W1 开营第一课：从使用者到创造者｜From User to Builder

一、你要完成的，不是学一个工具，而是一次身份跃迁

在正式开始之前，我想先给你一个直观的比例。

如果把全球所有人放进一张图里，每一个小格子代表几百万人，那么大部分格子代表的，仍然是尚未主动使用 AI 工具的人。

再往上一层，是已经开始用 AI 的人。他们会用 ChatGPT、Kimi、豆包、DeepSeek，写文案、查资料、总结内容、做一些日常提效。

再往上一层，是愿意为 AI 付费的人。这个比例已经小很多。

但真正再往上，能用 AI 搭建工具、系统、流程，能把自己的想法变成一个可运行东西的人，比例会更小。

粗略估算，每 1 万个人里，可能只有 2 到 5 个。

这个数字不是为了做精确统计，而是为了让你有一个直观感觉：会用 AI 的人正在变多，但会用 AI 创造东西的人，仍然非常少。

而这门课，带你迈向的就是这一层。

这也是为什么，这节课的标题叫：从使用者到创造者（From User to Builder）。

这里的“使用者”，不是贬义。

使用者是已经开始用 AI 帮自己做事的人。比如让 AI 写一段文案，整理一份资料，生成一张图片，改一个标题，回答一个问题。AI 在这里的角色，是帮你完成一次任务。

这当然很有价值。

但创造者不止于此。

创造者，是开始用 AI 做出一个可以反复运行、反复服务别人、反复为业务产生价值的东西。

它可能是一个课程网站，一个学员管理系统，一个知识库问答助手，一个内容生产流程，一个客户诊断工具，也可能是一个只服务你自己业务的小系统。

使用者和创造者最大的区别，不是会不会写代码。

而是你有没有开始把 AI 从“帮我做一次事”，变成“和我一起做出一个东西”。

你可以把人与 AI 的关系，看成一条能力阶梯。

最底层，是还没有真正开始使用 AI 的人。不是抗拒，也不是落后，只是还没有把 AI 放进自己的工作方式里。

再往上一层，是普通使用者。会问 AI、会让 AI 帮自己完成一些单次任务。

再往上一层，是熟练使用者。知道不同工具适合不同场景，能用 AI 明显提高自己的效率。

而这门课要带你跨过去的，是下一条线：从使用者（User）到创造者（Builder）。

也就是从“我会用 AI”，进入“我能用 AI 创造东西”。

创造者这一层，也不是一步到顶。它里面大致有几级状态。

第一步，是把本地 AI 工作台装好，让一个能干活的编码智能体（Coding Agent）真正跑在你的电脑里。

这一步看起来只是安装，但它是第一道真正的门槛。因为本地 Agent 装好之后，后面很多问题都可以让它带你一起解决；唯独最开始这一步，它不能替你把自己装进电脑。

第二步，是能和 AI 一起做出一个具体功能或一个小模块。比如一个页面、一个表单、一个自动整理资料的小工具。

第三步，是能把更复杂的产品或系统拆成步骤。你不只是提一个大愿望，而是能和 AI 一起把它拆成一块一块能推进的任务。

第四步，是遇到问题时能排查和调试。不是一报错就停住，而是知道把错误交给 AI，带着它一步步定位原因。

第五步，是能根据效果持续优化。页面不好看、回答不稳定、流程不顺，你能不断给反馈，让 AI 调整到更接近你想要的状态。

再往后，才是更高阶的能力：组织多个 AI、多个工具、多个流程，让它们更稳定、更自动地为你产出。这个方向我们这节课会先让你知道它存在，但不会展开。

今天要做的，是带你真正走进创造者的前几步。

后面课程里的项目，比如课程官网、业务工作流、资料库，不只是为了交付一个作品。它们更像训练场：通过一个具体项目，练会拆解需求、定位问题、优化效果和持续推进。

所以，今天这节课不是一节工具说明书。

它不会一上来就要求你记住一堆按钮、术语和操作步骤。

今天更重要的是先装进几个基础认知：

1. 我在哪：项目、文件夹、窗口到底是什么关系。
2. 我在跟谁说话：聊天 AI、能干活的 AI、本地工具、云端工具怎么区分。
3. 它记得什么：哪些内容会留下，哪些只是临时对话。
4. 怎么协作：怎样指挥 AI，才能让它稳定地帮你做事。

