进阶篇：从想法到产品的100小时
如果你翻开这本进阶教程的目录，会看到满眼的技术名词：环境搭建、包管理器、数据库、部署……
这看起来很像传统编程教育的内容列表。但我想先告诉你：这些不是重点，只是工具。
在过去十年里，编程教育似乎陷入了一个巨大的误区：一上来就教你语法、数据结构、算法，好像掌握了这些就能做产品。看起来没错。但实际上，从"会写代码"到"能做产品"，中间隔着巨大的鸿沟。
更麻烦的是，很多人以为做软件就是写代码。但事实恰恰相反——代码从来不是软件的出发点，而是解决方案的最后一个环节。
你看，任何一个软件项目，都始于一个问题。
它可以是一个商业问题：一家餐厅每天高峰期排队两小时，老板想减少顾客的等待时间。
它可以是一个科学问题：一个实验室每天产生海量的实验数据，研究人员想自动分析出趋势。
它可以是一个个人问题：你想记录自己读过的每一本书，整理出每本书带给你的启发。
它甚至可以是一个虚构的问题：你就是想练习某项技术，于是给自己编了一个需求。
为了解决这个问题，你需要先形成一个解决方案。
这个方案包含很多维度：需要设计什么流程、制定什么规则、分配什么角色、怎么协调各方。这些才是项目的核心。
只有当方案中某些部分需要自动化、规模化、或者超越人力极限时，你才会想到："这部分可以用软件来实现"。
这时候，代码才开始登场。
所以，写代码是在相当中后期的阶段才需要做的事情。
鸿沟正在消失
但时代的钟摆已经摆动到了新的位置。
在 AI 编程工具出现之前，从"想法"到"产品"之间，横亘着一道名为"实现能力"的巨大鸿沟。
你有想法，但你不会写代码。或者你会写一点，但写出来的代码质量不够高，跑不起来，跑起来也到处是 bug。
或者你有钱能雇人开发，但沟通成本高得离谱，做出来的东西总差点意思。
或者你咬牙自己做，花了几个月时间，最后发现产品根本不是用户想要的。
于是，想法就止步于想法。
我见过太多这样的人：他们有敏锐的商业嗅觉，有丰富的行业经验，有对用户需求的深刻理解。但就是因为他们不会写代码，他们的想法永远停留在笔记本上，停留在酒桌上的聊天里，停留在深夜的辗转反侧中。
这道鸿沟，挡住了多少可能改变世界的产品。
现在，这道鸿沟正在被填平。
这就像摄影技术的发展史。
以前你想拍一张像样的照片，需要懂什么？光圈、快门、对焦、ISO、白平衡……你得把这一堆复杂原理搞明白，还得买一堆昂贵的设备。大多数人光是想想就放弃了。
现在呢？手机相机自动帮你处理了所有技术细节。你只需要关注两件事：你想拍什么，怎么拍才好看。
AI 编程工具也是如此。
它们帮你处理了代码细节，你只需要关注产品本身——你想解决什么问题，如何解决。
这并不意味着你可以完全不懂技术。你仍然需要理解技术的原理和边界，就像你用手机拍照也需要知道"光线太暗会拍糊"。
但你不需要死记硬背每一行代码的写法，就像你不需要知道手机相机的底层算法。
门槛降低了，但天花板还在那里，甚至更高了。
而且还有一个更重要的变化正在发生。
过去我们总觉得：得先有大模型，再做应用。大模型公司在前面探路，我们跟着就好。
但你现在去各行各业看看，AI 的爆发场景，恰恰不是在大模型公司，而是在那些离真实问题最近的地方。
这对你意味着什么？意味着你不必等待 AI 公司推出什么新功能。你只需要理解你身边的那个问题，然后用现有的 AI 工具去解决它。在这个过程中，你对 AI 的理解会自然生长。
谁是老师
这还有一个更深层的变化正在发生。
在人类漫长历史中，经验与智慧总是随着年龄增长而积累——长辈教导晚辈，师父传授徒弟，这是数千年来不变的规律。
但这背后有一个前提：世界变化足够慢，过去的经验足以应对未来的挑战。
当技术迭代的速度超过了人类积累经验的速度，这个前提就崩塌了。
你有没有见过这样的场景：
一个刚刚入门的年轻人，可能比他精通技术的老师更懂如何调试服务器；一个刚开始学编程的学生，可能比他钻研了十年的前辈更敏锐地发现 AI 工具的价值；一个刚入行的运营，可能比她的资深同事更快地用 AI 工具把工作自动化。
这不是年龄的错，而是时代加速度的必然结果。
当"经验"还没来得及沉淀为"智慧"，技术就已经翻新了好几轮。
于是我们看到一种悄然发生的角色互换：不再是父辈单向传授知识，而是年轻一代成为向导。
这不是对传统的否定。恰恰相反，这是对"谁在前面探路"这一问题的重新回答。
在这个时代，最先拥抱新技术的人，就天然拥有了带领他人穿越迷雾的责任。
