真正拉开差距的,不是 AI 工具,而是这 3 个底层能力

AI 编程学习记录

真正拉开差距的不是 AI 工具而是这 3 个底层能力

过去这一年，

我好像一直在追 AI 工具。但真正让我有变化的，不是多知道了几个工具，而是终于慢慢走完了一个过程。

前几天，我翻到一条去年写下的备忘录。里面记录了一长串 AI 工具：Cursor、Lovable、v0、Manus、Dia……还有各种模型更新、教程链接、产品评测。我才突然意识到：过去这一年，我好像一直在追 AI 工具。但真正让我有变化的，不是我多知道了几个工具，而是我终于慢慢走完了一个过程——先把书读厚，再把书读薄。

一开始，为了尽快做出东西，我先用了很多低门槛工具：v0、Lovable、Gemini Stitch 

这类工具，输入几句话，就能打样一个页面。那个阶段特别容易兴奋。因为你会觉得：AI 太强了。是不是不懂代码，也可以直接做产品？后来我开始用 Cursor 写代码。真正的问题，从这里开始出现。前端页面能出来，但一刷新就报错。按钮看起来能点，但数据存不进去。AI 说要接 API，我不知道 API 到底是什么。它说要建数据库，我也不知道前端、后端、数据库之间到底是什么关系。

这时候我才发现：我不是不会用 AI 工具。我是没有编程的基础知识。

于是这一年，真正的学习才开始。为了改一个报错，我开始学 JavaScript 的基本逻辑。为了让页面和数据连起来，我开始理解前端和后端。为了存用户数据，我开始学 Supabase，知道什么是表、字段、权限。为了让 AI 写出来的东西能跑，我开始一点点补 API、数据库、部署这些知识。把书读厚，不是收藏了一堆资料，而是你本来只想学一件事，结果发现它背后连着很多东西。你为了把一个小产品做出来，不得不顺着问题往下挖。挖着挖着，知识就变厚了。

但后来，我又开始慢慢“把书读薄”。因为学到后面你会发现：工具名字一直在变，但底层能力其实就那几个。

1. 把需求讲清楚的能力同样是让 AI 帮你做东西。有人说：「帮我做个小程序。」也有人说：「帮我做一个最简单的待办列表，支持新增、删除、保存数据，先用本地存储实现。」结果完全不一样。AI 不是不会做。很多时候，是你没把问题拆清楚。

2. 和 AI 一起 debug 的能力以前我看到报错就慌。现在我会把报错发给 AI，

继续问：这是什么意思？是哪一层的问题？前端、后端，还是数据库？能不能一步步帮我排查？慢慢你会发现，真正的进步不是“不报错”。而是你开始知道：报错应该怎么查。

3. 判断什么值得学的能力以前我看到新工具就焦虑。不学，好像就落后了。收藏，好像就安心了。后来我只问自己一个问题：它能不能帮我把现在正在做的东西推进一步？能，就学。不能，就先放一放。

后来我也把工具重新分了一类。高学习成本工具，选一个吃透就够。比如 Cursor、VS Code、Trae。这一类工具确实需要时间，因为它们背后对应的是代码能力、调试能力、工程能力。但只要你吃透一个，后面换工具其实没那么难。因为写代码的逻辑是通的，debug 的方法是通的，和 AI 协作的方式也是通的。低门槛工具，不要当成长期壁垒。比如 Lovable、v0、Gemini Stitch……它们很适合快速打样，很适合帮你把想法先变成一个页面。但它们不是终点。因为越往后做，你还是会遇到数据、权限、接口、部署这些问题。模型和平台，不需要每个都追。GPT、Claude、DeepSeek、Gemini，还有 Dia、Tabbit 这类工具。它们会一直更新。但你真正要练的，不是记住每一次更新，而是知道什么时候用它，用它解决什么问题。

这一年我最大的变化是：我不再把“追工具”当成学习。我开始接受一件事：AI 编程不是不用学编程。而是，让你可以带着问题去学编程。需要数据库了，就学 Supabase。需要接口了，就学 API。需要上线了，就学部署。遇到报错了，就学怎么 debug。你不是先学完所有知识，再开始做东西。而是先做一个东西，然后让问题带着你学。

如果你现在也在 AI 编程路上，一边兴奋，一边焦虑，一边觉得自己好像什么都不会。我想说：这不是坏事。这可能正是你在“把书读厚”的阶段。

别停。继续做下去。等你做完一个东西，踩过前端、后端、数据库、部署这些坑，你会慢慢发现：很多工具没那么神秘。很多知识开始连起来。很多问题也不再那么吓人。到那时候，你就会开始把书读薄。

先做一个东西。然后让问题带着你学。

#AI编程入门 

#AI工具选择 

#Cursor 

#vibecoding 

#AI学习方法 

#底层能力 

#数字游民 

#AI副业