AI 入门 1 - 导言

基于原始转录稿整理的规范化文本。内容未被有意删减；已去除通话伪影、时间戳、服务性说话人标签和明显的口语失误。

我们已经和这里的许多人交流过了，和一些人还没有，但现在是时候谈谈 AI 了。请已经在积极使用 AI 的人举手。我目前大概掌握了一半。别担心，经过今天以及可能再进行几次通话后，大家都会成为专业的 AI 用户。

总体而言，现实是，如今 IT 行业所有人都开始了一个大型 AI 自动化项目。总有很多有趣的事情可以并且应该自动化，但主要一切分为四个板块，我们将需要弄清楚这些板块。

第一个方向是统一的 AI 知识库。 第二个是用于 IT 流程的技能，也就是专门针对 IT：谁做决策、任务设定的流程是什么、优先级是什么，诸如此类。 第三个是用于通用运营自动化的 AI 技能，也就是项目和产品工作、某些行政任务；我们需要弄清楚在哪些地方可以在这一切中引入某些流程。 第四个板块是前端。

但要开始实施，我们首先需要都学会如何使用 AI，以便大家处于同一页面上，on the same page。这非常重要，因为现在 AI 就是真正的高科技、高科技。我们将实施的那些流程，基于 ChatGPT 5.5 模型，而这个模型仅在两周前发布。我们现在将要构思的所有这些流程，实际上才刚刚两周大。一个月前，这根本无法做到。反过来也同样成立：我们现在构思出的内容，当假设 ChatGPT 6 在七月或八月发布时，可能又会完全改变一切。

我们需要学会紧跟当前 AI 技术的时刻，不要停留在一年前的技术上，也不要互相讲 AI 生成的代码很差的故事，但也不要构想来自未来的东西。必须准确理解，现在能做什么、不能做什么、如何做，等等。

顺便说一下，这里画出了当前的流程：一堆向不同方向延伸的红线。我们需要把这些混乱的线条梳理好。为了让大家都处在同一页面并学会 AI，我们制定了一份基础 AI 指南。它由三个要点组成。

如何学会使用 AI？需要相信 AI。 第一点——我们所有人都需要相信 AI。这有点像意识形态上的一点，是一种神话。我现在和很多人交谈，听到几十种观点：一个人不相信，因为他试过了但什么都不行；另一个人不相信，因为 AI 很笨，而他很聪明；第三个人不相信，因为他是超级天才，并且在哪里读过一篇文章，说 AI 无法做到可重复性；第四个人还有别的理由。总之，来自各方的各种神话一大堆。

我们都需要达成统一意见——就是相信 AI。我可以说，相信它非常简单：需要开始使用它，并以正确方式使用。如果开始正确地使用 AI，这种信念只需几个小时就会形成：一个人看到 AI 能实现的魔法，他马上就会经历这种 life change。

实际上，所有流程都会百分之百地改变。你半年前做的事情，或者现在正在做的事情，已经过时了，而且是无可挽回地过时了。几乎所有流程都需要改变。实际上，这就是我们聚在这里的原因。

现在我立刻说一下与开发者有关的事：开发者分化了。 有经验丰富、专业能力很强的开发者，现在讲述这样的故事：AI 代码写得不好，需要修正，需要检查，要像五年前教的那样做，诸如此类。因此，有经验的开发者——你们立刻就处于风险区域。

还有另一些开发者，他们已经掌握了如今如何生成 AI 代码，并且理解，如果需要写一个脚本，例如用于在数据库中搜索大文件，那么已经不需要手动写这样的脚本——你在 ChatGPT 里写：“哟，给我写一个用于搜索大文件的脚本”，三分钟后就得到一个现成的脚本。接下来再写两条命令，说明如何修复这个脚本，就这样——你有了一个现成的程序，不需要浪费时间，也不必试图记住所有变量、手动写显而易见的代码，等等。 所有这些流程都已经发生了根本性变化，我们需要学会如何做这一切。

我还想在这里再加一点：如果存在任何疑问，那么一开始，也许值得稍微过度地开始使用 AI，尤其是在开发中，以培养某种直觉——在哪里适合和代理一起做某件事，哪里不适合。 这就像与人磨合：获得经验并理解，在哪里你自己可以迅速做点什么，哪里更适合委派，甚至不必把自己的资源花在解决问题上。这个感觉只有通过经验才会出现：如果强迫自己迭代地做这件事，即使有时得到不好的结果，经过几次迭代后，你就会更好地理解，在哪里值得快速问模型一些东西，哪里你自己可以弄清楚。另一方面，根据我的实践，可以说有些代码部分目前非常难以进行氛围编程。

