文章 / AI编程与办公自动化
写代码零基础？没关系，掌握这几招，AI 编程工具的能力直接翻倍
我做了十几套 Skill，每天在社群里被问最多的问题不是"这个 Skill 能做什么"，而是——"我不会编程，这些工具怎么用？" 今天这一篇，专门写给零基础用户。不教写代码，不扯技术术语，只讲你一定能马上用起来的高频技巧。 为什么要写这篇？因为我发现大多数人的问题不在工具，在"用法" 我做 Skil
我做了十几套 Skill，每天在社群里被问最多的问题不是“这个 Skill 能做什么”，而是——“我不会编程，这些工具怎么用？” 今天这一篇，专门写给零基础用户。不教写代码，不扯技术术语，只讲你一定能马上用起来的高频技巧。
为什么要写这篇？因为我发现大多数人的问题不在工具，在“用法”
我做 Skill 这两个月里，最大的感触不是技术进步多快，而是——
很多人拿到一把好刀，但不知道往哪切。
比如有人装了 CodeBuddy，打开聊天框就写“帮我做个系统”——AI 一脸懵，他也不满意，最后结论是“这工具不行”。但其实不是工具不行，是提问方式没对。
再比如有人用 AI 改代码，改着改着发现原来的功能被改坏了，想回退——不会 Git，也没有备份，只能干瞪眼。
这些问题跟会不会写代码没关系，跟“怎么跟 AI 配合”有关系。
今天我把这些年积累的、零基础用户最容易掌握也最刚需的技巧，全部摊开讲。
技巧一：先立规矩，再让 AI 干活——但别纠结，一句话就够了
这是最容易被新手忽略、但效果最立竿见影的一招。
一、如果你用的是我推送的 Skill，规则基本不用操心
首先要说清楚一件事：使用我的 Skill 时，你不需要像专业程序员那样纠结规则怎么写。
我在每一套 Skill 里已经内置了非常完整的跟 AI 交流的规则步骤，甚至写好了自动化脚本。AI 拿到 Skill 后，直接执行脚本，就能生成一个规范的项目模板——项目结构、配置文件、安装脚本，全部到位，八九不离十。
你不需要操心这些事：
- ❌ .NET 版本选哪个？
- ❌ NuGet 镜像怎么配？
- ❌ 项目结构怎么搭？
- ❌ 代码规范怎么写？
这些专业程序员才纠结的东西，我的 Skill 已经帮你处理好了。AI 直接执行 Skill 里的脚本，自动搞定一切。
二、那我还需要写规则吗？一条就够了
写一条就够了：
“用中文回复我。”
对，就这一句。放全局规则里。
因为 Skill 本身已经承担了“告诉 AI 这个项目怎么做”的职责。你只需要告诉 AI“用什么语言跟你说话”。其他一切——代码怎么写、项目怎么搭、配置怎么配——Skill 里的脚本和文档已经把 AI 引导好了。
三、想进阶一点？全局规则 vs 项目规则的区别
当然，如果你后面熟练了，想自己微调一下，可以了解两者的区别：
| 规则类型 | 生效范围 | 适合放什么 |
|---|---|---|
| 全局规则 | 所有项目都生效 | “用中文回复我”“不要自动创建文件” |
| 项目规则 | 只在当前项目生效 | “接口地址是 xxx”“数据库表结构是 xxx” |
一句话记住：用我的 Skill 时，规则放空也没事。Skill 本身就是最完整的规则。你只加一句“用中文回复我”就够。
技巧二：一定要找 Skill 来用，别让 AI 裸奔上阵
这个技巧说出来可能像广告，但它是我做了两个月 Skill 最深的体会——没有 Skill，让 AI 从零开始做专业的事，真的非常吃力。
一、为什么裸奔的 AI 做不好专业项目？
AI 编程工具虽然强大，但它本质上是一个“通才”。你让它写个排序算法、改个 Bug、解释一段代码，它很擅长。但一旦涉及一个完整的专业项目——比如做一个 VBA 加载项、一个 .NET Excel 插件——它就开始“两眼一抹黑”：
- 不知道该用什么项目结构
- 不知道业界最佳实践是什么
- 不知道有哪些坑不能踩
- 不知道交付物长什么样
AI 会做，但做出来的东西质量参差不齐，需要你来来回回纠正，最后你比它还累。
