AI编程实战：零基础用提示词让AI帮你开发可用系统

先聊一个很常见的场景。很多朋友想自己做个网站、写个小工具、或者给部门做一个内部管理系统但自己是产品、运营、测试、或者刚接触代码的新人。以前遇到这种需求第一反应是找开发帮忙或者去网上买一套成品价格不便宜改起来还不顺手。现在情况完全不一样了。AI 编程工具已经成熟到“只要你能说清楚需求它就能帮你把代码写出来”的程度。但我也发现很多纯小白真正卡住的不是 AI 不够聪明而是不知道该怎么跟 AI 说话不知道代码生成之后怎么运行更不知道报错了该怎么让 AI 继续修。这篇文章不打算讲高深的算法也不讲复杂的架构设计而是用大白话拆解一套完整的思路从需求分析、提示词编写、环境搭建、代码生成、运行调试到最后得到一套能用的系统。整个流程里AI 负责主要编码工作你负责提供需求、验证结果、处理它搞不定的边界问题。如果你是零基础可以跟着一步步走如果你已经会一点编程这套方法也能帮你明显提高开发效率。1. 核心概念先搞懂 AI 编程的基本逻辑1.1 什么是 AI 编程它到底能帮你做什么AI 编程简单来说就是让大语言模型根据你的文字描述生成对应的程序代码。比如你说“写一个登录页面包含用户名和密码输入框还有一个登录按钮”它能直接生成一套 HTML 文件给你。它的核心能力有三个代码生成把自然语言翻译成代码。代码解释把看不懂的代码逐行讲给你听。代码修复当程序报错时你把错误信息粘贴给它它能分析原因并给出修改建议。听起来很简单但实际使用中你会发现AI 写的代码偶尔能一次跑通偶尔会报错偶尔运行结果和你想的不完全一致。这不代表 AI 不行而是因为编程本身是一个“需要把模糊需求转成精确逻辑”的过程。你描述得越精确它生成的代码就越接近你想要的效果。1.2 Agent、大模型、提示词到底是什么意思近年来 AI 领域有几个词经常出现这里用大白话解释一下大模型相当于 AI 的“大脑”它通过海量文本学习掌握了语言规律和知识。你可以把它理解为一位读过很多书、懂很多技术知识的助手。提示词Prompt就是你给 AI 下达的指令。同一件事指令质量不同AI 输出的质量差别很大。Agent智能体可以理解为“会自己动手干活的大模型”。它不止回答你的问题还能通过调用工具、执行命令、读取文件一步一步帮你完成更复杂的任务。比如你告诉 Agent“帮我创建一个项目”它可以主动建目录、写代码、甚至帮你执行运行命令。对于纯小白来说最简单的上手方式就是先学会写高质量的提示词然后尝试使用带有 Agent 能力的编程工具让 AI 自动完成更多步骤。1.3 为什么说“AI 辅助开发”比“全自动生成”更靠谱现在很多营销号会宣传“用 AI 一键生成完整系统”实际体验过你会发现这句话有水分。AI 确实可以一次性生成一个买菜网站或博客系统的代码但这种“大而全”的生成结果往往存在几个问题代码量太大一旦出错你根本不知道错在哪里。生成的架构可能不是你想要的后期修改成本很高。它没有考虑运行环境、数据库配置、依赖版本等细节导致本地跑不起来。更靠谱的方式是“AI 辅助 人类决策”你把系统拆分成一个个小功能每个功能让 AI 单独生成然后拼装成完整系统。发现问题就让 AI 修修好一个再继续下一个。这种方式虽然慢一点但每一步都可控适合真正想把系统做出来的人。2. 环境准备别怕只需要三样东西很多小白一听到“环境搭建”就头大。其实做一个小型系统你只需要准备三样东西Python 环境用于运行系统。VS Code 编辑器用于查看和修改代码。AI 编程工具用于生成和修复代码可以使用网页版也可以使用编辑器插件。2.1 Python 安装说明打开 Python 官网下载页面选择适合你操作系统的版本安装时务必勾选“Add Python to PATH”选项否则后面命令行识别不到。python --version如果输出类似Python 3.11.9说明安装成功。2.2 VS Code 安装说明VS Code 是一个免费文本编辑器下载安装即可。安装后建议安装两个扩展Python 扩展提供代码高亮和智能提示。AI 编程扩展比如 Cursor、Tongyi Lingma 等具体选择取决于你常用哪个平台或工具本文不绑定某一个特定产品。如果你暂时不想装插件直接在浏览器里打开任意一个 AI 对话助手也能完成整个开发流程只是需要手动复制、粘贴、保存文件稍微繁琐一点。2.3 示例项目结构预览为了让文章更直观我们先选定一个演示项目个人记账本系统。功能很简单添加收入、支出记录。查看所有记录列表。统计总收入、总支出和结余。支持删除记录。技术栈选择最轻量的一套组合后端Python Flask。数据库SQLite无需单独安装数据库服务。前端HTML 模板 简单 CSS。这样做的好处是不需要配置复杂的数据库服务不需要理解前后端分离只要 Python 环境装好就可以直接运行。3. 核心方法怎么把需求拆给 AI 做3.1 先拆需求再写提示词AI 编程最常见的失败原因是“让 AI 一口气做完所有事情”。