最重要的是，一开始并不是所有可以应用 AI 的场景都显而易见。 你的大脑根本不会以这种模式运作：“啊哈，我在这里坐着编写一个函数，其实五秒钟就能从代理那里得到结果。”向 AI 代理委派工作的这种转变并不会立刻发生，因此我主张在初始阶段强迫自己这样做，甚至比所需的程度稍微更多一些。

AI 入门 1 - AI 模型命名

AI 工具中的命名有点奇怪。需要弄清楚它。

我们现在有 AI 公司：

• Anthropic
• OpenAI。

这些 AI 公司有面向普通用户的网页和移动应用，也就是所谓的聊天界面，你可以在那里向 AI 提问并获得回答，它们被称为：

• 在 Anthropic，这叫 Claude
• 在 OpenAI，这叫 ChatGPT。

接下来是 AI 模型。

• OpenAI 的模型就叫 GPT 加数字，最新版本是 5.5，还有 pro、mini、nano 等前缀。还有其他专用模型：如果你处理图像，这个模型叫 Image 2.0；或者用于研究的 o1；用于音频的 Whisper，等等，模型很多。
• Anthropic 的模型名称按专业方向划分更复杂：用于对话的主模型是 Sonnet，用于编程的是 Opus，还有轻量级的 Haiku。Haiku 是最轻量的。

如果问如何煎鸡蛋——用 Sonnet；如果要氛围编程——用 Opus。第三个模型是 Heika，这是轻量级版本。

在 ChatGPT 中，轻量级模型的问题以不同方式解决：你可以使用旧版本的模型作为轻量级模型，例如 gpt 5.2、gpt 4.1 等。例如，将音频转录为语音时，完全没有必要使用 gpt 5.5 pro 模型，而是使用 gpt 4.1 mini 模型。不过，在 Claude 中你也可以采用这种方式，例如，代码检查可以使用 Opus 4.6，而不是更昂贵的 Opus 4.8。

接下来有用于氛围编程的桌面应用：

• OpenAI 的桌面应用叫 Codex。
• Anthropic 的桌面应用叫 Claude Code，另外还有 Claude Co-worker 版本——它不用于编程，而更像是日常工作的陪伴助手。

相应地，Codex 和 ChatGPT 是同一回事，只不过是在桌面端。

还有通过 API 使用 AI 模型的平台。

• 在 OpenAI，API 平台就叫 OpenAI API Platform
• 在 Anthropic，API 叫 Anthropic API。

在 OpenAI 平台中，你可以通过 API 使用许多 AI 模型——文本、音频、语音、图片、视频，还有助手——工具集极其庞大。

这就是 AI API 的超级能力：你可以在自己的应用中使用和组合许多不同模型，通过一个请求解决那些以前需要创建完整大型服务和产品的任务。现在，只需向 OpenAI API 发送一个请求即可。

需要记住这个拼图，以便理解，当我们说需要用于 OpenAI 的 Python 包时，这意味着我们计算机上的 Python 必须能开箱即用地访问 OpenAI API。

AI 入门 1 - 与 AI 沟通的基本规则 - 规则 1：使用付费顶级 AI 模型

我们有两份主要指南：

• 如何使用 AI
• 以及如何安装环境。 让我们再做两份指南——如何使用编程和氛围编程，以及如何写提示词。

我们的第一份指南——到底如何使用 AI。 这是个相当复杂的话题，因为根据我的实践，现在很少有人以正确方式使用 AI。我们整理了如何正确使用 AI 的要点。你们可以补充它们——这是一个超级动态的话题，而且我们现在所讲的内容，也许很快就会过时。

重要的是理解基本事项：如果你不正确地使用 AI，这必然会导致错误的决策。首先需要学会正确表述请求，那么 AI 才会给出正确的决策。 如果错误地表述请求，AI 就会给出错误决策，而你很快就会加入那些到处宣扬 AI 很笨的信徒行列。但实际上它并不笨——它只是回答了你具体问它的问题。

不必加入那些宣称 AI 会撒谎、会幻觉、很愚蠢、不可重复等等的人。让我们弄清楚如何正确使用 AI。

这里有一个重要点：我们说的是此时此刻正在运行的现代 AI。这种 AI 有一些特点——这既不好也不坏，它不笨也不聪明，只是 AI 现在就是这样运行的。

第一条规则——不管谁说什么，都必须使用付费版 ChatGPT。 这是所有基础中的基础。现在 ChatGPT 有三个版本：默认版本每月 20 美元，轻量版每月 5 美元，总体上也可以，但因为我们这里是开发者，你们不适合它。你们的选择是每月 20 美元的，或者第三个版本，每月 100 美元。

