::: info 特别感谢 本教程的核心贡献者与测试者来自 清华大学深圳国际研究生院。感谢同学们在实际学习和操作中不断指出问题、提出建议并参与修改，让教程更清晰、更可靠，也更贴近初学者的真实需要。👉 查看完整贡献者名单 :::
以前做软件，门槛很高：你要学习编程语言、开发工具和大量技术知识，才能把一个想法变成可以运行的程序。大语言模型和 AI 编程工具改变了这件事——人开始可以直接用自然语言描述意图，让 AI 帮助生成代码、搭建界面和修改功能。
从 Vibe Coding 到 Build Product
Vibe Coding 这个说法出现于 2025 年 2 月 2 日。 AI 研究者 Andrej Karpathy 用它描述一种新的编程方式：人主要通过自然语言告诉 AI 想要什么，观察运行结果，再继续对话和修改，而不必从头手写、理解和管理每一行代码。
什么是 Vibe Coding？ 简单说，就是“用说话来编程”：描述想法，让 AI 生成程序，运行看看，再通过对话不断调整。
它最先带来的突破，是让更多人跨过了“不会写代码，所以无法开始”的门槛。一个没有编程经验的人，也可以在几分钟内做出小游戏、网页或可以演示的原型。
Vibe Coding 帮助你跨过“做出来”的门槛；Build Product 要继续走向真实用户、反馈与价值。
这是一个巨大的变化：人与计算机沟通的方式，正在从严格的编程语法延伸到自然语言。
但当“做出一个能运行的 Demo”越来越容易，新的问题就出现了：
应该做什么，而不只是能做什么？
它为谁解决问题，用户真的需要吗？
AI 生成的第一版，怎样变成稳定、清楚、可以持续修改的产品？
怎样把产品交给用户，而不只是在自己的电脑上运行？
怎样通过使用、反馈和付费，证明它确实创造了价值？
因此，Vibe Coding 并没有消除学习要求，而是改变并提高了要求。
只看 Coding，目标是让代码运行；真正 Build Product，则要对从问题到结果的完整过程负责：
Coding：我能不能把它做出来？ Build Product：它值不值得做，谁会使用，我怎样把它交付出去，又怎样知道它真的有效？
Vibe Coding 是这门课的起点，但不是终点。我们会先让你快速做出东西，再逐步学习怎样选择问题、验证需求、设计方案、构建产品、接触用户和根据结果迭代。
::: tip 这门课真正想培养什么？ 这门课不只是教你使用 AI 编程工具，而是希望帮助你成为一名初步的产品工程师（Product Engineer）：能够发现问题、验证需求、亲手构建产品、交付真实用户，并根据结果继续迭代的人。 :::
为什么现在需要产品工程师？
你可能会问：“产品工程师”到底是什么？这不是 2026 年才突然冒出来的新头衔。
早在 2018 年，客户通讯公司 Intercom 就提出了 Product Engineer 这个概念，用来描述一种对产品有“所有权”的工程师：不只是照着别人写好的需求文档写代码，而是要真正理解用户的问题，参与讨论产品应该做成什么样，并且持续跟进自己负责的产品上线后的表现。
AI 带来的真正变化，是把“做东西”这件事的门槛大大降低了。以前一个人很难同时搞定原型、界面、前后端、AI 能力集成、测试和部署这一整套工作，但借助大模型和编程 Agent，这些技术边界正在被打破。相应地，公司对工程师的期待也在变化——不只是把代码写完交差，而是要能直接理解用户需求、验证方案是否可行、推动产品被真正用起来，最终对业务结果负责。
从“参与产品”到“负责结果”
下面是这条变化的几个真实时间点，都来自公开的招聘信息：
工程师不能只埋头写代码，也要懂用户、参与讨论产品该往哪走。
Intercom 早在 2018 年就提出了 Product Engineer 的概念
直接跟客户聊天，从一次对话里挖出需求做出产品，马上给真实用户试用。
2026 年的招聘要求已经覆盖从客户交流到产品验证的完整闭环
一个人搞定 Agent 设计、后端代码、界面开发，还要观察律师和客户实际怎么用。
法律科技公司 Alma 要求产品工程师能独立完成从 Agent 到界面的全栈工作
要深入销售、客服、承保现场，最终对转化率这类业务指标负责，不只是把功能上线。
保险公司 Harper 要求工程师深入业务一线，直接对转化率负责
要泡在投资、研究、业务团队里找问题，做内部工具也做开源产品，在实践里找新机会。
加密投资机构 Paradigm 要求工程师深入业务团队，既做内部工具也做开源产品