Skill 的作用，就是把专业领域的知识、流程、规范、自动化脚本全部打包好，提前喂给 AI。 AI 拿到 Skill 后，直接从“通才”变成“专家”——它知道这个领域的规则、流程、最佳实践、常见反模式，甚至能直接调用写好的脚本帮你搭建项目骨架。
二、一个好的 Skill 长什么样？
一个好的 Skill，核心不是“几段提示词”，而是一整套知识体系 + 自动化脚本——里面包含需求澄清的标准流程、编码的最佳实践和反模式警告、项目脚手架的生成脚本、一键构建打包脚本。AI 拿到之后，直接从需求调研到产物交付一条龙搞定。
具体有哪些 Skill？见文末附录。
三、除了 Skill，还有一个关键能力：MCP
Skill 解决了“领域知识”的问题，但 AI 还有一个天生的短板——它没有眼睛。
给 AI 装上网页操作 MCP（Model Context Protocol），它就能直接看到网页的 DOM 结构，写爬虫、自动填表一步到位。不会装？直接让 AI 帮你装，零技术门槛。
四、零基础用户的结论
Skill 是 AI 的“专业培训”，MCP 是 AI 的“眼睛”。两者搭配，AI 才能从一个“会说话的聊天机器人”变成“能独立完成专业项目的工程师”。
别让 AI 裸奔——它累，你更累。
技巧三：装个语音输入法，跟 AI 说话的效率直接翻四倍
第三个技巧，不教怎么用 AI，教你怎么“更顺畅地跟 AI 说话”。
说话速度是打字的 4 倍以上
打字一小时累死累活写一千字，说话十分钟就能说完。语音输入的效率碾压键盘输入，而且你不需要端着——想到什么说什么，啰嗦一点没关系，表达乱一点没关系，有错别字更没关系。
因为 AI 不是你的语文老师——它拿到的是上下文，不是作文。1000 字的文字只消耗很少的 Token，但能给 AI 提供极其完整的背景信息，这比什么都重要。
更重要的是：口语表达更贴近你最真实的想法。 打字整理虽然更“规范”，但在这个过程中，很多即时想到的灵感和细节可能就被过滤掉了。而语音输入，你想到什么就说什么，灵感零流失。
怎么选？这三款够用了
| 平台 | 推荐工具 | 亮点 |
|---|---|---|
| 📱 手机端 | 豆包语音输入法 | 识别极准，免费 |
| 💻 电脑端 Windows | 千问语音输入 | 实时转写，准确率高 |
| 💻 电脑端 Windows | 智谱语音输入 | 长文本转写稳定 |
你完全不用顾虑的三件事
第一，不用担心普通话不标准。 我自己普通话就不怎么样，但这些语音输入法依然能识别得很准。现在的大模型语音识别能力已经远超你的想象。
第二，不用担心说太啰嗦。 语音输入法本身就会做轻度的自动润色，即使不完全精确也没关系——AI 擅长从大段文字中提取关键信息。你给得越多，它理解得越准。
第三，不用担心环境嘈杂。 只要周围不是特别吵，凑近麦克风低声说话就能拾取清楚。如果你用的是好一点的麦克风，效果会更好。
一句话：你想跟 AI 说的所有内容，越详细越好。AI 不会嫌你啰嗦，不会嫌你话多，不会嫌你说太长——不像跟人对话得考虑对方的耐心。一股脑把你想要的全部倒出来，这就是最好的交互方式。
技巧四：会喂信息，AI 才能精准解决你的问题
一、出错了怎么喂？终端 + 日志 + 截图三件套
使用 Skill 的用户：AI 已经能自动感知终端错误，你需要做的更多是——去实际跑一下你的工具，看看弹了什么窗口、日志写了什么，然后把日志文件拖进对话框，配上文字描述和截图。
不使用 Skill 的用户：在终端里 Ctrl+A 全选报错 → Ctrl+C 复制 → 粘贴到对话框，说“我运行后报了这个错，帮我看看怎么修？”
不要做的：只截局部截图 → AI 需要 OCR，容易识别错；只复制最后一行 → 根因往往在前面。
铁律：把你能拿到的所有错误信息全部丢给 AI，比你自己瞎猜一百遍都有用。
二、干活前怎么喂？三样东西让 AI 秒懂你
上一节说的是“出事后怎么救火”。这一节说的是**“一开始就把火源掐灭”**——让 AI 在动手之前就掌握全局。
一次好的提问，至少包含三样东西：