作为第一步，需要做的就是安装付费版 ChatGPT 并购买二十美元套餐。

第二点——这确实必须是 ChatGPT。我以前从未讲过这个，但这周我遇到了一位同事，他开始说服我 ChatGPT 很笨。我总是对这样的案例感兴趣。我请他给我发一张他的 ChatGPT 截图。他给我发来一个完全不同应用的截图。我问他从哪里弄来的。他说，他只是去 Google Play 搜索了“ChatGPT”，下载了它并一直在用。这是第二个重要点：确保你使用的是原版应用。

那使用其他模型呢？

埃隆·马斯克开发的 AI——Grok，但它的 use case 相当有限。如果你在 Twitter 上搜索某些信息，值得使用它，但使用 Grok 需要单独学习。要在 Grok 中得到正常结果，需要下些功夫：设置输出结果的数量限制、指定额外参数等等。

第一点都清楚了吗？还有谁想试试 DeepSeek，因为它很酷？没有人——很好。

AI 入门 1 - 与 AI 沟通的基本规则 - 规则 2：AI 适应你的问题这一特点

第二点与 AI 本身的特点有关。

它总会适应你的问题。例如，如果你问：“今天天气多么悲伤，正在下雪”，AI 会写出一百条论证，证明下雪天是悲伤的。如果你问：“今天天气多么欢乐，正在下雪”，AI 会确认雪是快乐的。

需要记住这一点：在向 AI 形成请求时，不要在问题内部暗示答案。这至关重要。如果你说：“给我氛围编写一个原生移动应用”，AI 会用原生编程语言进行氛围编程。如果你只是说：“给我氛围编写一个移动应用”，AI 会问我们要用什么来氛围编程，于是你获得了选择的超级能力，并可以例如选择 Flutter。那样你就会走上正确道路。

这一点在氛围编程中尤其重要。当你对某个函数或小东西进行氛围编程时，如果你在问题中提示该如何实现它，那么你总会偏离方向。AI 将不再是超级助手，而会成为一个只会附和你、并加剧你错误决策的同事。

应该怎么做？如果我不知道怎么做，我就直接写：“解决这项任务有哪些方案？”，“如何写这个函数？”，“如何做这个脚本？”，“我们为什么要做这个配置？”。需要提出这样的正确问题，那么你就会得到正确答案。这是需要理解的极其重要的一点。

AI 入门 1 - 与 AI 沟通的基本规则 - 规则 3：AI 会帮助你为错误决策寻找确认这一特点

接下来的点——同样的事情，但换一个方向。

不能向 AI 提出你已经想好的解决方案，因为它会倾向于确认它。正是这个特点产生了大量愚蠢的决策，而它们据称基于 AI 的确认。 我最近读到一位女孩，她想出了一套新的相对论，比爱因斯坦的更好。她真的把它想出来了。这是如何发生的？她打开 ChatGPT，开始在里面写：“我们要和你一起想出一套新的相对论”。当然，AI 帮助她想出了这个理论。他们一起把它想出来了——女孩写出虚构的假设，而 AI 为这些虚构内容想出确认。不要这样做。

有一个可以帮助你更好地用 AI 解决这个任务的小技巧：始终需要请求另一种评估，即从另一个人的视角进行的评估。

这如何应用在氛围编程中？如果存在决策分叉，需要直接对 AI 写：“有哪些解决方案？”。它会展示所有选项。可以使用 Linus Torvalds 的方法——世界上最好的程序员。你可以对 AI 写：“从 Linus Torvalds 的视角评估我的代码”，那么你会得到从这个人角度对你的函数、脚本或任何东西的分析。想要别人的意见——就请求另一个人的视角。这样你总可以验证流程，并且不会陷入编造不存在情境的循环。

这两个原则——适应问题和确认错误决策——是基础。每天使用 AI 工作时，都需要运用它们，否则就会出问题，甚至可能更糟。确实，如果你还违反规则 1，并提出错误的解决方案，例如在 DeepSeek 中，那么你会得到双重或三重扭曲，最终不会得到很棒的方案，而是得到某种莫名其妙的东西，通常被称为 AI 幻觉。

记住：首先需要像处理普通任务一样做研究，而且它必须是无偏见的。如果你一开始就倾向于某个方向，AI 会立刻接受这种倾向，整个工作流程都会被扭曲。

这是基础，基础中的基础。

AI 入门 1 - 与 AI 沟通的基本规则 - 规则 4：应用上下文

接下来——关于上下文。

接下来是细节。细节就在于上下文。需要努力提供上下文。昨天我遇到一个人，他声称没有上下文 AI 就毫无用处。这不是真的——没有上下文 AI 也能正常工作。但对于某些回答，需要上下文。例如，可以问 AI，哪种编程语言更好——NodeJS 还是 Python？没有上下文，AI 每天都会给出不同的回答：一天会说 NodeJS，另一天会说 Python。如果你和朋友同时在不同账号上提出这个问题，一个人会得到 NodeJS，另一个人会得到 Python。因为没有上下文时，AI 会随机回答这个问题：哪个更好——AI 合理地想，任何一个都行，有什么区别？