从找问题、定方案、写代码到部署上线全包，成功标准是用户用不用、有没有真的提升工作效率。
OpenAI 的 FDE 岗位把生产采用率和工作流影响作为核心成功标准
查看更多不同行业的真实岗位
这些案例来自航空、法律、保险、金融合规、生物医药、工业、企业服务和 AI 基础设施等不同领域：
从客户交流中选择机会，快速做原型、测试，再用结果影响产品路线图。
参与技术调研、PoC、现场实施和企业销售，用技术工作帮助赢得客户。
从客户发现做到部署，并把客户需求转化成通用产品能力。
理解客户业务、编写代码、集成系统，对客户成功上线负责。
覆盖第一次技术沟通、试点、生产部署和扩展，参与 Demo 与销售周期。
从早期客户需求中建立新业务方向，把有效做法沉淀进平台。
进入企业现场寻找重要工作流、构建 Agent、完成集成并教会客户使用。
横跨后端、前端、API、用户体验、测试和线上质量，把复杂 AI 变成可用产品。
负责 PoC、生产就绪和部署，把一次性交付沉淀为可重复模式。
直接面对技术客户，完成端到端开发和快速实验，并影响产品路线图。
这些变化意味着什么？
这些变化不只是"公司对工程师要求更高了"这么简单——它同时意味着两件事：会写代码的人角色在变，不懂代码的人也有了入场的机会。
对于已经会写代码的人：工程师角色正在重新定义
对比传统的"按需求写代码"的工程师岗位，产品工程师的工作方式发生了明显变化：
工作起点变了： 不再等着产品经理把需求文档写好，而是自己走到用户和业务一线去发现真正的问题。
原型的作用变了： 做原型不只是为了展示技术有多酷，而是尽快交到用户手里，验证你的想法对不对。
能力边界变了： 不再只负责自己那一小块技术模块，而是要能打通界面、后端、AI、部署，甚至关心用户体验好不好用。
成功标准变了： 以前"代码写完、功能上线"就算交差，现在要看产品有没有人用、有没有提升效率、能不能带来转化和收入。
和客户的距离变近了： 越来越多的产品工程师开始直接参与客户演示、PoC（概念验证）和上线支持，用技术实力证明产品的价值。
你可能会担心："还要会销售？" 别紧张，这不是让你去做传统意义上的销售。对产品工程师来说，所谓"会销售"其实是：能找到可能需要你产品的人，听得懂他们的真实痛点，能演示你的解决方案，邀请他们试用，并且验证他们是否真的愿意持续使用、甚至付费。
对于零基础、不会写代码的人：这是一扇新打开的门
更重要的是，AI 不仅改变了工程师的工作，也把"做产品"这件事的门槛降到了前所未有的低度。
以前，如果你不会写代码，哪怕有再好的想法，也只能停留在脑图、原型图或者 PPT 里；要做出真正能运行的产品，你必须找到工程师合作，或者自己花几年时间学编程。但现在不一样了：
不用先学几年编程： 你可以用自然语言和 AI 对话，让它帮你写出代码、搭出界面、解决报错，直接做出能跑的东西。
行业经验比代码能力更稀缺： 如果你是老师、医生、律师、销售、运营，或者在某个行业深耕多年，你懂用户的真实痛点、懂业务流程——这些领域知识，恰恰是很多纯工程师欠缺的，也是做出好产品最关键的东西。
从"我有一个想法"到"我做出了产品"，距离缩短到几周甚至几天： 你完全可以自己动手，把你熟悉行业里的某个痛点做成一个小工具，交给真实用户使用，验证它的价值。
这门课就是为这两类人准备的：不管你是已经会写代码、想升级能力边界的工程师，还是完全零基础、但有想法、懂行业的普通人，都可以从这里开始，学会用 AI 把想法变成真正能解决问题的产品。
Product Engineer、FDE 和 OPC 是什么关系？
你可能还听过 FDE、OPC 这些说法，它们和产品工程师是什么关系呢？简单说，这三个概念是同一套能力在不同范围的应用，但它们不是一回事，也不是必须按顺序晋升的阶梯。
Product Engineer（产品工程师）
是什么： 产品思维和工程能力融合的岗位
主要在哪里工作： 在公司内部的产品团队
要对什么结果负责： 从发现问题、设计方案，一直负责到产品上线、用户反馈和业务指标
FDE（Forward Deployed Engineer，前沿部署工程师）
是什么： 产品工程能力延伸到客户现场
主要在哪里工作： 深入企业客户一线，在真实业务环境里工作
要对什么结果负责： 从发现客户需求、做 PoC、系统集成，一直负责到部署上线、用户采用、后续扩展，有时还会直接参与销售过程
OPC（One-Person Company，一人公司）
是什么： 一个人主导经营的公司模式，不是岗位名称
主要在哪里工作： 自己给自己干，借助 AI Agent、自动化平台和外部服务来做产品
