夜雨聆风
导读：不会写代码，但我花了2年时间，从AI聊天开始，一步步走到了自己用vibe coding造出了一款桌面端软件。这篇文章把我的学习路径、踩过的坑、做过的12个智能体、以及为什么要从SaaS跳到桌面端的原因，一次说清楚。文末还有一个我刚上架的AI入门课。
一、第一阶段：AI 启蒙
2年前，ChatGPT 刚火起来那阵，我跟大多数人一样，就是拿来玩玩。
写写文案、查查资料、做做表格、画画图、编编PPT。日常就这些。
当时觉得 AI 还挺好用，但也就这样了——一个"升级版搜索引擎"嘛。
直到有一天，我试着让 AI 帮我分析了一份科技厅发布的政策文件。
我把 PDF 扔进去，跟 AI 说：帮我总结一下这份文件里跟科技企业相关的申报条件。
AI 30 秒内给我整理了一张清晰的表格，申报条件、截止日期、所需材料，一清二楚。
以前我做科技咨询时，整理这样一份文件至少要花一上午。
那一刻我才真正认真起来：AI 不止是"搜索"，它已经能"理解"和"推理"了。
于是开始系统学习。从 AI Chat 到 Prompt 提示词工程，再到 Workflow 工作流，再到 RAG 知识库，再到 Agent 智能体。
路径很清晰，但要一步步走过来，花的时间也不少。
二、第二阶段：低代码智能体编排
真正让我"上道"的，是去年下半年。
当时我在"科服AI智脑"的 SaaS 平台上，用低代码工具做了 12 个 AI 智能体。
这些智能体基本都属于一个类型：知识库 + 工作流编排——把你在这个行业里的专业知识整理成知识库，再用工作流把任务串起来，让 AI 按照流程自动执行。
具体做了哪些？
• 飞地科创智能客服：24小时在线的智能客服问答助手 • 企业科创服务专家：面向科技企业提供政策匹配、项目申报建议 • 技术经理人职称评价问答助手：自动评定技术经理人的任职资格 • 职位描述生成助手：输入岗位关键词，自动生成规范的职位描述 • 企业（个人）税收规划助手：根据企业/个人的收入结构给出节税建议 • 湖南省科技奖问答助手：回答科技奖申报条件、流程的常见问题 • 高企测评培育助手：输入企业数据，自动评估高企认定可行性 • 项目进度管理助手：输入项目里程碑，自动生成甘特图周报 • AI 技术经理人：辅助技术成果转化过程中的评估与对接 • 研发立项助手：自动生成研发项目立项书草稿 • 项目计划书助手：按模板生成完整的项目计划文档 • 全景智能排座助手：会议/活动的智能排座方案生成
做完这 12 个，我在 AI 应用上算是真正"通了关"。
这段经历给我最大的收获不是技术本身，而是两个认知：
第一，AI 的价值在于跟行业 know-how 结合。
不是谁家的大模型更聪明，而是谁更懂一个垂直领域的业务逻辑。同样的模型，配上不同行业的知识库和工作流，效果天差地别。
第二，低代码平台有边界。
平台上的工作流编排很灵活，但数据存在平台端，企业客户对数据安全有顾虑。而且一旦超出平台预置的组件范围，你想做更深的定制就做不了。
三、洞察趋势，跳出 SaaS
去年年底，我开始认真观察 AI 技术的方向。
有一个趋势越来越清晰：AI 正在从"少数人用的专业工具"变成"人人都能用的个人技能"。
Prompt 工程、Workflow 编排、Agent 开发、RAG 知识库，这些概念一两年前还是"开发者专属"，现在越来越多人开始"上手即用"。
更关键的是 vibe coding 的出现——你不写代码，你描述你要什么，AI 帮你把代码写出来。
这意味着什么？
意味着像我这样的人——有行业经验，懂业务流程，但不写代码——终于可以把脑子里的产品想法，变成一个真正能跑的软件了。
于是我做了一个决定：
跳出 SaaS 平台的桎梏，用 vibe coding 做自己的工具。
不是给别人"在平台上搭一个智能体"。而是独立做一个本地化、数据私有化、高粘性、长期服务的桌面端产品，服务科技型企业的创新研发全生命周期。
这个决定背后有一个很现实的考量：
从信创和等保的角度来看，企业科技创新数据绝不应该上传到云服务。必须本地存储。
AI 大模型接入，也必须选择国产大模型——既能保证服务质量，也杜绝了使用国外大模型的断供和数据泄露风险。