相应地，你应该理解，如果问题中没有 AI 已知的逻辑，那么针对一部分问题，AI 可能给出完全随机的答案。因此，AI 黑粉会产生一个大话题，说 AI“缺乏可重复性”、AI“欺骗”。经常会出现 AI 回答了一些胡话的截图。但如果问题复杂、不清楚、不明显，那么回答也会是这样的。如果你问一个简单问题，比如如何煎鸡蛋，那么立刻会得到最佳说明。

但例如今天早餐吃什么——煎鸡蛋还是松饼——这个问题会给出随机答案。

相应地，你需要提供上下文。上下文例如是：我今天醒来，想吃点什么，但不想吃面包。如果你提供这样的上下文，那么之后当你问该煎鸡蛋还是煎松饼时——它会理解松饼在某些方面像面包，而我们的上下文是这个人不想早餐吃面包，因此 AI 会回答——煎鸡蛋。这就是上下文的工作方式。

在你们的软件开发任务中，完全也是这样。无论任务多复杂，都需要学会感受什么时候需要给 AI 提供上下文。

与此同时，需要明智地应用上下文。在某些任务中，参见规则 3，上下文可能会被视为你预先想好的解决方案。因此，这里需要谨慎。但尽管如此，如果你从 AI 获得某些随机答案，这意味着缺少上下文。

假设，就在昨天我遇到一个情况：我的程序有两种连接外部服务的方式——第一种通过 API，第二种通过插件。我的 Codex 并不清楚该如何连接——通过插件还是通过 API。从它的视角来看，两种连接方式都完全有效，而且确实如此。

我不得不向它提供上下文：告诉它，当你通过插件连接时，你无法完整访问功能。其次，插件很卡：请求不是半秒，而是 3–4 秒。我不知道为什么它会卡，但在我这里就是这样工作的。第三，我们在插件上遇到访问问题，因为插件通过 OAuth 授权，而在 API 中我通过令牌访问。当我向它解释这些后，它立刻说：啊哈，现在我来告诉你，我们通过插件可以使用哪些功能，通过 API 又可以使用哪些功能。它告诉我：通过插件可使用 10 个功能，通过 API——30 个功能。之后我对它说：听着，我们最好有更多功能。它说：好的。现在对于 AI 来说，情况变得显而易见了：我们通过 API 连接，因为我们需要更多功能、更快的访问、更可靠的令牌授权，等等。

还有一个重要点，经常会遇到 AI 专家的立场，他们尝试构建带有复杂关联的庞大上下文系统，而这里你们必须理解，凡事都要适度。某些任务或许确实需要大量上下文，例如我们使用巨大的问卷来解决产品任务。但为了在氛围编程过程中针对软件开发任务选择正确方案，通常只需使用几句话来澄清上下文，就已经能让你的结果好上数倍。

大家都理解什么是上下文了吗？好的。

AI 入门 1 - 与 AI 沟通的基本规则 - 规则 5：多问问题

下一点——关于多问问题。这一点是在我和一位大老板交谈后出现的。他对我说：我为什么要问 AI 两次？我珍惜自己的时间。不幸的是，AI 无法帮助这样的人。为什么？因为几乎不可能从 AI 那里第一次就得到问题的答案。

我这里写的是：提出 10–20 个追问。如果你面临一项产品任务，例如如何做出很棒的产品，那么你应该提出大约 20 个问题。或者 200 个。如果你只是在氛围编程中实现某个函数，那么通常不需要问 20 个问题，但确实需要问 2-3 个。这应该成为你的好 AI 习惯。

“一问一答”的模型并不奏效。现在它运行得很差。 我在一月写了这份指南，现在可以更新一下：仍然——不奏效。从一月以来，情况只变得更糟。不要这样做。

大量 AI 黑粉通常会发截图：问一个问题，得到跑偏的回答，截个图，然后去炫耀自己抓住了 AI 的尾巴。不要这样做。你们必须理解：总是需要问很多问题。

你的问题越愚蠢，AI 的回答就会越有效。 当你对第一个 Web 应用进行氛围编程时，不要害羞，在整个工作日的过程中不断问：我该怎么做前端，为什么这样，为什么不是那样，并弄清楚如何做、做什么。