这四个问题很基础，但它们决定了你后面会不会迷路。

如果这四个认知没有装进去，你会觉得每一步都像在碰运气。

如果这四个认知装进去了，你会慢慢知道自己在哪里，AI 在做什么，哪些东西可以保存，遇到问题该怎么继续推进。

这就是开营第一课真正要完成的事。

不是让你立刻变成技术专家，也不是让你今晚就做出一个完整系统。

而是让你先跨过那条最重要的线：你不只是一个会使用 AI 的人。你正在开始成为一个能用 AI 创造东西的人。

---

二、认识你的新工作台：能说话、能干活、住在哪里

现在 AI 工具有很多名字。ChatGPT、Kimi、豆包、DeepSeek、Claude Code、Cursor、各种智能体平台，放在一起很容易乱。

你先不用记每个工具的细节。

我们先抓两个问题。

第一个问题：它只是能说话，还是也能动手干活？

聊天型 AI 的核心能力，是回答。你问一句，它回一段。它可以写文字、总结资料、给建议，但大多数时候，它只有“脑子”和“嘴”。

能干活的智能体（Agent）不一样。它不只是回答，还能拆步骤、读文件、改文件、跑命令、检查结果。你可以把它理解成有“躯体”和“四肢”的 AI：不只会想和说，还能伸手做事。

第二个问题：它住在云端，还是住在你的电脑里？

云端工具通常在网页或 App 里运行，上手快，适合直接问答或跑线上任务。

本地工具则进入你的电脑和项目现场。它能围绕你的项目文件夹工作，看到文件之间的关系，也能直接操作你的文件和命令。

这两个问题一交叉，就得到一张 2×2 表。

第一类，是云端 + 聊天。

这是大家最熟悉的一类。你打开网页或 App，输入问题，它在云端回答你。ChatGPT、Kimi、豆包、DeepSeek 的常规聊天形态，都可以先放在这里。

它适合问答、写作、总结、头脑风暴。特点是上手快，但通常不会直接在你电脑里操作项目文件。

第二类，是云端 + 干活。

这类工具也能帮你执行任务，但主要在网页或线上工作间里完成。它适合标准化流程，比如整理资料、跑一个固定任务、调用线上服务。

第三类，是本地 + 聊天。

这一类对我们这门课不是重点。它可能运行在你电脑里，但主要还是问答，不是搭建系统的主力。

第四类，是本地 + 干活。

这就是我们接下来要进入的位置。

它住在你的电脑环境里，能围绕你的项目文件夹动手，能读文件、改文件、跑命令、检查结果。Claude Code 就属于这一类。

所以，Claude Code 不是一个只回答问题的聊天框。它更像一个本地工作台：你用人话描述目标，它把目标拆成步骤，然后真的去操作文件和工具。

比如你可以这样说：

• 帮我在这个项目里新建一个课程大纲文件。
• 读取这个文件，总结出三条修改建议。
• 把这段文字改得更适合学员阅读。
• 给这个网页增加一个按钮，并检查它能不能正常显示。

这些指令都不是“问知识”，而是“让它干活”。

2.1、同一个 Agent，为什么换模型会有差别

到这里，还有一个容易混的概念：智能体和模型不是一回事。

你可以把 Claude Code 理解成“躯体”或“工作台”。它负责接收你的指令、操作文件、执行任务。

模型则像“大脑”。它负责理解你的意思、生成方案、判断下一步怎么做。

同样是 Claude Code 这个智能体，如果换了不同模型，就像同一个身体换了不同大脑：手脚、工具、工作流程都差不多，但理解能力、推理能力、写作质量、排查问题的能力会有差别。

