把走通的路,
固化成一个 skill。
你今晚多半会走通一条路:调研 → 澄清需求 → auto-dev 跑出来 → 部署。第一次走,磕磕绊绊。但走通一次之后,别让它消失——把它写成一张纸面 SOP,交给 AI 反复执行。非程序员也能做。
今晚的劳动,不归零。做完一个项目,沉淀成一个以后能反复复用的能力。
这一章最反直觉的一句话
留下过程,
常常比留下成品更值钱。
成品,别人用 AI 也能仿一个出来。但你怎么走到这个成品——为什么砍掉方案 A、为什么第三版推翻重来、和 AI 来回拉锯的那些对话——这些仿不了。
"AI Slop 是批量交付物,无过程。
你那些纠结和取舍,才是护城河。"别只交付结果,交付过程。
立项之前,先想清楚一件事
一个好项目的起点,
不是"我能做什么",
是哪里有一个让人难受的体验落差。
回扣第八章的工具判断——别被"我也来做一个"的冲动裹挟。先用调研工作流(research / deep-research)查一圈:别人怎么做的?有没有现成轮子可以直接借?查完只有两种结果——要么有现成的,直接拿来用省下时间;要么真有个落差没人填,那才值得你动手。
一件事现在做起来很别扭、很费劲、要在好几个工具之间来回搬——那就是落差。一个需求一直被凑合着满足、没人好好解决——那也是落差。
不要做"世界上已经有一百个"的东西。要做"我身边这个人,此刻正卡着、还没人帮他"的东西。
把那些落差,攒在一个地方
维护你的许愿池
"AI 时代最重要的就是许愿。
你许个愿,AI 很多时候就能帮你实现。"
过去,从"想要"到"做出来"隔着一道巨大的执行鸿沟——你得会写代码、有团队、有预算。现在这道鸿沟被 AI 大幅填平了。所以真正稀缺的,不再是执行能力,是"你到底想要什么"。
你的第一个项目
五种原型,
都走同一套六步法脚手架。
今晚每个人都带着一个真问题来。这些问题各不相同,但它们走的是同一条链路——① 需求澄清 → ② 调研 → ③ 自主开发 → ④ 前端设计 → ⑤ 部署 → ⑥ 沉淀成 skill。不同的只是从哪一步切入、先用哪个工具。
把散落的东西,整理成一个能检索的库。先定一张统一卡片模板,再建 INDEX 当入口。切入点:① 需求澄清。
让重复的事自动跑——抽待办、出日报。重在 ③ 自主开发,全程 auto-dev。先用 Lark CLI 布好环境并授权。
"要是有个工具能 XX 就好了"——直接做出来。标准六步全走,重心在开发 + 前端 + 部署。自家 skills 已够用。
"我想把一个领域搞清楚"。主力是 ② 调研,用 deep-research——多源搜索、核对来源、出一份带引用的报告。
方向还很宽。不预先调研,现场用 define-problem 当场"挖"出一个最小项目。切入点:① 需求澄清。

上面用到的所有 skill,不用你一个个手动装。把《AI 调研与开发 · Skills 安装包》的链接发给你的 AI(WorkBuddy / Codex / Claude Code),对它说"照这个文档把技能装好",剩下它自己做——覆盖需求澄清 → 调研 → 自主开发 → 部署,外加搜索和飞书 / 笔记等上下文工具。
飞书特别提醒:不用分开装一堆东西,一个 Lark CLI 全搞定。装完务必连上、授权,否则 AI 够不到飞书,多维表格那一步直接卡住。
今晚的目标不是"做完",是做出最小可交付 / 推进关键一步。
回到这门课的起点
你建的,
将来要带给学员。
这份教程"写给超脑志愿者,也是未来营地里的 AI 助教"。今晚你做的事,有两层意义。
"最了解需求的人,
直接用 AI 把需求实现出来。"你许的愿、走通的路、留下的过程,既是你的第一个产品,也是你作为助教的第一份教案。
结语 · 走完九章,回到第一句话
养 AI = 养虾:
搭好环境,
让它自己长。
这门课讲了道、法、术、器,但脊柱只有一句:用好 AI,最重要的是给它搭好环境,环境搭好了,很多问题会自动解决。环境 = 上下文(喂它关于你和这件事的真实信息)+ Skills(把能力和流程装进它的世界)。别再纠结"提示词写得对不对",把功夫花在更高价值的地方——说清你要什么、给够上下文、备好工具。剩下的,交给那个失忆但聪明的合伙人。
给你的三个起手式
"你建的环境、你会的方法、你迈出的第一步,
将来都会变成你带学员时,最有底气的那部分。"现在,去搭你的环境,去许你的愿。