- 原始代码/文件（拖进对话框）
- 报错信息或期望结果（说清楚你想要什么效果）
- 业务背景（“这是给财务用的报表工具”“5000 行数据，每次点按钮跑一次，30 秒要降到 3 秒”）
有了场景，AI 才知道走哪条路：逐格 COM 操作走不通就用数组批量读写，用户可能离线就不能靠远程接口加速，多线程会搞崩界面就不能用。
技巧五：保护好你的代码——Git 备份 + 回滚 + 小步快跑
一、Git 备份——你的后悔药
用 AI 写代码，代码不是你一行一行写的，是 AI 一块一块生成的。它改了你 10 个文件，你可能只看了 2 个。等发现另外 8 个被改坏了，已经来不及了。
Git 就是随时回到历史上的任意版本。 你不需要学分支、合并、远程仓库，零基础只学两个操作就够了：
- 存档（Commit）：VS Code 左侧栏树杈图标 → 写描述 → 点“提交”
- 还原（Discard Changes）：文件右键 → “放弃更改” → 回到上次存档
更省事的做法：直接让 AI 帮你 Git。 说一句“帮我把当前代码 Git 提交，信息写’完成了 xx 功能’”，它就帮你搞定。每次完成一个重要步骤就存档一次，形成习惯。不用配 GitHub，本地提交就够。
二、AI 内置回滚——两层保险
除了 Git，AI 编程工具还有内置回滚：
- 单次修改回滚：CodeBuddy 的“接受/拒绝”、Cursor 的 “Accept/Reject”——每改一次都能单步撤回
- 会话级回滚：整个对话回退到之前某个节点——聊了五六轮发现方向不对？点一下历史节点，一键还原
三、最根本的保险：小步快跑
上面所有保险有一个前提——你得知道 AI 改了什么。 一口气让它做 10 个功能，改了 8 个文件，你看不过来。
一次只让 AI 做一件事，做完立刻验收。 每步控制在 5 分钟以内，验收通过就让 AI 帮你 Git 存档，然后下一步。
小步快跑 + 即时存档 = 永不丢进度。方向偏了，回退一步就是对的。
技巧六：AI 反复做不对？果断新开对话，让 AI “清零重启”
这是很多人舍不得用、但效果奇佳的一招。
一、为什么对话越长，AI 反而越笨？
AI 对话跟人聊天不一样——上下文积累得越多，AI 的推理质量不是越来越好，而是越来越差。
原因很简单：AI 在处理你的每一次请求时，都要把整个对话历史“回顾”一遍。当对话轮次很多、上下文信息积累到几万字甚至十几万字时，AI 的注意力会被大量历史信息稀释——它在海量背景中试图抓住当前问题的要点，但很容易被过往的试错记录、错误方向、无关讨论带偏。
结果就是：兜兜转转，反反复复。 你让它改 A，它把 B 改坏了；你让它修 B，A 又出问题了。这不是模型能力不行，是上下文噪音淹没了信号。
二、什么时候该果断新开对话？
记住这个判断标准：
同一个问题，AI 改了 3 轮以上还没解决 → 立刻新开对话。
不要心存侥幸——“再给它一次机会”“它已经知道我的项目了，新开会浪费 Token 来重新唤起记忆”。这些想法恰恰是最耽误事的。
算一笔简单的账：
- 新开对话重新加载上下文，多花的 Token 可能就几百个。
- 继续在老对话里绕圈，浪费的 Token 可能是几千甚至上万——而且还没解决问题。
清醒比省钱重要，方向对比分步快。 当你发现 AI 开始反复在同一个坑里打转，说明它的“大脑”已经被历史信息塞满了，你再喂更多信息进去，它只会更晕。
三、新开对话的正确姿势
新开对话不是“从零开始”，而是带着精华重新上路：
- 📁 把项目核心文件重新拖进去——让 AI 快速重新建立对项目的理解
- 🎯 用一两句话说清楚你当前卡在哪——不是复述整个对话历史，而是提炼出当前的卡点
- ✅ 给出你期望的结果——让 AI 明确目标
比如：
“这是我的 WPS 插件项目。目前卡在一个问题：点击按钮后数据加载太慢，5000 行要等 30 秒。我已经试过用数组批量读写，但速度没提升。请帮我重新分析并给出解决方案。”