比如你直接对 AI 说“帮我做一个记账系统”它确实会生成代码但大概率不是你想要的结果而且你很难检查它是否正确。正确做法是把系统拆成多个小模块一次只让 AI 完成一个模块。以记账系统为例可以按下面的顺序拆创建 Flask 项目骨架。创建 SQLite 数据库表。编写添加记录的后端接口。编写显示记录的页面。添加删除功能。添加统计功能。每一步都是独立的小任务AI 很容易做对你也能逐步验证。3.2 高质量提示词的三段式结构给 AI 写指令时推荐使用“角色 任务 约束条件”的三段式结构你是一位经验丰富的 Python 开发工程师。 请帮我创建一个 Flask 项目骨架包含 app.py 文件和 requirements.txt 文件。 要求 1. 使用 Flask 框架。 2. 首页路由渲染一个 index.html 模板。 3. 代码要简洁注释用中文。这种写法比“写一个 Flask 项目”要清晰得多。AI 能明确知道自己的角色、输出文件、技术栈和注释风格。3.3 让 AI 生成完整文件而不是聊天式代码片段在 AI 对话里有时它为了方便只给出代码片段。你让 AI 生成文件时要明确要求“输出完整的 app.py 文件内容”这样它才会给你一个能直接保存为 .py 文件的完整代码。同时你可以要求它解释代码里每个部分做什么这样你既能运行也能理解。4. 完整实战从零让 AI 帮你做出一套记账系统下面进入本文的核心部分。我会按照真实操作流程一步一步演示如何通过 AI 辅助完成一套可用的小系统。4.1 第一步让 AI 生成项目骨架假设你已经在本地创建了一个文件夹account_book然后用 VS Code 打开这个文件夹。如果使用网页版 AI可以自己手动创建文件如果使用 IDE 插件AI 可以自动创建。第一句提示词可以这样写你是一位经验丰富的 Python 开发工程师。请帮我创建一个 Flask 项目骨架输出以下两个文件的完整代码 1. app.py创建 Flask 应用初始化 SQLite 数据库包含一个简单的首页路由。 2. requirements.txt列出运行该项目所需的依赖包。 要求 - 数据库文件名使用 account.db。 - 首页路由渲染一个 index.html 模板。 - 代码注释使用中文。正常情况下AI 会输出类似这样的app.py# 文件路径app.py from flask import Flask, render_template import sqlite3 app Flask(__name__) # 创建数据库表 def init_db(): conn sqlite3.connect(account.db) cursor conn.cursor() cursor.execute( CREATE TABLE IF NOT EXISTS records ( id INTEGER PRIMARY KEY AUTOINCREMENT, type TEXT NOT NULL, amount REAL NOT NULL, description TEXT, create_time TIMESTAMP DEFAULT CURRENT_TIMESTAMP ) ) conn.commit() conn.close() app.route(/) def index(): return render_template(index.html) if __name__ __main__: init_db() app.run(debugTrue)对应的requirements.txt内容大致是Flask这里需要说明AI 给出的依赖版本可能不固定如果你在后续安装过程中遇到版本冲突可以让 AI 根据你的 Python 版本重新推荐。4.2 第二步让 AI 生成数据库操作模块骨架建好后我们要把数据库操作单独拆出来这样代码更清晰。提示词继续在现有 Flask 项目里帮我增加一个 db.py 文件负责所有数据库操作。包含以下函数 - add_record(type, amount, description)新增一条记录type 为 income 或 expense。 - get_all_records()获取所有记录。 - delete_record(record_id)根据 id 删除记录。 - get_summary()返回总收入、总支出、结余。 要求 - 使用 sqlite3 标准库。 - 如果数据库文件不存在自动创建表。 - 函数里写好中文注释。