而你按月开通的模型付费包，可以先理解成套餐：它是给 AI 大脑供能的算力包。

所以这三者的关系是：电脑提供环境，Claude Code 提供工作台，模型提供大脑，套餐提供持续调用大脑的能力。

本节到这里就够了。

套餐和接口（API）的区别、费用怎么算、什么时候要自己接模型接口，先不展开。等我们真正做带 AI 功能的产品时，再讲会更清楚。

现在你只需要知道：我们这门课的主战场，是右下角——本地 + 干活。你不是在学一个聊天工具，而是在搭一个能和你一起做项目的工作台。

三、你在哪里，它记得什么：项目文件夹和三种记忆

前面讲的是：你在跟什么样的 AI 工作。

接下来要讲一个更基础的问题：你们到底在哪里工作，以及它到底记得什么。

这部分很重要。

因为后面你会不断开窗口、换任务、让 AI 接着做。如果你分不清项目、文件、规则和窗口，就会经常觉得：东西去哪了？它怎么又忘了？它为什么把前面的事混进来了？

3.1、一个项目，就是一个文件夹

在这门课里，你可以先把“项目”理解成一个文件夹。

一个项目 = 一个文件夹 = 你的整个产品。

你的网站页面、课程内容、配置文件、图片素材、后台功能，都会围绕这个文件夹组织起来。

这意味着，你不需要把“内容”和“功能”拆成两个项目，也不需要每做一个小板块就新开一个项目。

如果它们属于同一个产品，就应该先放在同一个项目文件夹里。

这样 AI 才能看见上下文，知道这个功能和那个页面是什么关系。

这里有一个常见误区：不要一上来就让 AI 打开整个电脑。那就像把一个助手丢在整栋房子门口，让他先从厨房、卧室、储藏间一路找起。更好的做法，是直接把它带到“书房”，也就是你当前真正要工作的项目文件夹里。

项目打开得越精准，AI 找资料、改文件、理解任务都会更快，你自己也更容易管理。

窗口则是另一回事。

窗口更像工作台上的一次会话入口。你可以关掉窗口，也可以新开窗口，但只要文件夹还在，你的项目就还在。

所以请先记住这个关系：文件夹是东西真正存放的位置；窗口只是你这次怎么进入它。

3.2、第一种记忆：文件级记忆

第一种记忆，是文件级记忆。

这是最长期、最稳定的记忆。

代码是文件，文档是文件，课程稿是文件，图片素材也是文件。只要它被写进项目文件夹，就不会因为你关掉窗口而消失。

比如你让 AI 把“关于我和我的业务”整理成一个文件，放进项目文件夹。下次你再让它读这个文件，它就能稳定拿到这些信息。

【配图占位 9：写成文件前后对比图】 建议展示：只在聊天里说 → 换窗口后不稳定；写进文件 → 重开后仍可读取。

所以有一个很实用的原则：想让 AI 长期记住的东西，就让它写进文件。

你的业务介绍、课程定位、产品需求、常见问题、用户反馈，都可以慢慢变成文件。

这些文件就是你和 AI 协作的资料库。

3.3、第二种记忆：规则记忆

第二种记忆，是规则记忆。

它本质上也是文件，但它不是普通资料文件，而是 AI 每次开工前会优先读取的工作守则。

在 Claude Code 里，这类文件通常叫 CLAUDE.md。换到 Codex 这类工具里，同类文件一般叫 AGENTS.md。名字不同，作用很接近。

普通文件像资料库。你让 AI 去看，它才会去看。

规则文件不一样。它更像你写给长期助手的“常驻备忘 + 工作守则”。AI 每次开工前，都会先读它，知道你是谁、这个项目是什么、你希望它怎么配合你。

【配图占位 13：规则文件 = 每次先读的工作守则示意图】 建议展示：每次开工 → 先读 CLAUDE.md / AGENTS.md → 再执行任务。

规则文件也有层级。

一种放在当前项目里，管这个项目。比如这个课程网站要用什么风格、代码怎么提交、图片放哪里、课程文档怎么写。

另一种可以放在更全局的位置，管你和 AI 的通用协作方式。比如默认用中文、解释要说人话、复杂任务先列步骤、不要把密钥写进聊天记录。

你不需要一开始就把层级设计得很复杂。

先记住最小原则：项目里的规则，写项目；全局的规则，写你的长期偏好。

刚开始写 3 到 5 条就够：

• 我是谁，我的业务是什么。
• 这个项目是做什么的。
• 默认用中文沟通。
• 我不懂技术，解释时要说人话。
• 做复杂任务前，先给我步骤，不要直接大改。

实际操作时，你不需要自己先手动新建这个文件。更清晰的做法，是直接告诉 AI：“请把这些规则写进当前项目的 CLAUDE.md / AGENTS.md。”它会帮你创建或更新对应的规则文档。