关键：不要复述“我试了 A 方法、又试了 B 方法”的完整试错史。 AI 需要的是一个清醒的大脑，不是你的痛苦回忆录。告诉它你卡在哪、期望什么结果就够了。
四、核心心法
不要贪恋对话缓存，不要依赖长上下文来解决问题。当 AI 解决不了的时候，上下文反而是一种负担。清零重启，让 AI 以空白大脑、清醒的视角重新审视你的难题——效果往往出乎意料的好。
有时候不要贪心想命中对话缓存，或者依赖充足的上下文来解决这个问题。当 AI 解决不了的时候，上下文反而是一种负担，重新清零再来效果会更好。新建对话本身，也是一门学问。
技巧七：想不通的事直接问 AI，你不需要样样都会
前面六个技巧都在讲“怎么操作”。但这第七个技巧，才是真正的底层心法。
一、你不是来考试的，你是来找帮手的
我见过最多的翻车场景，不是技术问题，是心理问题——
用户遇到一个报错，不好意思问 AI，自己在那百度、翻文档、试了半小时，最后还是没搞定，气呼呼来找我。我一看，这个问题如果一开始就丢给 AI，30 秒就解决了。
AI 不会嘲笑你。AI 不会觉得你蠢。AI 不会因为你“连这个都不懂”就敷衍你。
不管你的问题多基础——“规则怎么配”“Git 怎么装”“这个弹窗是什么意思”“为什么我双击没反应”——直接问。AI 就是为此而生的。
二、三个“不好意思问”的典型场景，全部演示一遍
场景一：不懂项目规则怎么配？
别自己猜。直接跟 AI 说：
“我准备用你给的 Skill 做一个 WPS 报表插件，但我不知道项目规则应该怎么配，你帮我写一份，让我后面的开发更流畅。”
AI 会根据你用的 Skill 类型，自动生成一份针对性的项目规则。
场景二：不会装 Git？
直接问：
“我听说用 Git 备份很重要，但我电脑上没装 Git，也不会用。你帮我从零开始搞定。”
AI 会先帮你下载 Git、引导安装，然后在终端里帮你配置用户名和邮箱。过程中如果报错了，把报错信息发回去，AI 会继续帮你排查。
一个关键的认知：“普通用户不需要像程序员那样完备。” 专业开发者配置 Git 时还要连接 GitHub、Gitee（码云），把代码推送到云端。但零基础用户完全不需要这些——直接在本地做 Git 提交就够了，不用配置任何远程仓库。你的目标是“AI 改坏了能回档”，不是“多设备协作”。
场景三：不会安装我给你的 Skill？
直接把整个 Skill 文件夹拖进 AI 对话框，说一句：
“这是别人给我的 Skill，帮我安装配置好。”
剩下的事 AI 全部包办。
三、最核心的心法就一句话
把你过去想问人却不好意思问的所有问题，全部拿去问 AI。只要你把这个问题的上下文说清楚，AI 一定有能力帮你搞定。
用语言能教会人的东西，AI 就能帮你做到。你手动在电脑上能完成的操作，AI 都能通过终端自动化完成——安装软件、配置环境、创建文件、运行脚本，全在 AI 的能力范围内。
你不需要有任何自卑感。把最真实的、什么都不懂的现状告诉 AI，就是你跟它最高效的协作方式。
技巧八：提问的颗粒度，决定了 AI 回答的质量
这是我见过最普遍的认知偏差——很多人以为问 AI 就是“在对话框里打字”。
不只是打字。你可以把文件拖进去、把文件夹拖进去、把截图贴进去、把终端报错复制进去、圈选一段代码右键发送——每一种方式，AI 给你的答案质量天差地别。
一、不同提问方式的核心区别：不是“给更多信息”，而是“聚焦范围不同”
首先要搞清楚一个关键前提：AI 编程 IDE（CodeBuddy IDE、Cursor、Trae 等）天生就能感知你的整个项目文件夹。 这点跟 ChatGPT 网页版这种对话式 AI 完全不一样——后者你如果不拖文件进去，AI 对你的项目一无所知。
所以在 AI 编程 IDE 里，拖文件、拖文件夹、圈选代码的本质不是“告诉 AI 更多信息”，而是告诉 AI“这次请你聚焦在哪里”：
| 方式 | 聚焦范围 | 什么时候用 |
|---|---|---|
| 🎯 圈选一段代码 + 文字说明 | 最聚焦。AI 只盯着这一段 | 定位某个函数、某段具体逻辑 |