要对什么结果负责： 从找市场机会、做产品，一直负责到营销、销售、交付、客服，甚至现金流
这不是必须依次晋升的职业阶梯，而是同一套产品工程能力可以覆盖的不同范围。
可以把它们理解成三个逐渐扩大的圆：
Product Engineer：把产品做对并做出来 FDE：把产品带进客户现场并产生结果 OPC：用同一套能力经营一门完整生意
FDE：走到客户现场解决问题
很多人会把 FDE 误解成“帮客户装软件的实施人员”或者“只做演示的售前”，其实不是这样。AI 公司的 FDE 通常要从头到尾负责四件事：
找对问题： 和客户一起聊，找到那个真正值得解决的核心问题，而不是上来就写代码。
快速验证： 用最短时间做出原型或 PoC（概念验证），证明这个方案既有技术可行性，也能带来业务价值。
落地交付： 写真正能上生产环境的代码，把方案接入客户的真实数据和日常工作流。
沉淀产品： 观察客户用得怎么样，把多个客户都遇到的共性需求，沉淀成产品里的通用功能。
截至 2026 年 8 月，OpenAI 已经在全球多个城市招聘 FDE，并且在岗位描述里明确写了：成功标准不是写了多少代码，而是客户的生产采用率、可量化的工作流效率提升，以及从一线带回来、能改变产品和模型路线图的真实反馈。这说明 FDE 这种模式正在从少数企业软件公司的"特殊岗位"，变成 AI 产品落地的重要角色。
OpenAI 的 FDE 岗位描述把"生产采用率"和"工作流影响"作为核心考核标准
OPC：一个人也能带一支"数字团队"
这里说的 OPC，不只是法律意义上注册的"一人有限责任公司"，而是指 One-Person Company 这种工作方式：一个人主导整个业务，尽可能借助软件、AI Agent 和现成的云服务，完成过去需要一个团队才能做完的事。
但这也不是说什么都不用干，AI 自己就能把公司运转起来——那种"无人公司"目前还不存在。创始人依然要自己判断市场方向、承担风险、接触用户、拍板关键决策；AI 的角色更像是一支你随时可以调度的"数字团队"，帮你写代码、做设计、写文案、分析数据、回复客服。
这种趋势也不是 AI 出现后才有的。独立开发者 Pieter Levels 已经一个人做了很多年，Nomads.com、Remote OK、Photo AI、Interior AI 这些产品都是他独自构建和运营的。AI 只是让这种模式能覆盖的范围更广了——设计、编程、内容、分析、客服这些以前需要不同专业人做的事，现在一个人加 AI 就能搞定，但最终还是要经过真实市场的检验。查看 Pieter Levels 的项目记录
独立开发者 Pieter Levels 一个人构建和运营了多个产品
2025 年，微软在 Work Trend Index 报告里提出了 Agent Boss 这个概念，用来描述那些会创建、分配任务给 AI Agent、并管理它们工作的人。这份报告调查了 31 个国家的 31,000 名职场人，数据显示 81% 的企业领导者预计在未来 12～18 个月里，会把 AI Agent 深度融入业务流程。查看 Microsoft 2025 Work Trend Index
微软 2025 年报告提出"Agent Boss"概念，描述能够管理 AI Agent 的新型工作者
2025 年 6 月，网站搭建平台 Wix 以约 8,000 万美元收购了自然语言应用开发平台 Base44。Base44 本身不是 OPC，但它透露出一个重要信号：以前需要后端工程师、运维工程师、DBA 多种角色配合才能搞定的数据库、用户认证、部署上线这些事，正在被对话式的工具封装起来，普通人也能搞定。查看 Wix 收购公告
所以，“第一家一人独角兽什么时候出现”目前还是个预测，我们不应该把它当成已经发生的事实。对初学者来说，更实在的变化是：现在一个人真的可以用更少的钱、更小的团队，更快地验证一个产品想法，甚至经营起一门虽然不大、但真的能赚钱的小生意。
::: tip 为什么这门课三条路径都讲？ 不管你毕业之后是想进大公司做产品工程师、去 AI 公司当 FDE，还是想自己试试做点小生意（OPC），起步要练的基本功都是一样的：发现真实问题、做出最小可用产品、交到用户手里、讲清楚价值，然后根据用户的使用反馈和付费意愿继续迭代。 :::
所以这门课不是在教你几个互不相干的岗位技能，而是在帮你走通一次完整的产品闭环：
发现问题 → 验证需求 → 设计方案 → 构建产品 → 交付用户 → 说明价值 → 观察结果 → 持续迭代