问题：请举例说明，在氛围编程过程中如何提问？

例如，你决定实现一个显示 USD 对 EURO 汇率的函数。于是你在 Codex 中写：我需要做一个显示 USD 对 EURO 汇率的函数。 它会对你说：很好，现在就做。但你不应该立刻同意，而是要问问题。听着，USD 对 EURO 汇率有哪些信息来源？它会写：Forex、NYSE、Binance，还有别的。接下来问：获得这个汇率最快且最可靠的方式是什么？它回答：这个、这个、这个。接着你问：这些方式中哪些是免费的？它说：这个是免费的。再问：最好使用什么技术获取它，以便页面上的汇率实时变化？它会例如说 Webhook 或其他技术。接下来你问：向我展示这项技术中所有 API 函数、所有可用能力。它会展示。就这样，你已经可以做出完美精确的决策。为此需要提问。

这才是应用追问原则的正确方式。

当然也有例外，确实不需要问 10 个问题。这是一系列已经被解决过百万次的编码和技术任务。这里一次向 AI 请求，就能立即得到完美方案。这样的例子很多：不需要研究，而是需要一个已经在某处被验证过百万次的方案。无需搜索任何东西，所有人早已知道如何做，而生成完全正确的代码通过一次请求就能实现。 。在代码和技术部分，存在许多已解决模式的重复，在这种情况下，一个好的请求总能得到出色结果，不会有问题。

这里需要在开发层面慢慢适应。按我的感觉，过一段时间——而且不会太长——你们会形成感觉：在哪里值得通过问题澄清，哪里可以立即用一个请求生成你需要的脚本。

还有一种常见情况，当你处理别人此前创建的代码，其中某个程序员几年前写了些什么，而他写了什么只有他自己和他的朋友知道时，那么当然，要分析这种情况需要提出尽可能多的问题，因为我们不知道他在那里做了什么。没人知道他在那里做了什么。

但如果我们处理的是某些已经被解决过百万次的问题，那么当然可以用一个个请求完成一切，一切都会很美好。

AI 入门 1 - 与 AI 沟通的基本规则 - 规则 6：使用图片，不使用 CLI

第六条原则，六条重要原则中最重要的一条，是使用照片和上传文件。当你在手机上安装付费 ChatGPT 时，你将获得一项超级能力：拍摄任何东西，并获取有关这个物体的信息。 我住在土耳其，偶尔会拍摄古罗马人和古希腊人的铭牌，而 ChatGPT 会非常出色地逐字翻译，他们三千年前想表达什么。相应地，如果 ChatGPT 能读懂古罗马人，那么你可以截取你的程序响应、代码错误或程序消息的截图，并上传到你的 Codex，以加快你的工作。

这如何应用在氛围编程中？在氛围编程中，你可以截取任何程序的任何响应，并上传回 Codex 界面。这效果非常好。AI 氛围编程本质上是截图编程。你不断发送这些截图，并附上你的愿望，从而获得关于正在发生什么的准确信息以及你的任务进展。

这条规则可以用于许多其他不那么明显的场景，我们需要一起研究。例如，有人给你发来一份如何学习 Python 编程的 300 页指南——拿起这个 PDF，上传到 Codex，于是你已经是一名有经验的 Python 程序员。任何文件都可以上传到 AI。

例外——不能向 AI 上传机密信息、商业信息、个人数据，以及其他在你公司中被禁止上传到 AI 的数据。不应该发送姓名和姓氏，不应该发送地址，不应该发送财务报告，不应该发送银行信息，等等。也就是说，所有敏感且受法律或公司规定保护的内容，我们都不在 AI 工作中使用。 我们使用的正是软件解决方案、流程解决方案、函数和流程的编程解决方案。

这六条原则，需要真正强迫自己去理解、去学会使用，那么一切都会很好，你会成为 AI 构建者。

AI 入门 1 - 环境安装 - 操作系统

下一个重要的大章节是安装用于氛围编程的环境。对我来说这曾是一个新闻：我从未想到过 AI 会依赖于电脑上的操作系统和你的 Windows 或 MacOS 账户。但这是事实。当你安装 Codex 或 Claude Code——它们是桌面应用——它会开始使用你的代码工具、各种 API、邮件、Jira 以及其他一些东西。

如果你的 Windows 或 Mac 上有过时的操作系统，例如不是 Windows 11，而是你五年前安装且非常喜欢的 Windows 10，那么 AI 工具集在 Windows 10 上将无法运行。

形式上你能启动 Codex，形式上它会启动，但在工作过程中你会不断撞上问题：PowerShell 没有启动、权限不够、文件夹没有启用、编程语言的包没有安装。问题的规模会无限大。而 Codex 会尝试绕过或解决每个这样的问题，这会导致你浪费大量时间。在 Claude Code 的情况下，这不仅会导致你浪费大量时间，也会导致你损失金钱。所以不应该这样做。