| 📄 拖一个文件进去 | 聚焦到这一个文件 | 要改或理解整个文件的逻辑 |
| 📁 拖一个文件夹进去 | 不限制聚焦范围，AI 可以跨文件操作 | 跨文件修改、新功能开发、Bug 排查 |
原理是一样的： 圈选、拖文件、拖文件夹，都是在“划定 AI 的注意力范围”。圈选的聚焦范围最小，拖文件夹的范围最大——但无论哪种方式，AI 始终对整个项目有感知。
如果什么也不拖，只在对话框打字 → AI 虽然也能看到整个项目（因为 IDE 本身就是项目感知的），但没有被引导聚焦，可能它会到处翻查代码，消耗更多算力来找准问题所在。
二、三种方式怎么选？
- 圈选一段文字 → 鼠标右键 → “添加到 AI 对话” → 最精准的提问方式。AI 聚焦在你选中的内容上，不会漫无目的地扫整个仓库，省 Token 又精准。适合有一定代码感知力的用户。
- 拖一个文件 → 跟圈选同理，让 AI 聚焦在这一个文件上，不被项目里其他代码分散注意力。适合改某个具体功能。
- 拖一个文件夹 → 不给 AI 限制聚焦范围，让它自由跨文件操作。适合做新功能、排查跨文件的 Bug。
对于纯零基础用户：如果实在不确定问题出在哪，不需要强行圈选或拖文件。你还有一条更简单的路——去实际操作你正在做的那个工具环境。 我做过的 Skill 覆盖了 Excel/WPS、浏览器、Python 桌面工具、.NET WPF 应用、飞书多维表格、WPS 多维表格等多个领域。不管你在用哪个 Skill，打开对应的软件去实际试用一下，看看功能是否按预期运行，如果遇到错误反馈或不符合预期的情况，把交互结果连同上下文一起反馈给 AI，AI 就能定位问题。
结论：能圈选聚焦就别全仓扫描。少打字，多拖拽，多圈选。
一个零基础用户必须搞清楚的问题：“小龙虾”工具 vs 专业 AI 编程工具，选哪个？
这一节非常重要。很多零基础用户最近在群里问：“WorkBuddy、QoderWork 这些’小龙虾’工具也能写代码，我是不是不用装那些专业的编程工具了？”
答案是：这两个东西根本不是一回事。 搞清楚区别，能帮你省掉大量试错时间。
一、什么是“小龙虾”工具？
“小龙虾”是国内 AI 圈对桌面 AI Agent（智能体）工具的昵称，源于开源项目 OpenClaw（小龙虾）。目前市面上主流的几款：
| 工具 | 出品方 | 定位 |
|---|---|---|
| WorkBuddy 🦞 | 腾讯 | 桌面 AI 办公搭子——帮你整理 Excel、生成 PPT、批量处理文件 |
| QoderWork | 阿里 | 本地沙盒办公 Agent——Excel 数据清洗、文件归档、自动填表 |
| Trae Work | 字节 | 桌面智能体——自然语言操控电脑、自动化工作流 |
它们的本质是：用自然语言操控你的电脑。 可以帮你打开文件、填表、整理桌面、写个简单网页，但不是专门为了编程设计的。
二、什么是专业 AI 编程工具？
| 工具 | 出品方 | 定位 |
|---|---|---|
| Cursor | 海外 | 全球最受欢迎的 AI IDE，500万+ 开发者，深度整合 Claude/GPT-4o/Gemini，v3 已进化为 Agent 编排控制台 |
| Trae | 字节 | 国内首款 AI 原生 IDE，用户破 1200 万，37% 从 Cursor 迁移，中文场景显著优于海外工具，免费使用顶级模型 |
| CodeBuddy IDE | 腾讯 | 插件/IDE/CLI 三形态全覆盖，混元+DeepSeek 双引擎，从产品规划到部署全流程 |
| Qoder（原通义灵码） | 阿里 | VS Code/JetBrains 插件，擅长代码补全、跨文件理解、单测生成 |
这些工具是专门为编程场景设计的，深度集成了代码理解、项目结构感知、终端交互、断点调试、MCP 协议等专业能力。
三、一表讲清楚区别
| 对比维度 | 🦞 小龙虾工具（WorkBuddy 等） | 🛠️ 专业编程工具（Cursor/CodeBuddy/Trae/Qoder） |