这几条看起来简单，但价值很大。

因为你不用每次重新介绍自己，不用每次重复你的偏好，也不用每次提醒它“先别乱改”。

这就是让 AI 越来越像长期助手的关键手段：重要背景写进文件，长期规矩写进规则文件。

3.4、第三种记忆：窗口记忆

第三种记忆，是窗口记忆。

这就是我们平时说的上下文。

你在当前窗口里刚刚说过什么、AI 刚刚做过什么、前面讨论过哪些文件和任务，都会影响它接下来怎么回答。

窗口记忆的好处，是很顺。你不用每一句都从头解释，它能接着当前任务往下做。

但它也是最短期、最容易混乱的一种记忆。

如果一个窗口里聊了太久，前面讲课程，后面改页面，中间又讨论了别的业务，AI 可能会把旧信息混进新任务里。

这就像同一张白板写得太满，新旧内容糊在一起。

有些工具会提供 compact 之类的操作。你可以把它理解成：把当前窗口里很长的对话压缩成一份摘要，让 AI 继续往下接。

在支持这个功能的工具里，常见做法是直接输入 /compact。你可以在练习窗口里试一次：先和 AI 聊几轮，再输入 /compact，观察它如何把前面的内容压缩成摘要。

compact 很有用，尤其是一个任务还没做完、但窗口内容已经太长的时候。

但它不是万能的。

压缩之后，很多细节会被取舍；窗口继续累积太久，AI 仍然可能越来越乱。

所以更简单的习惯是：一个任务，或者一两个相关任务做完，就开新窗口。

新任务用新窗口，会更干净。

如果新窗口需要知道背景，就让它先读项目文件、规则文件，或者你让上一个窗口整理一份交接文档。

这样比在一个窗口里一直堆上下文更稳。

这一节你只要记住三种记忆的区别：

1. 文件级记忆：最长久，写进文件，稳定留存。
2. 规则记忆：每次开工先读，负责长期守则和偏好。
3. 窗口记忆：当前对话里的短期上下文，顺手但会混乱。

后面你和 AI 协作时，很多问题其实都可以用这三句话判断：

要长期保存，就写文件。要长期遵守，就写规则。当前任务做完，就换窗口。

四、和 AI 协作的 7 条约定

前面讲的是工具和记忆。接下来讲怎么和它一起工作。

这一部分不复杂，但很重要。你后面五周大多数卡点，不是因为你不会代码，而是因为你还没形成和 AI 协作的基本节奏。

下面这 7 条，不需要背。先有印象，后面做项目时反复用就行。

4.1、万事先问 AI

从今天开始，遇到不懂的概念、看不懂的报错、不会操作的页面，第一反应先问 AI。

不是先百度，也不是先等群里回复。

你可以截图给它，可以复制报错给它，也可以直接说：“我看不懂这是什么意思，你用人话解释一下。”

这不是偷懒。这是在训练你和 AI 一起解决问题的肌肉。

4.2、提问要带上下文

不要只丢一句“它报错了”。

一个有用的问题，至少说清三件事：

1. 你正在做什么。
2. 你遇到了什么现象。
3. 你已经尝试过什么。

问 AI 是这样，在群里求助也是这样。

上下文越清楚，别人越容易帮你，AI 也越不容易乱猜。

这里建议你尽早用上语音输入。和 AI 协作时，很多时候不是你不会表达，而是打字太慢，背景说不全。用语音把情况多说一点，AI 反而更容易抓住重点。豆包输入法这类工具就可以作为第一步，免费、速度快，也能自动修正常见专有名词。