必须严格安装最新版 MacOS，或者严格安装最新版 Windows 11。如果你安装 Windows，那么你严格需要 Windows 11 Pro，在 Windows 11 Home Edition 上，问题会是一样的：你会不断遇到文件夹访问、通过防火墙的出站 Web 连接等等方面的错误。

而且你的 Windows 11 Pro 必须拥有有效许可证，以便获取 Windows 所有组件的全部最新更新。没有最现代的操作系统，就不可能组建用于 AI 氛围编程的工作站。

总结：

第一步：需要获取最新版 MacOS 或 Windows 操作系统。在 Windows 上，只能是 Pro。 第二步——需要将操作系统安装到完全干净的电脑上，以便没有多年使用电脑积累下来的权限、文件夹和程序的继承。首先清除磁盘上的一切，或者买一台新电脑。 第三步——必须只设置一个拥有完整管理员权限的账户，拥有多个不同账户的操作系统无法工作，因为你不可避免会遇到权限问题，以及安装在计算机上的编程语言包的问题。如果你尝试在有两个账户的计算机上进行氛围编程，这个想法一开始似乎很棒，但实际上什么也做不成。最终，你的 Python 会在两个账户之间的版本中混乱，开始混淆文件存储位置、设置存储位置、包安装位置，等等。

这样的配置将使你能够良好地开始氛围编程。偏离这些规则会导致问题。

AI 入门 1 - 环境安装 - 必要程序

现在我们来讲讲你的电脑上必须安装哪些程序。开发者很可能会立刻安装整套程序，但对产品人员而言，这一切都会是新鲜事。总体上，在 Mac 上安装要简单数倍，因为许多库已经包含在操作系统中；Windows 更复杂，需要手动安装一切。但在这里我同意开发者：如果你的开发环境已经配置好，那么无需做所有这些练习——你只需安装 Codex，就可以开始了。但如果环境没有配置好，最好从头开始做，因为会有问题。

那么环境需要安装什么？

想象一下，你安装了 Windows，它是干净的，你安装了各种设备的全部驱动，Windows 已准备好运行。

当你有了干净的 Windows 后，安装 Codex。Codex 是 ChatGPT 的桌面应用。你需要安装这样的 Codex 桌面应用。

第二步我通常安装截图程序，但在 Windows 中你可以使用标准截图应用，它很棒，而且现在录制视频也变得完美了。

我们每年都会写越来越少的文字，氛围编程中主要使用截图和语音消息。

接下来我们需要安装 Git。Git 是一种可以直接在电脑上编写代码的东西。这里已经需要 AI 技能。当你安装 Git 时，它会给你 10 个屏幕，每个屏幕有 10 个复选框。你应当回忆我们刚才学习的规则：看到不明白的文字——截图并发送到 Codex。这就是在电脑上安装 Git 的方式。而且在 Codex 中你要提供上下文，告诉 Codex：我们正在安装 Git，需要勾选那些专门用于与 Codex 协作的设置。从这 10 个屏幕中，它会保持大部分设置不变，但会更改几个复选框。

在不明白的软件中安装不明白的复选框这一 AI 技能，也会应用于所有其他应用。安装 Git 后，你安装 PowerShell。这是用于使用命令行的界面，也被称为终端，还经常使用一个更时髦的名称 CLI。PowerShell 就是计算机 30 年前的样子。当时它叫 MS-DOS。

你可以在 PowerShell 中写一条命令，例如 Claude 命令，那么 Claude 应用就会以 CLI 版本启动。PowerShell 可能让人困惑，因为我现在电脑上有三个：有标准 Windows PowerShell、有 PowerShell 7，还有普通终端。Codex 说，为了完整使用 AI，需要安装 PowerShell 7，确实，在使用它时，从 Codex 界面访问命令行的问题得到了解决。后文中我们将把 PowerShell 7 称为终端。

接下来你安装一个叫 GitHub CLI 的东西。这是一种机制，可以让你从终端登录你的 GitHub，GitHub 是一个用于存储和编写你的代码的 Web 服务，位于互联网上。GitHub CLI 通过终端安装：你只需输入安装 GitHub 的命令。既然你已经是经验丰富的氛围编程者，当然你不在这里写，而是先在 Codex 中写。你在 Codex 中写：“告诉我如何安装 GitHub CLI”，Codex 会给你准确的安装步骤。现在一切都是这样运行的。

之后，个人而言，我会安装 FFMPEG 编解码器。为什么？因为我现在做的大多数自动化都基于语音界面：说点什么或听点什么。例如，我现在已经习惯通过语音消息创建 Jira tasks——只需用两分钟口述我需要在 Jira 任务中做什么，接着它就会立刻带着所有复选框和字段落到 Jira 中。语音界面由这些编解码器控制。还有其他用途：如果你有 Google Meet 且需要做转录，它也部分通过这个东西工作。