这一步 AI 生成的db.py大致如下# 文件路径db.py import sqlite3 DB_NAME account.db def get_connection(): conn sqlite3.connect(DB_NAME) return conn def init_db(): conn get_connection() cursor conn.cursor() cursor.execute( CREATE TABLE IF NOT EXISTS records ( id INTEGER PRIMARY KEY AUTOINCREMENT, type TEXT NOT NULL, amount REAL NOT NULL, description TEXT, create_time TIMESTAMP DEFAULT CURRENT_TIMESTAMP ) ) conn.commit() conn.close() def add_record(type, amount, description): conn get_connection() cursor conn.cursor() cursor.execute( INSERT INTO records (type, amount, description) VALUES (?, ?, ?), (type, amount, description) ) conn.commit() conn.close() def get_all_records(): conn get_connection() cursor conn.cursor() cursor.execute(SELECT id, type, amount, description, create_time FROM records ORDER BY id DESC) rows cursor.fetchall() conn.close() return rows def delete_record(record_id): conn get_connection() cursor conn.cursor() cursor.execute(DELETE FROM records WHERE id ?, (record_id,)) conn.commit() conn.close() def get_summary(): conn get_connection() cursor conn.cursor() cursor.execute(SELECT COALESCE(SUM(amount), 0) FROM records WHERE type income) total_income cursor.fetchone()[0] cursor.execute(SELECT COALESCE(SUM(amount), 0) FROM records WHERE type expense) total_expense cursor.fetchone()[0] conn.close() return { total_income: total_income, total_expense: total_expense, balance: total_income - total_expense }注意这里 AI 可能会直接创建表也可能在app.py里初始化。你需要保证init_db()在应用启动时被调用一次。4.3 第三步让 AI 生成页面和前后端接口现在项目需要新增两个页面首页用于展示记录和统计添加记录的表单可以放在同一个页面里。同时需要后端接口接收表单提交。继续给 AI 指令接下来扩展 app.py 和 templates/index.html。 app.py 需要新增两个路由 1. POST /add接收表单参数 type、amount、description调用 db.py 中的 add_record 函数保存数据然后重定向到首页。 2. POST /delete/int:record_id根据记录 id 调用 delete_record 删除记录然后重定向到首页。 index.html 页面需要包含 1. 一个添加记录的表单包含类型选择收入/支出、金额输入框、备注输入框、提交按钮。 2. 一个统计区域显示总收入、总支出、结余。 3. 一个记录表格展示所有记录每条记录后面有一个删除按钮。 页面样式用简单的 CSS放在 static/style.css 中。 请输出 app.py、templates/index.html、static/style.css 的完整代码。这是整个项目里最关键的一步。AI 会给你输出三个文件。