用AI学编程的正确姿势:三个月从看不懂代码到能独立改需求的实操路线

📅 2026/4/26 ✍️ 小文 📖 约 1 分钟

AI学习编程最大的陷阱是「感觉懂了」。本文给出一条可执行的三阶段路线:读代码、写测试、改需求,每阶段有明确的验收标准和AI使用规矩。

先说最大的陷阱

现在用 AI 学编程,“看懂”变得太容易了。问一句”这段代码在干什么”,AI 会给你一段条理清晰的解释,你读完点点头,觉得自己懂了。

两周后,让你自己写同一段逻辑,写不出来。

这个现象有个准确描述:理解是即时的,能力是累积的,而 AI 恰恰喂饱了前者、掏空了后者。它把”从困惑到想通”的那段痛苦体验抹掉了,而那段痛苦正是记忆和能力形成的地方。

所以用 AI 学编程的第一原则不是”多用”,是在正确的环节用,在错误的环节忍住不用。

下面是一条三个月路线,每个阶段都有明确的验收标准,和关于”AI 该用在哪”的规矩。

第一阶段(第 1–4 周):读懂别人的代码

目标:能独立读懂一个 2000 行左右的真实项目,并说出它的数据流向。

选材建议:不要选教程里的示例项目,选一个真实开源项目的某个模块。比如一个博客系统的文章发布流程、一个爬虫的调度模块。它有真实的复杂度和脏代码,这才是要练的。

每天的做法(约 90 分钟):

  1. 打开一个文件,先自己读 15 分钟,不许用 AI。目标不是读懂每个细节,是标注出”我能看懂的部分”和”我完全不懂的部分”。
  2. 针对不懂的部分,用 AI 提问。关键是提问方式:
    • ❌ “这段代码什么意思”(AI 给整段解释,你被动接收)
    • ✅ “第 42 行的这个变量为什么在循环外初始化?如果挪到循环里会发生什么”(AI 只能给你一个具体知识点的补充)
  3. 读完 AI 的解释,关掉它,用自己的话写三句总结。写不出来说明没真懂,回到第 1 步。

AI 在每个环节的角色:

  • 读之前:不用(训练自己面对未知代码的耐心)
  • 卡住时:用(单个知识点的即时答疑,这是 AI 最强的场景)
  • 读完后:用来做”抽查”——让 AI 就这段代码问你三个问题,你答。答不上来就是没懂。

阶段验收:不用 AI,画出一张图,说明”用户点击发布 → 数据经过哪几个函数 → 最终存到哪”。画得出来,第一关过了。

第二阶段(第 5–8 周):写测试,用测试理解代码

目标:能给自己不熟悉的代码写出一套能跑通的测试。

为什么是写测试而不是写新功能?因为测试是从外部约束理解代码的最好方法:你必须知道每个函数接受什么、返回什么、在什么条件下报错,才写得出一条有效的测试。它比”读”更深入,比”改”更安全。

具体做法:

  1. 选一个纯函数模块(没有网络、数据库依赖的),最好是工具函数、数据转换、校验逻辑。
  2. 先读源码,然后自己写 5 条测试用例,包含正常输入、边界输入、异常输入。
  3. 跑测试。失败的用例分两类:
    • 测试写错了:你对代码的理解有偏差 → 修正你的理解
    • 代码有 bug:真实项目里这很常见 → 这是宝贵的发现
  4. 卡住时才问 AI:“我写的这条测试期望 X,实际返回 Y,是代码有问题还是我理解错了?“——让 AI 做裁判,而不是代笔。

关键规则:测试代码必须自己写,一个字都不让 AI 生成。AI 可以解释报错、可以 review 你的测试思路,但不能产出测试代码本身。

理由:写测试的过程中,你被迫精确理解每个输入输出的语义。让 AI 代写,等于跳过了唯一一个能真正检验理解的动作。

阶段验收:给一个陌生模块,30 分钟内写出 5 条通过率 80% 以上的测试,并能解释每个失败原因。

第三阶段(第 9–12 周):改真实需求,跑完整闭环

目标:拿到一个真实的小需求,从读代码到提交 PR,全程走完。

需求怎么选:从你能理解的项目里挑,难度参考:加一个参数、改一个返回字段、加一条校验、修一个小 bug。不要一开始就做”加一个新功能模块”。

这三个月的核心规矩,就是这一条:让 AI 做评审和提问者,不做执行者。

具体流程:

1. 自己读相关代码,写下改动计划(改哪几个文件、每个文件改什么)
2. 让 AI 评审你的计划:"这个计划漏了什么?有没有更小的改法?"
   → 这一步价值极高,AI 常能指出你漏掉的调用点
3. 自己写代码(可以查语法、查 API,但不让 AI 直接生成整段)
4. 自己写测试
5. 让 AI review diff:"这段改动有什么风险?边界条件考虑了吗?"
6. 自己修,重复 2–5 直到满意
7. 提交

为什么不让 AI 直接生成代码? 因为前两个月积累的”读懂-理解-验证”能力,必须在这一步转化为”从零构建”的能力。如果这三个月全是 AI 代写,你学到的是”如何指挥 AI”,而不是”如何写代码”。

但这不是永远。 走完这三个月之后,你的判断力足以识别 AI 生成的代码好坏,那时候放手让它写,效率会高得惊人。顺序不能反。

阶段验收:你的 PR 被合并,且 review 意见不超过 3 条实质性问题。

三个必须警惕的AI学习反模式

反模式一:用 AI 解释”几乎所有不懂的东西”。 结果是对 AI 产生依赖,看任何代码第一反应都是”扔给 AI”。应该刻意保留”难受 15 分钟”的空间。

反模式二:收藏 AI 的回答。 大量人把 AI 解释存进笔记,从此再也不看。有效的做法是只浓缩成一句话加自己的理解,其余删掉。笔记太长等于没有笔记。

反模式三:跳过测试直接问”为什么报错”。 报错信息往往已经写得很清楚了。AI 替你读懂报错,你就永远学不会读报错——而报错是未来十年里你会面对最多的东西。

结语

AI 让学编程的”入门成本”降到了历史最低,但它同时提高了”真正学会”的门槛——因为太容易得到虚假的掌握感。

区分标准只有一个:你能不能在没有 AI 的情况下,把事做出来一次?

能,AI 就是你的加速器;不能,AI 就是你的拐杖。前三个月,先用 AI 练走路,别一开始就让人抱着跑。

📤 分享到