一条重要规则是，如果例如你没有安装 FFMPEG 编解码器，但尝试通过氛围编程处理音频内容，那么你可能会陷入一种情况（在 Claude 中肯定会陷入）：你的 AI 会开始尝试通过自己从零编写编解码器来解决缺少编解码器的问题。这会导致巨大的 token 过度消耗。在对任务进行氛围编程前，始终思考并检查解决任务需要哪些包、编解码器或库。

接下来你安装编程语言：Node.js 和 Python。Node.js 在安装时会要求安装全部包。Codex 很久没能确定我们是否需要这些包，最终决定不安装包。Python 严格安装 3.12 版本，并且严格安装到 C 盘某个位置，因为默认情况下 Python 想安装到用户账户文件夹中。无需记住这些：当你安装 Python 时，同样问 Codex，要安装哪个 Python、安装到哪里。Codex 会告诉你一切。重要的是，Python 和 Node.js 是 must-have。即使你是 Go 程序员，Python 仍然是大多数自动化脚本所用的语言：各种请求、与将任务迁移到 Jira、连接 API 等有关的事情——所有这些都会用 Python。

接下来我们安装 VS Code。VS Code 是所谓的 IDE，是一种程序，以前程序员在里面手动写代码。由于我们和你们是现代程序员，主要会用这个东西读取文件、浏览文件夹以及进行一些其他可能的手动操作。经常可以听到，正确的氛围编程配置是 VS Code 加 Claude Code 或 ChatGPT 插件，但在实践中，你会在 VS Code 中遇到大量会浪费时间的限制。例如，无法一键上传截图和文件、没有 MCP 服务器的图形界面，等等，目前的界面已经过时。

关于用于处理 Markdown 文件的文本编辑器，我可以推荐 Sublime——它是最好的之一，或者 Notepad++。但我自己现在使用本地版本的 Obsidian 来处理 Markdown 文件，因为 Obsidian 在不同 Markdown 文件和文件夹之间的导航上有超级优势，也在同时通过手动编辑和 AI 工具编辑文件方面有超级优势。

然后是 Windows 用户最不明显的一项安装：你的桌面版 Codex 会访问互联网，但默认情况下，来自你电脑的出站互联网请求会被 Firewall 阻止。这可能导致一大堆问题，所以别忘了进入 Defender Firewall 并授予 Codex 权限。哪些权限以及在哪里找到它们——都在 Codex 中问。但这是实实在在的问题，需要解决。另外，我在 Node.js 上的氛围编程还要求 Windows Studio Build Tools，也需要安装它。

我们还有一个步骤——在 Windows 中安装所谓的 Path。这是为程序配置的路径。如果 Windows 中没有正确配置路径，照惯例，我们会在氛围编程过程中收集错误消息。

接下来是为编程语言选择包。包是编程语言的附加组件，它们可以让你做某些特殊的事情。例如，如果你想在 Python 中处理语音消息，需要安装语音包。这样的包相当多，但我们必须安装什么？当然是用于在 Python 中使用 OpenAI 的包。

所以，你必须拥有干净的 Windows，以避免遇到访问权限、PowerShell、编程语言问题。第二，你必须有正确安装的环境，因为如果你在 Git 中勾错一个复选框，你的 Git 与 Codex 的协作将不是直接的，而是以莫名其妙的方式进行。这会导致你从 AI 获得的不是所需答案，而是如下消息：“好像做不到”，“这个不行”，“没有权限”，“不能这样”，“这里是沙箱”，等等。必须把一切正确安装好。

包中蕴藏着一个超级小技巧：如果你没有 OpenAI 包，却去调用 OpenAI API，那么你的编程工具，尤其是 Claude Code，会开始自行编写这个包。这里藏着 Claude Code 疯狂消耗 token 的超级秘密。它工作得更差，差在于如果你让它解决一个问题，它会开始解决它，字面上尝试从零创建缺失的包、编解码器或库。你会花上数小时和数天观察它这样做，甚至不会怀疑这个问题本可以几分钟内解决。Codex 更聪明也更诚实：如果你让它使用 OpenAI，Codex 很可能会建议安装缺少的包。你安装这个包，然后开始直接通过它工作。

这会带来什么？你不会浪费自己的时间，不会消耗 AI token，也不会为了别人已经写过一百次的东西而受折磨。这涉及包、库和其他东西——需要清楚理解并记住这一点。

在你的语言版本范围内，不同包的版本兼容性也很重要，因此在使用和进行氛围编程前，始终需要问 Codex——例如检查我们所安装 Python 包的版本兼容性。Codex 知道兼容性，如果存在错误会修复它们。需要提前想到并完成这一点。

