夜雨聆风
用 AI 做 Word 和 Excel 的你,离全栈只差一步
AI 时代，普通人离全栈有多远？
当普通人已经在用 AI 做”需要技术”的事
Frank’s AI Workshop
上周用 Claude 帮我调研 1688 和亚马逊上同行的销售数据，从关键词搜索到价格对比到趋势分析，全程没打开过浏览器。给朋友看了一眼，他问我：”这你自己写的程序？”
我说不是，我连代码都不会写。
他不信。
但说实话，这已经不是什么新鲜事了。身边越来越多的人在用 AI 做以前觉得”需要技术”的事——用 AI 帮忙写 Word 方案、做 PPT 排版、在 Excel 里算指标、甚至直接生成一个小工具。
以前这些事要么自己加班死磕，要么找技术同事帮忙。现在，跟 AI 说几句话就出来了。
最近刷到一份”零基础 6 个月全栈学习路线”，看完我就在想：当普通人已经在用 AI 做这些事的时候，”全栈”这个听起来很技术的词，是不是离我们没那么远了？
全栈不是不用学了，而是学的重点变了——从”会写代码”变成”会驾驭 AI 写代码”。
01.
那份”标准路线图”讲了什么？
网上流传的经典全栈学习路线，大概长这样：
HTML/CSS → JavaScript → Git → TypeScript → React → Next.js → Node.js → PostgreSQL → 部署
说实话，没有代码基础我只是在和AI协作了2个月后也才在Agent的帮助下认识到其中的4个技术词。
配上 6 个月节奏：
– 第 1-2 月学前端基础
– 第 3 月上框架
– 第 4 月学后端
– 第 5 月接数据库
– 第 6 月做完整项目、部署上线
看起来很清晰对吧？
但问题是——对没有编程基础的普通人，6 个月真的够吗？
更关键的问题：就算学完了，你掌握的那些语法和框架 API，AI 现在几秒钟就能写出来。
那你花 6 个月，到底学了个什么？
02.
我自己走的是一条完全不同的路
我不是程序员。
但我每天在做的事，回过头看，其实就是”全栈”——只是从来没系统学过。
最早我用 GPT-5.3-Codex 修自己的 Agent 系统 openclaw，已经能体会到 AI 辅助优化代码的作用了。但偶尔会出现一个问题：越优化，效果越不好。改着改着，反而把原来能跑的东西搞坏了。
后来换成 Claude Opus 4.6，情况大有改善——这也是目前公认的上等模型。不是说完全不踩坑了，但踩坑的频率和深度，跟之前完全不是一个量级。
这不是在”学编程”，这是在”用 AI 做事”。
举两个我工作中的真实场景：
场景一：跨平台调研
我做外贸，需要经常调研 1688、亚马逊等平台的同行销售数据。以前自己一个个搜、截图、整理到表格，半天就没了。
现在我让 Agent 操控浏览器，自动抓取同行的产品数据、价格区间、销量趋势，整理完直接给我分析建议。
场景二：PI 修改
做外贸的都知道，形式发票改起来很烦——换个参数、调个价格、改个包装规格，每次都得打开模板手动改。
我自建了一个 skill，只需要上传产品图和参数截图，用嘴描述要改什么，就能在原模板上自动改完。
原来 5 分钟一张 PI，现在 30 秒。
你看，我没学过 JavaScript，不会写 React，数据库表怎么设计也不清楚。
但我的 Agent 能帮我调研市场、改文档、写代码、操控浏览器。
这算不算”全栈”？
03.
哪些必须自己懂，哪些可以交给 AI？
不是说基础完全不重要。
你至少得知道：
– 你想做的东西大概需要哪些部分——页面？后台？数据库？还是用现成平台就够了？
– AI 给你的方案，你能不能看出来大方向对不对
– 出了问题，你能不能把报错信息丢给 AI 让它继续修，而不是完全懵掉
– 什么时候该换工具、换模型、换思路
这些是判断力层面的东西。你不需要懂技术细节，但你得能当一个合格的“甲方”。
但具体的语法、框架 API、CSS 布局、SQL 怎么写——这些执行层的活，AI 已经比大多数初学者做得好了。
一组数据可以感受一下：
vibe coding 平台 Replit 的 CEO 公开说过，他们 75% 的用户从来不写一行代码。
YC 2025 冬季批次里，25% 的初创公司超过 95% 的代码由 AI 生成。
Anthropic CEO Dario Amodei 说，第一家十亿美元的一人公司有 70-80% 的概率在 2026 年出现。
这些数字说明什么？
全栈能力正在变成一人公司的标配。但这个”能力”的定义变了——不是你会写 React + Node.js，而是你会拆需求、判断 AI 的输出质量、把工具串起来。
未来最稀缺的，不是会写代码的人。
是知道要做什么、能指挥 AI 做出来、并且能判断做得对不对的人。
04.
如果重新规划，路线图该长什么样？
回到那份 6 个月全栈学习路线。
如果让我重新排优先级，会这样调：
第 1 个月：建认知地图
不急着写代码。先搞懂前端做什么、后端做什么、数据库存什么、它们怎么连的。看架构图比看教程有用。
同时装好一个 AI 编程助手——Claude Code、Cursor、Trae，选一个就行——开始习惯”对话式编程”。
第 2-3 个月：用 AI 做第一个项目
不是”学完再做”，是”边做边学”。选一个你真正想做的东西——一个工具、一个网站、一个自动化流程。
让 AI 写代码，你负责拆需求、看结果、提修改意见。遇到看不懂的，问 AI 解释。
第 4-6 个月：持续做项目，沉淀工具链
把工作里能自动化的事一个个做出来。每做一个项目，你对”全栈”的理解就深一层。
不是背概念背出来的，是踩坑踩出来的。
传统路线是“学 6 个月 → 开始做项目”。
AI 时代的路线是“第 1 天就开始做项目 → 在做的过程中学”。
别被”全栈”两个字吓住。
全栈从来不是让你精通十种技术。它的本质就一句话：你能把一个想法，从脑子里变成一个能用的东西。
以前这需要一个团队。
现在，一个人加上 AI，就够了。
你不需要花 6 个月学会写代码。
你需要学会的是——怎么把脑子里的想法，准确地告诉 AI。
未来最值钱的能力，不是”会写全栈代码”，
而是”知道要做什么，并且能指挥 AI 做出来”。
END
Frank’s AI Workshop