当然，让 AI 写出代码只是第一步。要做出一个真正能用的产品，你还会遇到这些问题：
怎么让 AI 写出干净、能维护的代码？
怎么把零散的代码拼成一个能跑的应用？
怎么让应用真正上线、被人用到？
怎么把文本生成、图像识别这些 AI 能力装进你的产品？
怎么判断用户是否真的需要它，甚至愿意为它付费？
这些问题将在这门课中找到答案。
不管你是学生、老师、医生、工人，还是任何一位对技术一窍不通的普通人，你都不需要先学几年编程，才能开始制作和验证自己的第一个产品原型。
| 你的身份 | 这门课能帮你 |
| 学生 | 作业、比赛、创业，自己动手做项目，不再求人 |
| 职场人 | 把重复工作自动化，提升效率，甚至开发副业 |
| 产品经理 / 设计师 | 想法不再停留在纸面，能快速做出 Demo 并交给用户验证 |
| 创业者 / 中小企业主 | 低成本验证想法，不用先组建完整团队也能做出 MVP |
| 老师 / 教育工作者 | 制作教学工具、课件、自动化出题，提升教学效率 |
| 医生 / 律师 / 专业工作者 | 把专业流程自动化，打造自己的效率工具 |
| 任何人 | 用 AI 解决生活/工作中的具体问题，让不可能变成可能 |
AI 可以降低实现成本，但真正决定产品价值的，仍然是你能否发现真实问题，并把解决方案交到用户手里。
成长路径：从“会用 AI”到“成为产品工程师”
.concept-illustration { margin: 24px 0 12px; }
.concept-illustration img { display: block; width: 100%; border: 1px solid var(--vp-c-divider); border-radius: 16px; background: var(--vp-c-bg-soft); }
.concept-illustration figcaption, .role-path-caption { margin: 8px 12px 0; color: var(--vp-c-text-2); font-size: 0.85rem; line-height: 1.6; text-align: center; }
.role-path-figure { display: grid; grid-template-columns: minmax(0, 1fr) auto minmax(0, 1fr) auto minmax(0, 1fr); gap: 10px; align-items: center; margin: 24px 0 0; }
.role-path-node { display: flex; min-height: 112px; padding: 18px 14px; border: 1px solid var(--vp-c-divider); border-radius: 14px; background: linear-gradient(145deg, var(--vp-c-bg-soft), var(--vp-c-bg)); flex-direction: column; align-items: center; justify-content: center; text-align: center; }
.role-path-node strong { color: var(--vp-c-brand-1); font-size: 1rem; }
.role-path-node span { margin-top: 8px; color: var(--vp-c-text-2); font-size: 0.82rem; }
.role-path-arrow::before { color: var(--vp-c-brand-1); content: '→'; font-size: 1.25rem; font-weight: 700; }
.stage-intro { margin: 20px auto; max-width: 400px; }
.stage-grid { display: grid; grid-template-columns: repeat(auto-fit, minmax(160px, 1fr)); gap: 12px; margin: 16px 0; }