几周前，我研究如何准确地转录 Google Meet，并认识了一些做 Google Meet 转录的人，他们从这个转录做成了一个完整的大平台。他们为此感到骄傲。尽管事实上，为了做转录，我们只需要安装 FMPG 编解码器，安装所需 Python 包，写一个 Python 脚本，将它连接到 Google Drive，把文件下载到那里，然后通过我们准备好的包对它进行转录。Codex 会提示还需要哪些包。安装所有这些包后，转录就能一键完成。

而今天和我交谈的那些人也在使用氛围编程，也在使用 Claude Code，但他们实际上从零开始编写了整个基础设施。他们自豪地向我展示这个应用。我看到他们很自豪，不想伤害他们，但我明白，这实际上只需几个请求就能实现。也就是真的只要几个请求。于是问题出现了，他们怎么能把它氛围编程出来，最可能的答案是——研究做得不好，以及 Claude Code 对正确安装环境的谦逊沉默。

因此，我们始终需要提前思考这一点。当我们连接 Jira 时，首先必须思考的是：有哪些 Python 包可用于 Jira？我们到底打算在那里做什么？有哪些 OpenAI 包可用于 Jira？有哪些 Node.js 包可用于 Jira？我们寻找这些包，找到它们，确认它们由官方贡献者制作、安全且没有病毒。把所有这些安装到我们的开发环境中，之后才启动我们的氛围编程以及其他一切。否则，我们会修复不需要修复的东西，并编写不需要编写的基础设施。

通过在自己的台式机或笔记本上应用这些简单的氛围编程环境安装和配置规则，你立刻能让自己的工作和 token 消耗效率提升数十倍乃至数百倍。重要的是，如果不提前完成这些并加以思考，那么你的 Codex 或 Claude Code 在工作中可能永远不会告诉你这些；你只会无用地耗费时间，烧掉大量 AI token，并对氛围编程结果感到失望。

AI 入门 1 - 环境安装 - AI 构建者架构

现在最后一点。我们有一张很棒的图，展示 AI 如何工作，它叫 AI 架构。大家都需要看看这张图，以便下节课我们已经能够针对它具体地讲解。

总体而言，你们应该从这张图理解，为什么整个世界都因 AI 而疯狂，甚至包括我。

AI 的魔力在于，它能即时连接数个此前完全无法连接的东西。

第一，它将你的电脑、你的笔记本电脑，与电脑上的文件夹连接起来——现在 AI 可以直接处理你的文件。

第二，通过 PowerShell 终端、Git，AI 将你与直接安装在计算机上的编程语言连接起来：Python、Node.js，任何你想要的语言，都可以安装。

为什么需要在电脑上安装 Codex，为什么它必须是桌面端而不是移动应用？因为你的 Codex 正是与你的计算机、与电脑上安装的文件夹和程序相连接。原则上，可以连接到安装在电脑上的任何程序。

第三，你通过专用连接器，即 Plugins，连接到自己的 Web 服务。在 Codex 中，你可以连接你喜欢的 GitHub、Figma、Jira、Gmail、Google Calendar、Google Drive，以及任何拥有 Plugin 或 API 的 Web 服务。

实际上，你连接到了你的整个 Web 世界、所有 Web 产品：Notion、Google、Jira、Figma——任何你想要的。

第四——你连接到 OpenAI API，也就是连接到大脑、无限的计算能力。正如随着互联网的发明，你连接到无限的信息；随着 AI 的发明，你连接到无限的计算能力。

而这一切都通过 Codex 界面来管理，实际上是通过一个类似 ChatGPT 的聊天窗口。

第五方面——是你进行氛围编程的应用。任何 AI 自动化、服务和产品，你都能通过安装此环境的所有元素并通过 AI 将它们连接起来，独立地进行氛围编程。这样我们就组装出这个超级能力的拼图。

我们要如何处理项目和产品工作？我们的超级任务是什么？我们必须将编程语言与企业 Web 服务连接起来，接着再将它们与 OpenAI 的 AI 模型连接起来——语音、图像、视频、任何模型。并构建 AI 自动化，从而将执行者的工作完全从我们的流程中排除；我们只应做流程编排者的工作。只要遇到手动任务或任何需要执行的内容——我们就将所需的 AI 自动化加入工作。集成 AI 后，我们现在就获得了这样的超级能力。

因此，研究这张表。一边是带有编程语言的电脑，另一边是服务连接器，第三边是 AI 模型的无限大脑，第四边是我们的应用。正是这些应用、迷你 App，才是我们将要做的。