4.3、这段时间先不追新工具

AI 工具每天都在更新，很容易让人分心。

但这门课前半段最重要的，不是追到最新工具，而是把一套底层工作方式跑通。

这几周先聚焦：编辑器、Claude Code、国产模型、你的项目文件夹。

等你真正掌握“怎么让 AI 帮你做出东西”，以后换什么工具都不难。

4.4、踩坑是必然的

报错、卡住、页面不对、AI 理解偏了，这些都会发生。

这不是你不适合，也不是你做错了。

做真实项目一定会有反馈，而报错就是反馈的一种。

你要建立的心态是：踩坑不是失败，是系统在告诉你哪里需要调整。

4.5、不要和一个坑死磕

踩坑是必然的，但不要在一个坑里待太久。

如果你已经问了几轮 AI，还是没有进展，可以做三件事：

1. 把错误信息整理清楚，换一种问法。
2. 开一个新窗口，让 AI 重新看问题。
3. 先停下来，过一会儿再回来。

给自己设置时间预算和情绪预算。一个问题持续卡太久，人和 AI 都会变钝。

4.6、每次一小步

复杂任务不要一次全丢给 AI。

正确节奏是：做一点，验证一点，保存一点。

先让它做一个小页面，打开看；没问题，再做下一个功能。每一步都确认过，后面出问题也容易定位。

这也是为什么改功能和修错误时，最好一次只动一处。动得越少，越容易知道问题从哪里来。

4.7、对 AI 要质疑，也要轻推

AI 大多数时候很有用，但它不是永远正确。

它可能一本正经地说错，也可能为了省事，把本来它能做的事推给你。

所以你要同时做两件事：

一方面，关键信息要核对。涉及钱、权限、发布、用户可见内容，不要只听它一句话。

另一方面，当它说“我做不了”时，可以轻推一下：

“你再想想，有没有办法自己完成？先给我一个最小可行方案。”

很多时候，它不是做不了，只是默认选了最保守的路径。

这 7 条放在一起，其实就是一句话：

把 AI 当成一个能力强、速度快、但需要你带节奏的合作伙伴。

你不需要一开始就懂很多技术。

但你要学会提问、给背景、拆小步、做验证、及时保存，也要敢于让它再试一次。

五、本课推荐环境：先用最友好的新人方案跑通

前面讲了工具类型和协作原则。落到今天，你真正需要准备的环境并不复杂。

如果你已经有稳定的海外 Codex、Claude Code，或者已经在用自己熟悉的 AI Coding 工具，可以继续沿用。工具不是目的，能稳定和 AI 一起做项目才是目的。

但如果你是零基础，或者科学上网、海外账号、海外支付都不方便，我建议先用这套新人方案：

VS Code + Claude Code + 国产模型套餐。

你可以先这样理解：VS Code 不是另一个大模型，也不是要求你先学会代码的地方。它更像你和 AI 一起工作的界面：你能看到当前项目在哪里、文件改了什么、任务推进到哪一步。

这套组合的好处很明确。

第一，它对国内网络更友好。不需要一开始就解决一堆海外账号和支付问题。

第二，它足够接近真实的 AI Coding 工作流。你不是在一个封闭玩具里练习，而是在真实编辑器和真实项目文件夹里工作。

第三，它后面能自然升级。等你熟悉了项目、文件、规则、窗口、提交、部署这些基本动作，再换更强模型或更多工具，理解成本会低很多。

这里三个东西分别承担不同角色：

你不需要现在就研究所有替代方案。

这一周的目标只有一个：让这套环境真的在你的电脑里跑起来，并完成几个小任务。

环境跑通以后，你会第一次感受到：AI 不是只在网页里回答你，它真的可以进入你的项目现场，帮你做事。

---

六、课后练习：把基础环境一次准备好

这节课的作业目标很简单：把后面几周会反复用到的基础环境准备好，并亲手体验“课程网站、项目文件夹、规则文档、服务器、工具连接”这几个关键概念。

6.1、发一句今日收获

先在群里发一句今天最有感觉的收获。

不用写长笔记，也不用复述知识点。只写你意识到了什么，哪个概念清楚了，或者你最想用 AI 造出的东西是什么。

提交内容：群里发一句今日收获。

6.2、注册课程网站账号

到群里领取你的课程授权码，然后进入课程网站：

https://neoai.club

用授权码完成注册。注册时请确认手机号填写正确，后面这个手机号就是你的课程网站登录账号。

注册完成后，进入个人资料页，完成昵称和头像设置。昵称建议用你希望同学和老师在课程里称呼你的名字。

提交内容：课程网站注册成功截图，或个人资料页截图。手机号等隐私信息可以打码。

6.3、准备 AI 工作环境

完成 AI Coding 环境准备。推荐方案是：VS Code + Claude Code + 国产模型套餐。

安装指南👉：Claude Code 零基础安装指南（新版）

如果你已经有稳定可用的 Codex、Claude Code 或其他 AI Coding 环境，也可以继续用原来的工具。关键是它能打开本地项目文件夹，并能读写文件、执行命令。