|---|---|---|
| 核心定位 | 桌面自动化办公 | 专业编程开发 |
| 代码补全 | 弱，非核心功能 | 强，实时智能补全 |
| 项目结构理解 | 几乎不理解 | 深度理解多文件依赖关系 |
| 跨文件代码生成 | 不擅长 | 强，支持多文件协同修改 |
| 终端交互 | 弱 | 强，深度集成 |
| 调试能力 | 几乎没有 | 代码审查、错误追踪、修复提案 |
| MCP/插件生态 | 弱 | 强，支持扩展 |
| 自然语言操控电脑 | ✅ 核心能力 | ❌ 非核心 |
| Excel/PPT/Office 操作 | ✅ 核心能力 | ❌ 不擅长 |
| 适合人群 | 行政、运营、普通白领 | 开发者、想做工具的人 |
四、更重要的隐藏差异：Token 消耗效率
除了上面那些功能差异，还有一个直接影响钱包的因素——Token 消耗。
“小龙虾”类工具的工作方式是“看懂你的整个电脑桌面”，所以它会携带大量跟当前编程任务无关的上下文。而专业编程工具只聚焦在你的项目代码上。
翻译成人话：同样的编程任务，小龙虾可能花 3 倍的 Token，专业工具 1 倍就搞定了。
如果你在薅羊毛阶段——各家免费额度轮流用——这个差异感知不明显。但如果你要真金白银付费购买额度，选专业编程工具能省一大笔钱。
五、关于付费：这笔钱不要省
这里多说一句：AI 编程这件事，模型能力是硬瓶颈。好的模型一句话能定位 Bug，差的模型十句话还在绕弯。 所以我的建议很直接：
- 💰 尽可能付费买优质模型——它给你的产出比你的投入高 10 倍甚至 100 倍
- 🌍 有条件的话，国外模型的编程效果整体优于国内——这不是偏见，是实测差距
- 🆓 简单问题可以先用免费工具（如豆包免费版），也能得到不错的答案，不用事事都消耗付费额度
- 🛠️ 编程场景尽量用专业工具，少用小龙虾——前面说了，省 Token
六、结论
如果你想正经做出一个能用的工具、插件、系统——请直接用专业编程工具（Trae、Cursor、CodeBuddy IDE、Qoder）。
原因很简单：
- 专业工具在代码生成质量、跨文件协作、项目级理解上，比小龙虾工具强一个量级。
- 小龙虾的核心卖点是“帮你操作电脑做杂活”，不是“帮你写出高质量的代码项目”。
- 加上我做的 Skill 之后，这些专业工具的体验已经被拉到了“零基础可用”的程度——你不需要会写代码，只需要告诉 AI 你要做什么。
小龙虾工具也是好东西，但更适合这些场景：“帮我整理这个文件夹”“帮我把这 50 个 Word 文档统一改成某个格式”“帮我从网页上抓取数据填进 Excel”——这些是它们的舒适区。而一旦涉及真正的编程项目，专业工具的差距就不是一星半点。
一句话总结：小龙虾帮你做“电脑上的杂活”，专业编程工具帮你做“真正的软件项目”。编程场景选后者，既是效果更好，也是更省钱。
给你的终极检查清单
聊完了所有技巧，我把它们压缩成一张可以贴在显示器旁边的清单：
📋 每次用 AI 编程前，先过这八条：
☐ 1. 检查规则：全局规则写一句"用中文回复我"就够了
☐ 2. 找 Skill：别让 AI 裸奔，找好专业 Skill 再开工
☐ 3. 语音输入：装上语音输入法，跟 AI 说话比打字快四倍
☐ 4. 喂信息：报错三件套（终端+日志+截图）+ 业务背景说清楚
☐ 5. 保护代码：Git 存档 + 回滚 + 小步快跑，一步一确认
☐ 6. 方向跑偏？果断新开对话，清空上下文零点重启
☐ 7. 放空自己：不懂就问，不丢人，AI 不会笑话你
☐ 8. 精准提问：能圈选右键就别打字，能文本反馈就别截屏这八条，零基础用户用 AI 编程的核心方法。照着做，体验直接从及格线拉到优秀线。
最后说三句最重要的话
上面这些技巧是我自己这一年最高频使用的。跟专业程序员比，我可能不懂很多高深技巧，但这不妨碍我用高效的方式跟 AI 交流，拿到我想要的结果。
但再好的技巧，也替代不了两个字：实战。