四、从原型到产品：三次架构升级
决定做了之后，第一件事是验证想法。
我先用 Google 的 AIStudio + Gemini 1.5 模型做了一个原型。就是一个前端页面，能完成两件事：高企智能评测 + 研发项目立项生成。
页面很简陋，但功能跑通了。
问题来了：全前端的方式，没办法做多用户管理。客户不能用自己的账号登录，也没法存自己的数据。
于是我做了第一次架构升级：把全前端页面改成了前后端分离的 SaaS 服务，AI 模型从 Gemini 换成了国产的硅基流动的DeepSeek。
这下用户管理有了，数据隔离有了，国产模型也有了。
但还有最后一个问题：数据安全。
SaaS 服务虽然能跑，但客户的数据存在服务器上。科技企业的研发数据、财务数据太敏感了。客户不信任，我自己也不放心。
于是做了第二次架构升级：桌面端（Electron）+ 后端服务。用户管理和积分管理在后端，但所有业务数据——企业信息、研发项目、知识产权、财务数据——全部存在用户自己的电脑硬盘上。
一次都不上传云端。
这时候，我终于把这个产品的名字定下来了：高企认定智能助手。
具体功能前几天已经写过文章介绍了，这里不展开。想了解可以点击链接：做高企认定还在手工拼材料？这款AI智能助手把申报周期压缩了70%
一句话概括：人人能用的企业创新研发全生命周期管理工具。
五、我的 AI 入门课：从 0 到 1 用上国产 AI
这两年走过来，身边不少朋友问我同一个问题：
"我也想学 AI，但不知道从哪里开始，你能带带我吗？"
所以我做了一个课程。
这不是那种"AI 改变世界"的宏大叙事课程。这是我走完这条路之后，帮别人也走一遍的实操课。
课程名称：AI 入门实战——基于 Cherry Studio & WorkBuddy
课程内容：
1. AI 应用发展概述 —— AI 这 2 年发生了什么，为什么你应该关注 2. Cherry Studio 从安装到上手 —— 手把手教，不跳步 3. 大模型 API 接入配置 —— 硅基流动、DeepSeek 等国产模型，从注册到接入 4. 提示词工程实战 —— 学会用 AI 的关键：怎么把需求描述清楚 5. 知识库管理 —— 把你的专业文档变成 AI 的"外挂大脑" 6. MCP 接入 —— 让 AI 连接更多外部工具和服务 7. Agent（智能体）开发 —— 从工作流到 RAG 到 Agent，一步一步走 8. WorkBuddy（腾讯小龙虾）应用 —— 怎么用 AI 原生 IDE 提升效率
从 AI 的发展方向来讲，我的判断很简单：
AI Chat → Prompt 工程 → Workflow + RAG → Agent 智能体 → Vibe Coding
这是一条每个人都走得通的路。你做企业服务的、你做财税的、你做法律的、你做咨询的——每个有行业经验的人，都能基于自己的 know-how，用 AI 做出自己的产品。
这也是我这门课想传递的核心信念：AI 不是程序员的专利，AI 是懂业务的人最好的杠杆。
最后说两句
从 2 年前第一次跟 AI 聊天，到今天「高企认定智能助手」跑在客户电脑上，我自己回头看都觉得有点不可思议。
但我更相信一件事：和我一样的不写代码但懂业务的人，比你想象的更多。
如果你也想试试把 AI 用在你的业务里，或者你正在考虑把做服务转型做产品，我做了两样东西可以帮你：
「高企认定智能助手」 —— 一款本地化、数据私有、用国产大模型驱动的企业创新研发管理工具。下载地址：https://hte.chenen.club
「AI 入门实战课」 —— 从 0 到 1，用国产 AI 工具（Cherry Studio + WorkBuddy）上手 AI 开发。
另外，我的公众号会定期分享课程内容、提示词和案例解析：
AI一键生成招聘海报！CherryStudio + 提示词工程实战指南
别再用AI当玩具了！这款“本地知识库”神器，从学生到老板，人人都能用的AI生产力核武器！
如果你喜欢，点个赞、关注一下。
评论区告诉我：你目前用 AI 用在哪个场景？最想学的是什么？
AI 不是程序员的专利，它是懂业务的人最好的杠杆。