最终app.py可能变成类似下面的样子# 文件路径app.py from flask import Flask, render_template, request, redirect, url_for import db app Flask(__name__) app.route(/) def index(): records db.get_all_records() summary db.get_summary() return render_template(index.html, recordsrecords, summarysummary) app.route(/add, methods[POST]) def add(): type request.form[type] amount float(request.form[amount]) description request.form[description] db.add_record(type, amount, description) return redirect(url_for(index)) app.route(/delete/int:record_id, methods[POST]) def delete(record_id): db.delete_record(record_id) return redirect(url_for(index)) if __name__ __main__: db.init_db() app.run(debugTrue)templates/index.html会涉及 Jinja2 模板语法AI 生成的代码里会用到{{ summary.total_income }}、{% for record in records %}之类的写法。这些属于 Flask 的模板语法不需要你精通但你能看懂大概意思就够了!-- 文件路径templates/index.html -- !DOCTYPE html html langzh head meta charsetUTF-8 title个人记账本/title link relstylesheet href{{ url_for(static, filenamestyle.css) }} /head body div classcontainer h1个人记账本/h1 form action/add methodpost classadd-form select nametype option valueincome收入/option option valueexpense支出/option /select input typenumber step0.01 nameamount placeholder金额 required input typetext namedescription placeholder备注 button typesubmit添加/button /form div classsummary p总收入{{ summary.total_income }}/p p总支出{{ summary.total_expense }}/p p结余{{ summary.balance }}/p /div table thead tr th类型/th th金额/th th备注/th th时间/th th操作/th /tr /thead tbody {% for record in records %} tr td{{ 收入 if record[1] income else 支出 }}/td td{{ record[2] }}/td td{{ record[3] }}/td td{{ record[4] }}/td td form action{{ url_for(delete, record_idrecord[0]) }} methodpost styledisplay:inline; button typesubmit删除/button /form /td /tr {% endfor %} /tbody /table /div /body /htmlstatic/style.css文件可以根据你的喜好让 AI 生成也可以使用一套简单的样式保证页面看起来干净即可。4.4 第四步安装依赖并运行项目所有文件就位后在终端中进入项目目录执行以下两条命令。先安装依赖pip install -r requirements.txt然后启动项目python app.py启动成功后命令行会显示类似下面的信息* Running on http://127.0.0.1:5000浏览器访问http://127.0.0.1:5000就能看到记账本的页面。此时可以试着添加一条收入和一条支出记录再刷新页面确认数据是否正确展示。4.5 第五步让 AI 帮你补充验证和优化现在系统已经能用了但你可能还想要更完整的功能。比如编辑记录。按月份筛选。数据导出 CSV。增加登录页面。这些功能都可以按同样的方式让 AI 逐个实现。以“按月份筛选”为例你可以这样写提示词在现有记账系统上增加按月份筛选功能。要求 1. 在 index.html 添加一个月份搜索框格式为 yyyy-MM。 2. 提交后跳转到 /?month2025-06。 3. app.py 的 index 路由读取 month 参数如果存在则只查询该月记录否则查询全部。 4. db.py 新增 get_records_by_month(month) 函数。 请输出修改后的代码和需要新增的代码。