ARTICLE · 1201119
用AI做全栈软件开发,小白到底需要学什么?(上)
现在，普通人只需要描述需求，就能让AI帮忙开发网站、小程序，甚至完整的软件。
但真正上手后才发现：功能做不对、修改容易出错、AI反复修复却解决不了问题。
难道不懂代码，就做不了软件？
其实，用AI做全栈开发，不一定要先学编程，但有些基础知识必须懂。
很多人把AI开发想得很简单：告诉AI要做什么，AI负责写代码，最后就能得到一个软件。
做一个简单网页，或许确实可以这么操作。
但如果你想做一套真正能够使用的全栈软件，就有必要了解它背后的基本组成。
这里不讲复杂理论，我们用一个商城小程序举例。
① 前端：用户能够看到和操作的界面
比如商品列表、购物车、订单页面，以及各种按钮和输入框。
前端主要决定软件长什么样、用户怎么操作。
② 后端：负责处理业务逻辑
用户点击购买后，系统需要确认商品、计算金额、生成订单、判断付款状态。
这些处理过程，大多属于后端的工作。
③ 数据库：负责保存信息
用户资料、商品库存、订单记录等，都需要保存到数据库。
数据库不是随便修改的地方。
例如，你让AI调整一个商品展示页面，结果它顺手修改了订单数据结构，就可能影响原有的订单功能。
④ 接口：让不同部分能够互相通信
比如用户打开订单页面，前端需要通过接口获取后端提供的订单信息。
你不一定要懂接口怎么编写，但要知道数据不是凭空显示在页面上的。
⑤ 部署：让软件从本地运行变成真正可以使用
AI在你的电脑上运行成功，不代表其他用户就能打开。
想让别人使用，通常还需要云服务、网络配置、正式环境部署等工作。
你会发现，这些知识虽然涉及技术，但理解它们各自负责什么，并不需要先掌握复杂的编程语法。
学习这些知识，不是为了自己写代码，而是为了更清楚地告诉AI你想做什么，理解它正在完成哪些工作。
你有没有遇到过这样的情况？
AI非常肯定地告诉你：“问题已经找到并修复。”
结果重新运行，错误依然存在。
有时候原来的问题没解决，反而又出现了新的问题。
这是因为，大语言模型并不是一个永远知道正确答案的程序员。
它主要根据已有信息和上下文生成内容。
简单理解：
AI很擅长根据你的描述生成代码和解决方案，但生成结果不等于经过验证的正确结果。
现在很多AI开发工具之所以能够读取项目、修改文件、运行程序，是因为它们结合了外部工具和工作机制。
这里有几个概念值得小白了解。
普通聊天式AI主要与你交流。
具备工具调用能力的Agent，则可以根据任务执行多个操作。
例如，你提出：
“帮我给商城增加一个订单查询功能。”
Agent就可能自动读取项目文件、分析现有代码、修改页面、运行测试，再向你报告结果。
但需要注意：
AI能自动执行任务，不代表它每次都会选择正确的方案。
比如你经常需要让AI开发新功能，可以把需求确认、代码修改、测试验证等步骤整理成一套Skill。
以后遇到类似任务，AI就可以参考这套流程执行。
它的价值，是让重复性工作有相对统一的执行方法，减少每次重新交代的麻烦。
但Skill并不意味着AI从此不会犯错，实际效果仍然取决于具体任务、工具能力和执行结果。
开发软件通常不是一次对话就能完成的。
今天确定需求，明天修改功能，后天继续开发。
如果AI不知道之前做过什么，就可能重复施工，甚至推翻已经完成的功能。
记忆机制可以帮助AI利用相关历史信息。
但有记忆不代表永远不会遗漏。
重要需求、关键规则和项目进度，最好仍然保留明确的文档记录。
例如：
“本次只修改订单页面，不允许修改支付逻辑。”
“未经确认，不得删除现有功能。”
这些要求可以写进项目规则，帮助AI在开发过程中遵守约定。
不过，规则并不是绝对可靠的技术保护措施。
规则写了，不代表AI每次都会百分之百遵守。
因此，涉及重要功能的修改，仍然需要检查实际变更和验证结果。
这是很多小白做项目时最容易忽略的地方。
举个简单例子。
你让AI增加一个商品删除功能。
AI告诉你：“功能已完成，测试通过。”
这时候，你需要知道它所说的“测试通过”，到底意味着什么。
可能只是代码没有语法错误，也可能只是运行了某一项简单测试。
但真正使用时，还可能存在很多问题：
普通用户是否也能删除其他商家的商品？
删除商品后，历史订单是否还能正常查看？
删除操作是否会误删其他数据？
原来的商品编辑功能有没有受到影响？
这些问题，不是AI说一句“完成了”就能证明没有风险。
所以，需要区分三个概念：
代码写好了，不等于功能正确。
功能能运行，不等于没有安全问题。
本地测试通过，不等于正式上线没有问题。
当然，也不是每次修改都要进行大量测试。
例如修改页面颜色，通常打开页面检查效果就可以初步判断结果。
但如果涉及数据库、资金、用户权限等关键功能，就应该要求AI提供修改说明、测试过程和验证结果，必要时还需要人工或专业人员复核。
修改风险越高，验证要求就应该越严格。
这比一味要求AI“认真一点”“不要出错”，更有实际价值。
看到这里，你可能会觉得：
前端、后端、数据库、接口、部署，再加上Agent、Skill、Memory、Rules，难道这些都要学会吗？
其实完全没必要一开始就深入研究。
对于想用AI开发自己软件的小白，我更建议先掌握三件事。
不需要会写前端、后端或数据库代码，但至少知道它们分别负责什么。
这样你才能更准确地描述需求，而不是连自己想让AI开发什么都说不清楚。
比如让AI增加一个功能，不只是告诉它：
“帮我加个订单管理。”
还应该说明这个功能给谁用、需要实现什么、不能影响哪些现有功能。
技术方案、代码实现和错误排查，可以优先交给AI完成。
你不需要逐行审查AI写的代码，也不必亲自研究每条报错。
例如，让AI开发一个订单查询功能，你真正需要确认的是：
订单能不能正确查询？不同用户能不能只看到自己的订单？原来的功能有没有受到影响？
AI可以负责执行测试、提供验证结果；涉及重要业务时，还需要进行必要的实际操作验证。
你需要关注的不是AI用了什么代码，而是它有没有真正解决你的问题。
当然，如果未来想成为专业软件工程师，仍然需要进一步学习编程、系统设计和软件工程知识。
但对于普通人来说，用AI开发软件的重点，不是把自己培养成程序员，而是学会让AI正确理解需求、完成任务，并交付真正可用的成果。
写在最后
AI正在降低软件开发的入门门槛。
过去，一个不懂编程的人想开发自己的软件，往往需要先投入大量时间学习技术。
如今，你可以借助AI，从描述一个需求开始，逐步开发自己的软件。
但AI替你写代码，不意味着你可以完全不理解软件，也不意味着可以跳过必要的检查和验证。
你不一定要成为程序员，但至少要知道自己想做什么，以及如何判断AI有没有真正做好。
上篇主要讲的是基础认知。
真正开始开发项目后，还有几个更直接影响开发效果的能力：UI设计、产品需求表达，以及AI开发过程的管理与验收。
下一篇：《用AI做全栈软件开发，小白到底需要学什么？（下）》
我们继续聊聊，如何把自己的想法准确告诉AI，让它真正按照你的要求开发软件。
关注我或者私信我，获得更多AI实用干货~