这不取决于资历、学历或职位，只取决于你是否敢于在别人观望时先迈出那一步。
当世界变化太快，最危险的不是走错路，而是站在原地不动。
另一条路
在这本进阶教程里，你不会看到"从语法开始学编程"的传统路径。
相反，你会看到一条实干家的路径：
从一个问题开始，形成一个解决方案，然后用 AI 工具把这个方案变成产品。
我用一种复盘笔记的方式，把每一章的序言写出来——它不是百科式的知识点堆砌，而是把当时的决策、踩坑、纠结、取舍都写清楚，让你先获得一条能走通的路径与核心理念。
这不是一本教你"怎么做"的手册，而是一本告诉你"我是怎么走过来的"的笔记。
一个人就是一支队伍
为了让你理解我们即将学到的这套路径的独特之处，有必要先看看现代软件开发的传统流程是怎样的。
在大型互联网公司，一个看似简单的功能上线，背后是一套完整而复杂的流程：
首先是需求阶段：产品经理撰写需求文档，组织需求评审会，PM、开发、测试一起围坐在会议室里讨论半天。
然后是技术设计阶段：后端和前端分别撰写技术方案，再组织技术评审会，甚至上下游团队的开发也要参与进来。
接下来是开发阶段：编码、单元测试、接口自测、前后端联调。每个人对着自己的屏幕敲代码，然后再凑到一起对接口。
然后是测试阶段：开发者自测通过后，"提测"交给 QA 团队，QA 进行手动测试和自动化测试，发现 Bug 再打回给开发修复。一来一回，几天就过去了。
再然后是上线阶段：代码合并、预发环境验证、灰度发布——先给 5% 用户，再 10%、50%，最后 100% 全量。每一步都小心翼翼，生怕出什么问题。
最后是迭代阶段：以两周为一个迭代周期，持续规划和交付新功能。整个流程像一台精密的机器，周而复始地运转。
这套流程的好处是什么？规范、可控、风险低。
但问题也很明显：慢、重、门槛高。
一个功能从提出到上线，往往需要几周甚至几个月。而且每个环节都需要专人负责——产品经理、后端开发、前端开发、测试工程师……
对于个人或小团队来说，这套流程几乎是难以复制的。你哪来那么多人？哪来那么多时间？
而在 AI 时代，这套流程被压缩和重构了：
需求阶段：你自己就是产品经理，写 PRD 让 AI 理解。你不需要掌握专业的产品术语，你只需要把你想做的事情说清楚。
技术设计阶段：AI 帮你生成技术方案，你只需要审核和调整。就像有一个经验丰富的架构师坐在你旁边，随时给你提建议。
开发阶段：AI 帮你写代码，你只需要描述需求、检查结果。你不需要背诵每一个 API 的用法，不需要记得每一个框架的细节。
测试阶段：AI 帮你写测试用例，自动化执行。你不再需要花大量时间写重复的测试代码，也不担心漏掉什么边界情况。
上线阶段：一键部署到云平台，自动完成构建和发布。你不需要自己配置服务器，不需要自己搭建 CI/CD 流水线。
迭代阶段：根据数据和反馈快速调整，以天甚至小时为单位迭代。你想改一个功能，几分钟就能看到效果。
你看，从几周到几分钟，从数十人到一个人。这不是夸张，而是正在发生的现实。
注意，这并不意味着流程消失了。
而是很多环节被 AI 自动化了，或者说一个人可以兼任多个角色。
你不需要写每一行代码，但你仍然需要理解每个环节在做什么，为什么这么做，出了问题怎么排查。
这就是本教程要教你的：不是取代流程，而是掌握流程的核心，用 AI 提升效率。
100 小时走完全程
本篇以「从零基础到上线的避坑指南」为主线，带你用一条完整的产品交付流程串起全栈开发：
第一步：技术选型与环境准备（第 1-2 章）
先搭台子，再唱戏。选择合适的技术栈，配置开发环境，掌握与 AI 协作的基本方法。没有这些基础，后面的想法再好也落不了地。
第二步：问题定义与方案设计（第 3 章）
写 PRD，明确要解决什么问题、如何解决。这一步很多人会跳过，觉得直接开始写代码更痛快。但相信我，把问题想清楚，后面会省下无数时间。
你可能注意到：实际项目流程是"先想清楚问题，再选技术"，但教程顺序是反的。
这是有意为之。PRD 里会出现 Next.js、Prisma、数据库这些技术名词，如果你连这些是什么都不知道，文档就看不下去。所以先让你把环境搭起来、工具用顺手，对技术有个基本感觉，再来学习如何规范地写 PRD。
第三步：产品实现（第 4-8 章）
UI/UX 设计让产品好看好用，数据存储让信息持久化，安全机制保护用户隐私，自动化测试保证质量。每一步都有具体的工具和方法。
第四步：发布与迭代（第 9-15 章）