.stage-card { border: 1px solid var(--vp-c-divider); border-radius: 10px; padding: 12px; background-color: var(--vp-c-bg-soft); transition: all 0.3s ease; display: flex; flex-direction: column; align-items: center; text-align: center; height: 100%; }
.stage-card:hover { transform: translateY(-2px); background-color: var(--vp-c-bg-mute); box-shadow: 0 4px 16px rgba(0, 0, 0, 0.05); border-color: var(--vp-c-brand); }
.stage-icon { font-size: 2rem; margin-bottom: 8px; line-height: 1; }
.stage-card h3 { margin: 0 0 4px 0 !important; font-size: 1rem; font-weight: 600; line-height: 1.2; }
.stage-role { margin: 0 0 8px 0 !important; font-size: 0.8rem; color: var(--vp-c-text-2); font-weight: 500; }
.stage-tags { display: flex; flex-wrap: wrap; justify-content: center; gap: 4px; }
.stage-tags span { font-size: 0.7rem; padding: 1px 6px; border-radius: 3px; background-color: var(--vp-c-bg-alt); color: var(--vp-c-text-2); border: 1px solid var(--vp-c-divider); }
.stage-card:hover .stage-tags span { background-color: var(--vp-c-bg); border-color: var(--vp-c-brand-dimm); color: var(--vp-c-brand-dark); }
.job-screenshot { margin: 16px 0 24px; }
.job-screenshot .screenshot-scroll { max-height: 400px; overflow-y: auto; border: 1px solid var(--vp-c-divider); border-radius: 10px; background: var(--vp-c-bg-soft); }
.job-screenshot img { display: block; width: 100%; height: auto; }
.job-screenshot figcaption { margin: 8px 12px 0; color: var(--vp-c-text-2); font-size: 0.85rem; line-height: 1.6; text-align: center; }
@media (max-width: 720px) { .role-path-figure { grid-template-columns: 1fr; gap: 8px; }
.role-path-node { min-height: 88px; }
.role-path-arrow { text-align: center; }
.role-path-arrow::before { content: '↓'; } }
通过这个完整的学习路径，你将获得：
Vibe Coding开发能力： 熟练使用 vibecoding 思维和 AI 编码工具，将开发效率提升数倍。不再需要死记硬背语法，而是学会如何引导 AI 生成高质量代码。
全栈开发技能： 从 UI 设计到前端实现，从数据库设计到 API 开发，从本地开发到云端部署，掌握现代 Web 应用的完整技术栈。
AI 能力集成： 学会调用各类多模态 AI API，将文本、图像、语音等 AI 能力无缝集成到你的应用中，并通过 RAG 等技术构建智能化产品。