AI 会返回修改后的方案你只需要按照它的说明替换对应文件即可。5. 常见问题与排查思路AI 生成代码的过程中最让人头疼的就是各种报错。这里整理几个最常见的现象和排查思路。问题现象常见原因解决思路运行python app.py报“ModuleNotFoundError: No module named flask”依赖没安装成功或安装到了不同 Python 环境先执行pip install -r requirements.txt再执行python app.py确认当前使用的是同一个 Python 环境浏览器访问页面显示 404路由写错或模板文件没有放在 templates 目录检查 app.py 中的路由路径和 templates 目录下的文件名是否匹配页面可以打开但样式全丢了CSS 文件路径不对或未创建 static 目录确认文件放在 static 目录下并通过{{ url_for(static, filenamestyle.css) }}引用添加记录时报错 “OperationalError: table records does not exist”数据库没有初始化表检查是否执行了db.init_db()或者直接删除旧的account.db后重新运行表单提交后中文乱码HTML 页面没有声明 UTF-8检查 index.html 中是否有meta charsetUTF-8端口被占用无法启动上一次运行没有正常关闭或 5000 端口被其他程序占用关闭旧进程或修改app.run(port5001)记录金额显示为小数SQLite 中 amount 存成 REAL 类型这是正常现象格式化显示可以在前端使用%.2f或让 AI 帮你写过滤器排查问题的大原则是先读报错信息报错里通常已经告诉你哪个文件哪一行出了问题。把报错完整复制给 AI让它分析原因并提出修改方案。只改它建议修改的文件避免一次动太多地方。改一次跑一次确认问题解决后再继续下一个功能。6. 最佳实践与工程建议6.1 对话管理每做一个功能就开一个新会话AI 对话有上下文长度限制当对话超过一定长度后它会忘记前文的内容或者开始出现回答质量下降。更合理的方式是一个功能对应一个会话。新功能开始时重新描述项目背景和需求再把相关代码粘贴给它。虽然麻烦一点但效果比在一个超长对话里不断追加要稳定得多。6.2 文件备份每次大改动前先复制一份AI 生成的代码偶尔会“越改越乱”甚至把原本能用的部分改坏。建议每次让 AI 修改代码前先手动备份当前能正常运行的版本。你可以给文件加一个版本号比如app_v1.py、app_v2.py或者直接复制整个项目文件夹。6.3 提示词存档把好用的指令保存成模板当你在多个项目里反复使用 AI 时把那些“一次跑通”的提示词保存下来建一个自己的提示词库。下次遇到类似需求直接改几个关键词就能用。好的提示词是重要的工作资产。6.4 安全边界不要随意输入敏感信息用 AI 编程时要注意不要在对话里粘贴数据库密码、服务器地址、个人身份信息、内部业务数据等敏感内容尤其是使用云端 AI 工具时。建议的做法是用脱敏信息替代真实数据。代码能本地跑通后再接入真实环境。涉及公司内部系统时先确认相关平台的数据使用政策。不要使用来源不明的“破解版”AI 工具这类工具对数据安全风险不可控。6.5 学习意识让 AI 解释而不是只给代码纯小白最容易犯的错误是“只复制粘贴不思考”。长期来看你需要逐渐理解一些基础概念比如什么是变量、什么是函数、什么是数据库。每次 AI 给你代码后顺手让它解释一遍代码逻辑哪怕只是扫一眼也能积累不少知识。当你遇到 AI 也解决不了的问题时这些基本理解会帮你多一条排查思路。6.6 从小项目开始别一步到位如果你从没写过代码不建议一开始就让 AI 生成“完整电商系统”“完整 ERP 系统”这类大型项目。先从一个记账本、一个待办清单、一个个人博客开始把基础的增删改查流程跑通再逐步增加用户系统、权限系统、部署上线等复杂功能。7. 总结与下一步方向这篇文章的核心思路可以概括为一句话用 AI 编程时不要把它当成一个“自动生成器”要把它当成一个“随叫随到、需要你管理方向的开发助手”。你不需要记住每一行代码的含义但需要做到三件事把需求拆成小块。用清晰的提示词让 AI 逐个实现。运行后及时验证遇到问题再带着报错信息回来问 AI。通过上面这套方法你已经可以做出一个基于 Flask SQLite 的记账系统并掌握一套可以复用到其他小项目的开发流程。如果你以后想继续深入方向可以从这几条里选学习更多 Python 基础语法减少对 AI 解释的依赖。了解 Flask 的更多功能比如用户登录、路由传参、模板继承。尝试把系统部署到服务器上让其他人也能访问。学习 SQLite 以外的数据库比如 MySQL了解数据库设计的基本原则。AI 编程最大的意义不是让编程消失而是让更多没有接受过系统训练的人有了“把想法变成工具”的能力。希望这篇文章能帮你跨出第一步用一套“小白也能听懂”的方法真正做出一套属于你自己的可用系统。