从本地到公网，让世界看到你的产品；从个人到团队，学会协作和分享；从上线到持续改进，让产品在反馈中进化。
在这条路径的终点，等待你的不是"成为程序员"，而是"成为一个能用产品解决问题的人"。代码是手段，不是目的——你的目标是解决问题、创造价值，而代码只是帮你实现这个目标的工具之一。
停下来想，不如跑起来做
在这个充满了不确定性与加速度的时代，过度思考往往是行动的敌人。
你有没有过这样的经历：
你想做一个产品，但总觉得自己的准备还不够充分。你想学一个技术，但总觉得要先看完所有的教程。你想解决一个问题，但总觉得可能有更好的方案。
于是你在原地踏步，看着别人已经跑远了。
不要等到想法完美无缺才开始做产品，不要等到看清了终局才开始起跑。
因为在真实世界里，从来没有什么完美的开局。
那些你羡慕的成功产品，很多都是从简陋的 MVP 开始的。那些你佩服的创业者，很多都是在摸索中不断调整方向的。
在这个时代，想，都是问题；做，才是答案。
你需要做什么
说到这里，你可能会问：如果 AI 能做这么多事，那我还需要做什么？
这是个好问题。
AI 确实替代了我们。但它替代掉的部分，恰恰是我们原来不愿意干、干不动、甚至压根就不该人干的部分。
那些繁琐的、重复的、高危的、枯燥的工作，AI 拿走了。
而它留给我们的，或者说它逼着我们去做的，是去开拓新的可能，是去干那些只有人才能干好的事。
把这个关系想清楚，你就知道该怎么跟 AI 共处了：
把重复琐碎交给 AI，把判断创造留给自己。
把苦活累活交给 AI，把品味思考留给自己。
把机械执行交给 AI，把灵感创意留给自己。
AI 能帮你生成代码，但它不能帮你决定要做什么产品。
AI 能帮你写测试用例，但它不能帮你理解用户真正的需求。
AI 能帮你优化性能，但它不能帮你发现那个值得解决的问题。
那些需要判断、品味、连接、创造的工作，永远是人的领地。
开始之前
所以，使用这本教程的正确姿势是：
不要把它当成一本教科书，从头到尾啃完。
把它当成一个地图，一个向导，一个随时可以求助的朋友。
当你遇到具体问题时，翻开对应的章节，看看我是怎么走过来的。当你陷入困惑时，读读那些序言，看看当时的心路历程。当你不知道下一步该做什么时，对照着章节总览，找一个方向先动起来。
学习不是背诵，而是模仿。
成长不是等待，而是行动。
100 小时后，你会惊讶于自己能做成什么。
不，可能用不了 100 小时。
慢慢来，会很快。
这不是终点，而是起点。
本教程不是让你读完之后成为全栈工程师，而是让你在读的过程中，开始做一个能解决问题的人。
不要被"可能出错"的想象吓住，而要被"可能做成"的愿景驱动。 你要做的，是看见那个能解决问题的产品，然后动身去实现它。
让我们一起，进化。
Eyre
2026 年 1 月 1 日
旧版进阶
如果你更想先阅读偏知识地图/知识陈列的旧版内容：前往 进阶版（旧）。
教程进度说明
部分章节正文/图片待补充，内容可能随迭代调整。就像写代码一样——先搭框架，再打磨细节。敬请期待正式版发布，感谢你的耐心！
章节总览
| 章节 | 主题 | 状态 |
|---|---|---|
| 1 | 环境搭建、代码形态与包管理器 | ✅ 序言可阅读 |
| 2 | AI 调教指南 | ✅ 序言可阅读 |
| 3 | PRD 与文档驱动开发 | ✅ 序言可阅读 |
| 4 | 代码运行状态与构建原理 | ✅ 序言可阅读 |
| 5 | 界面（UI）与交互（UX） | ✅ 序言可阅读 |
| 6 | 环境变量与安全机制 | ✅ 序言可阅读 |
| 7 | 数据持久化与数据库 | ✅ 序言可阅读 |
| 8 | 功能测试流程与自动化脚本 | ✅ 序言可阅读 |
| 9 | Localhost 与公网访问 | ✅ 序言可阅读 |
| 10 | Git 版本控制与跨平台协作 | ✅ 序言可阅读 |
| 11 | 无服务器部署与 CI/CD 自动化 | ✅ 序言可阅读 |
| 12 | 域名解析原理与网络接入 | ✅ 序言可阅读 |
| 13 | 云服务器运维与项目部署 | ✅ 序言可阅读 |
| 14 | SEO、分享与数据统计 | ✅ 序言可阅读 |
| 15 | 用户反馈与产品迭代 | ✅ 序言可阅读 |
知识点概览
教程进度说明
部分章节正文/图片待补充，内容可能随迭代调整。就像写代码一样——先搭骨架，再打磨细节。我们会持续提升品质，感谢你的耐心！