产品思维与运营能力： 从用户研究到需求拆解，从 MVP 设计到产品迭代，从支付集成到用户管理，形成完整的产品开发与运营闭环。
第一阶段：做出你的第一个产品原型
这个阶段适合完全没编程基础，或者只会一点点但不太自信的同学。你不用先学一堆理论知识，而是直接跟着做，在做的过程中学会用 AI 工具写代码。
学完你能：
用 AI 编程工具独立完成一个网页应用
把产品想法变成能点击、能交互的原型
给原型加上 AI 功能（比如文生图、智能对话）
遇到报错知道怎么排查和解决
简单说，就是能做出一个"能跑、能给别人演示"的东西。
我们可以先通过小游戏感受 AI 编程，然后学会用 AI 编程工具帮你写代码、改报错。接着从简单页面开始，逐步做出能交互的多页面应用，再加上文生图、智能对话这些 AI 功能。最后独立完成一个完整项目，让你的创意能够真正拥有落地的可能。
现实世界的挑战 原因其实很简单：按照大多数同学现在的状态，直接走入职场，很可能会在真实项目和老板 / 客户的“社会毒打”下寸步难行。现实世界更常见的场景是：
你的导师 / 老板：我们要做一个 xxx，目标是达到 yyy 的效果。 文档？现成框架？详细的需求说明？很多时候都不存在。
真实工作中的许多任务，本质上就是在高度不确定的环境下解决从未见过的问题：需求是模糊的，边界是变化的，没人告诉你标准答案，你需要自己查资料、做实验、搭原型、不断迭代，最后给出一个“能跑、能用、能上线”的解决方案。
这门课想做的，就是在一个相对安全的环境里，提前给你一次“模拟社会毒打”：
通过看似有一定难度的项目任务，迫使你练习拆解问题、设计方案、自己寻找资料
通过不那么“傻瓜化”的脚手架和代码，让你学会阅读、理解和改造一份中大型代码库
通过从创意到上线的完整闭环，让你体验真实产品从 0 到 1 的完整过程
短期来看，这种训练确实比较折磨人；但从长期来看，它会极大提高你在求职和职业发展中的竞争力：你会更能扛事儿，更能在不确定环境中找到突破口，也更有能力把 AI 变成真正落地的产品，而不是停留在“玩玩 Demo”阶段。
在 AI 时代，提问也属于一种 “基本功”。同一份代码、同一个报错，你怎么提问，几乎决定了 AI 能给出怎样的答案：是泛泛而谈，还是一步一步给出可落地的改法。
养成好习惯：把“向 AI 提问”当成日常开发流程的一部分：遇到不懂、卡住的问题就立刻问。
为什么这是必备技能？
现实很少有完整文档：更多时候你面对的是不清晰的需求、半成品代码、零散的错误信息
AI 是你随身的导师 + 同事：会提问的人，能把它变成“高质量的结对编程”
能力上限由沟通决定：你越能提供关键信息、越能约束输出格式，答案越可用
常见误区：只问一句“为啥报错？”通常只能得到一堆猜测。把上下文补齐，才会得到可执行的方案。
如何把信息"喂给"AI：截图 vs 复制粘贴
两种方式都可以，但用途不同：
| 方式 | 适用场景 | 关键要求 |
| 复制粘贴 | 报错堆栈、日志、代码、配置、API 返回 | 尽量完整，不要只截一行关键字 |
| 截图 | UI 布局问题、交互异常、工具界面找不到按钮 | 截全屏 + 标注重点区域，最好配一句文字说明 |
::: danger ⚠️ 重要前提 并非所有 AI 都支持图片输入。 截图沟通需要 AI 具备多模态能力（即能够理解和分析图片）。目前支持图片输入的 AI 包括：Claude (Anthropic)、GPT-4V/GPT-4o (OpenAI)、Gemini (Google)、以及部分国产大模型如通义千问、文心一言等。
如果你使用的 AI 不支持图片输入，截图将无法被识别，此时请改用复制粘贴文字的方式沟通。 :::
让 AI “解释得很好”的提示词技巧
如果你不是只要答案，而是要“学会”答案。使用类似下面指令能显著提升解释质量：
学习型提问示例 - “请先用 5 句话讲清楚这个概念，再给几个问题提问我验证我理解对了没。” - ”请你详细解释一下这个报错信息，我不理解为什么会报错。”
也许是你坚持的方法不对。不要一个人在黑暗中硬撑，可以来跟作者和助教们聊聊：把你已经尝试过的方法、遇到的具体卡点、和你目前的心理状态，坦诚地说出来。很多时候，只要稍微调整一下方向、补上一个关键知识点，你就能继续往前走。
欢迎随时联系作者、提交 issue，或者在群里 / 课堂上直接反馈。我们非常希望和你一起把这套教程打磨得越来越好：哪里不清晰、哪里体验不好、哪里让你白费力气，都可以坦诚指出来。越真实、越具体的反馈，越能帮助后来者少踩坑。