真正零编程基础开发程序工作流

发表于 更新于 分类于 阅读次数：

完全不懂编程，毫无经验，折腾了两个月的一些想法 (心得都算不上)。

1.1 适用人群

  • 啥叫 Python？啥叫 Java？前端，后端是个啥？你说的我都听不懂
  • 有能力搞定 GPT plus 个人账号
  • 不管什么途径，能够使用 Pro 账号权限下的 Gemini Deepresearch, Claude 4 的两个模型
  • 心态平和，无搞钱想法，未被类似“敏捷开发，MVP 先行”这种大厂思维植入

1.2 第一阶段：想法汇总

使用模型：chatgpt-4o

[!info] chatgpt-4o 与 gpt-4o 的区别
chatgpt-4o 是 OAI 给客户端聊天用的，实时更新，而 gpt-4o 则是给 API 调用的，更新速度比较慢。chatgpt-4o 相对比较贵，但效果更好

原因：GPT 跟其他大模型最有竞争力的地方就是他的记忆功能，以及最近加强的全局记忆，可以使我们在一个对话过长的情况下，新开一个对话，仍然能保留大部分进度对齐，对于前期零散，不成体系的想法阶段效率最高。这也是为什么需要有 plus 个人账号，这样才能使用管理对话记忆。

思路：

  • 这个阶段就是随便聊，GPT 对普通人，特别是连提示词都不会怎么写的初学者支持最好，这也是 GPT 模型训练的思路。
  • 把自己的想法跟他聊，问问他建议，然后自己再想想，最终达到项目的想法雏形出来就可以了，只需要想法，其他别管，注意点就是遇到有价值的点一定要他记忆，便于后面总结。
  • 这个阶段可以慢慢来，今天想一点，明天想一点，别急。
  • 想法差不多了，让 GPT 总结自己的思路，直到达到要求为止。
  • 重要：告诉 GPT 你需要一个详细的提示词，根据想法去开发一个程序，需要 AI 去帮你做深度研究，出一份研究报告详细说明程序如何实现。

1.3 第二阶段：项目规划

使用模型：Gemini-2.5pro, Claude-Opus 4

原因：GPT-O3 降智厉害，如果是满血 O3，确实做深度研究还不错，但从实际使用上来看，O3 都不会思考太久，效果不太行。

思路：

  • 拿着 GPT 写好的提示词和思路总结，分别对 Gemini 和 Claude 使用 Deepresearch 对话，帮你搭项目框架和实现逻辑，技术栈等等，一般他们都会给你很长的设计文档报告告诉你如何去做这个项目。
  • 注意点：
    • Claude 如果你提示词不干预的话，他会直接扔给你很多代码，这个阶段其实不需要具体代码，所以给 Claude 的提示词要特别说明只做研究，不用写具体代码，这样生成的报告质量会比较好。
    • 这两个模型都会有个毛病，不太关注 UI 的设计，或者给个简单的 UI 实现方案，所以提示词这块也要注意 UI 的开发也是重点。
  • 拿着两份生成好的报告，这会自己要去做对比，理解，大概提取下哪些点符合你的要求，总结要点。
  • 将 Claude 生成的报告丢给 Gemini，同理将 Gemini 的报告丢给 Claude，让他们互相评价，同时给出你自己的观点，让他们修改报告。
  • 重新生成的两份报告，可以再新开一个对话，自我感觉 Opus 会更强，让他把两份报告合并成最终版，自己再微调，达到自己想要的效果。

1.4 第三阶段：代码编写

使用模型：Gemini-2.5pro, Claude-Sonnet 4

原因：Sonnet 4 代码能力足够，Opus 使用次数限制太多了。

思路：
这里分两个阶段，

1.4.1 初步代码

  • 拿着生成的报告，开启 Gemini-2.5pro 新对话，让他理解报告内容并指定生成计划。
  • 这里也可以找任意一个模型写个提示词丢给他更好。
  • 根据计划，让 Gemini 一个文件一个文件的把代码丢给你，千万不要让他一次生成多个文件，他会很偷偷很多代码简写，幻觉很高，要给他定规则，不让他写什么占位这些。
  • 为什么选 Gemini，因为他单个对话的 token 最长，上下文记忆能力最强，一般来说一个对话足以把代码架构全部搭起来，实在不行可以开两，三个对话，基本能有一个很好的全局思维完成任务。

1.4.2 代码精修

  • 代码搭完后，让 Gemini 给个提示词，说明要新开对话对代码进行调整等，让他总结整个程序的逻辑等等，以及需要干什么。
  • 拿着提示词给到 Claude，然后告诉他一个代码一个代码的进行修改，这点 Claude 理解能力很强，会把代码的健壮性处理的很好，同时解决很多逻辑或者语法问题。
  • 这里要注意的就是单个对话可能处理不完，预感到 token 不够的时候，一定要提前让 Claude 写好提示词，用于新开对话衔接进度。
  • 遇到无法调试 / 报错提示看不懂时，不用自己查，直接截图 + 日志丢给 Claude 或 Gemini，它们会帮你解释。

1.5 第四阶段：全局微调

使用模型：GPT-Codex

原因：Gemini 和 Claude 都没有记忆功能，虽然都能接入 Github，但实际用起来他们也无法通读整个程序文件，所以代码在全局性上可能会出现一些错误，靠我们这种没基础的很难去做全局的微调。

思路：

  • 使用 Codex 之前，记得 Git Push
  • 接入 Github，告诉 Codex 对整个程序文件进行解读，注意只用 Ask 功能，让他发现错误
  • Codex 发现几个错误创建不同任务之后，再运行 Coding，解决个别代码问题
  • 来过几轮之后，不再用报语法错误，开始运行程序
  • 如果发现问题，就再丢给 Codex，让他修复。如果是单个文件问题，也可以让 Claude 修复
  • 最终完成程序

1.6 总结

  • 为什么不用 Cursor, Roocode 或者新出的 CLI, Claude Code 这些？ 因为… 没有程序基础，用不太明白，说个需求，要求更改都说不明白，这些更适合有程序开发基础的佬哥。
  • 为什么没有测试？ 因为… 看不懂… 给我测试文件我也整不明白。。
  • 为什么不用 MCP？ 因为… 还没学到这里….
  • 为什么不说版本控制策略？ 懒得写…

几个模型互有优势，靠单一模型，或者就几个程序文件生成几千行代码，感觉也只能实现一些基础的应用。看 B 站好多 up 主就知道让大模型做个 to do list，或者打个飞机小游戏，这些不是真正的具体需求。虽然没有程序基础，但是想法大家都有，如何利用各大模型的优势去弥补自己编程能力的不足，从而完整的实现自己的想法才是个人的价值所在，AI 始终只是个工具，真正的核心还是人。