提交内容：AI 工作环境截图。

6.4、准备并连接一台基础服务器

注册云平台，准备一台最基础配置的云服务器。后面部署网站会用到它。

参考文档：注册火山引擎服务器

服务器创建成功后，进入实例详情页，复制公网 IP。然后告诉 Claude Code 或 Codex：这是你的练习服务器，登录用户是 root，让它用你设置的密码建立 SSH 连接。

密码可以让 Agent 存在本机环境变量里，但不要写进规则文档、项目文档、作业截图或公开聊天记录，也不要提交到 Git。

提交内容：服务器创建成功截图 + Agent 确认连接成功的截图。敏感信息请打码。

6.5、建立两个项目文件夹，体验项目切换

新建两个项目文件夹，名字可以是中文，也可以是英文。比如：

• 我的第一个AI项目
• 课程练习项目
• my-ai-project
• test-project

用 VS Code 分别打开它们，观察左上方资源管理器里的当前项目名。

然后体验两件事：在同一个项目里打开多个文件标签页；再切换到另一个项目窗口。你要分清楚：多个标签页仍然属于同一个项目，切换文件夹才是切换项目。

提交内容：两个项目文件夹截图 + VS Code 资源管理器截图。

6.6、建立项目级和全局规则文档

先让 AI 在当前项目里建立一个项目级规则文档。

请明确告诉它：如果当前工具是 Claude Code，文件名用 CLAUDE.md；如果当前工具是 Codex，文件名用 AGENTS.md。这个文档里写清楚项目名称、项目用途、默认中文沟通、解释时尽量通俗。

然后新开一个对话或窗口，问它：

你知道当前项目叫什么吗？这个项目是做什么的？

接着再让 AI 建立一个全局规则文档。它不是写给某个项目的，而是写给你和这个 Agent 的长期协作方式的。可以写：你刚开始接触 AI Coding，希望它默认中文、解释通俗、复杂任务先确认目标再分步骤推进。

切换到另一个项目后，再问它：

你知道我是谁吗？你应该用什么方式跟我解释问题？

这一步是为了体会：项目级规则只管当前项目，全局规则会跨项目生效。

提交内容：项目级规则文档截图 + 全局规则文档截图 + AI 复述项目或个人偏好的截图。

6.7、安装飞书 CLI，整理记录并提交作业

让 AI 帮你安装飞书 CLI。它会检查环境、执行命令、处理报错，这是一次真实的“让 Agent 帮你装工具”的练习。

它也不是为了多装一个软件。飞书 CLI 装好并完成授权后，AI 就可以帮你读取飞书文档、整理资料、创建文档，后面做课程官网和资料库时会很实用。

你可以这样说：

请帮我在当前电脑上安装并配置飞书 CLI。你先检查我的系统环境，再告诉我需要做哪些步骤。遇到需要我授权或登录的地方，停下来告诉我。

安装完成后，可以让 AI 整理一份资料，并保存到某个项目文件夹里。也可以新建一个“我的资料库”文件夹，让 AI 把整理结果放进去。

最后，把这次作业过程整理成一份简单记录，提交到作业区。不用写正式文章，只要写清楚：你做了哪些操作，哪里顺利，哪里卡住，哪些地方让你第一次真正理解了“项目文件夹”“规则文档”“窗口记忆”。

提交内容：安装过程截图、飞书 CLI 可用截图或资料整理结果截图 + 作业记录。

作业检查清单

• 在群里发一句今日收获。
• 领取授权码，注册 neoai.club，并完成昵称和头像设置。
• 完成 AI 工作环境准备。
• 注册云平台，准备并连接一台基础服务器。
• 新建两个项目文件夹，体验标签页和项目切换。
• 建立项目级规则文档和全局规则文档，并测试它们是否生效。
• 让 AI 尝试安装飞书 CLI，整理资料，并把记录提交到作业区。