AI 编程不是教出来的，是练出来的。你要练的不是代码，而是跟 AI 对话的那种感觉——什么时机给什么信息、怎么说 AI 最容易理解、什么时候该追加一句话。这种语感，别人教不会，只有你自己亲手去聊、去踩坑、去感受那个“哇塞 AI 居然真的帮我搞定了”的瞬间，才会一点一点长出来。
所以看完这篇，先打开你的 AI 编程工具，做一件事。 任何事都行——改一个 Bug、装一个 Skill、让 AI 帮你配一次 Git。就在今天。
第二句话：用好的模型，比用好技巧更重要。
一个顶级模型，哪怕你提问不精准，它也能猜到你大概想要什么。一个差模型，你技巧拉满，它还是在歪路上越跑越远。
所以，请突破那一点点心理障碍——离开“小龙虾”类工具的免费额度，去付费使用专业的 AI 编程工具和优质的模型。 这不是一笔消费，是一笔回报率 10 倍起步的投资。
第三句话，也是我写这篇文章的初心：
我做了这么多套 Skill，目的就一个——让不会编程的人，也能用 AI 做出自己想要的东西。
但这个事光靠 Skill 不够，光靠 AI 也不够。真正卡住大多数人的，不是工具不够强——而是不敢动手。
你不需要学会写代码，你只需要学会“怎么跟 AI 一起工作”。
动手吧。就在今天。就在现在。
请打赏——这篇文章很轻松，但这些 Skill 做出来真的不容易
写了这么多技巧，其实最关键的就一句话：务必用我的 Skill。
用上 Skill，AI 直接从“通才”变成“专家”，立竿见影地跑通一个完整项目。其他的技巧——提问方式、备份、回滚、小步快跑——都是在 Skill 这套地基之上，让你开发得更流畅、走得更远的东西。但地基如果不牢，后面的一切都无从谈起。
这篇文章写得轻松。但做这些 Skill，不轻松。
两个月，十四套，几千美元的 Token，无数次通宵调试。从 VBA 到 COM 到 WPSJS，从 Windows 到三端全开。我把一整套 Office 开发技术栈搬进了 AI 的大脑——让它不需要你懂任何代码，就能帮你做出能用的工具。
全部免费。不收割韭菜，不搞知识付费墙。
但如果你用我的 Skill 真的产生过价值——省了时间、跑通了项目、做出了以前想都不敢想的工具——请打赏。打赏不是买 Skill，是让“以后还有人愿意做这种吃力但在你看来很讨好的事”。
- 🙏 随喜打赏——觉得有价值就打，不设付费墙
- 🎓 一对一咨询 / 教练陪练——我带你从零上手
- 🏢 企业项目定制——WPSJS / VBA / COM 全路线
- 🏫 企业 AI 编程培训——团队整体提效
公众号：Excel催化剂 | 微信：190262897
附录：十四套免费 Skill 完整清单
| # | Skill | 平台 | 开发语言 |
|---|---|---|---|
| 1 | VBA-Excel | Windows | VBA |
| 2 | Python-dev | Windows | Python |
| 3 | dotnet-dev | Windows | C# |
| 4 | WPS-dbsheet | Windows | AI 辅助 |
| 5 | feishu-dbsheet | 全平台 | AI 辅助 |
| 6 | chrome-extension | 全平台 | JavaScript |
| 7 | icon-design | 全平台 | AI 辅助 |
| 8 | ExcelDNA | Windows | C# |
| 9 | WordCOM | Windows | C# |
| 10 | PPTCOM | Windows | C# |
| 11 | OutlookCOM | Windows | C# |
| 12 | Word-VBA | Windows | VBA |
| 13 | PPT-VBA | Windows | VBA |
| 14 | WPSJS | Windows + Mac + Linux | JavaScript |
想获取全套免费 Skill？欢迎加好友进入免费社群，回复「Skill」获取。