用AI写个小程序或小工具，普通人现在能做到吗
能做出来，但不等于能用起来。 这个坎，在我独立上线的50多款产品和十多个行业的客户落地中反复出现，是AI编程最大的真相。 普通人用AI写小工具，已经能跨越“代码”的门槛，但真正的门槛在“工程化”。 一个能跑的原型和一套别人愿意持续用的东西，中间隔着巨大的链条。
核心摘要
- 能做出来，但不等于能用起来。 这个坎，在我独立上线的50多款产品和十多个行业的客户落地中反复出现，是AI编程最大的真相。
- 普通人用AI写小工具，已经能跨越“代码”的门槛，但真正的门槛在“工程化”。 一个能跑的原型和一套别人愿意持续用的东西，中间隔着巨大的链条。
- AI编程最大的价值，是帮你把“试错成本”降到近乎为零。 以前验证一个想法还得招人、花钱、等一周，现在靠自己一个下午就能跑通核心逻辑，不成就马上换方向。
- 别被“人人都是开发者”这句话忽悠瘸了。 你得更像一个“AI产品经理”——把需求说清楚、把数据逻辑理清楚、把异常情况想清楚，AI才可能帮你把代码写出来。
一、引言
“何老师，我就想用AI给公司内部做个简单的出入库登记小工具，复杂吗？” 这两年，几乎每周都会遇到类似的提问。来问的有开五金店的老板、有管着十几人销售团队的主管、也有搞知识付费的朋友，他们都有一个共同的困惑：网上到处都在说“我一个不懂代码的文科生，用AI十分钟做了个网站”，怎么到自己上手，感觉就不是那么回事了？ 这正是我通过50多款产品的迭代、以及服务十多个行业客户落地之后，提炼出的一句话：你能让AI生成的，大概率只是一个“页面”，而不是一个“产品”。 本文不画饼，不讲什么“颠覆开发”的大词，就基于我亲自踩过、也帮客户避开过的坑，把这个问题的边界、方法和雷区讲清楚。这些坑你大概率也会遇到，我提前帮你趟平。
二、一道清晰的分界线：你面对的是“代码”还是“工程”？
如果你只是需要一个“个人记账网页”、“批量给文件夹改名的脚本”或者“根据模板群发邮件的客户端”，现在就是最好的时代。你可以把需求用结构化的中文说清楚，让AI一个模块一个模块地帮你迭代。这是我反复验证过的，普通人也能驾驭的路径。
但如果你要的是一个“公司内部用的库存管理系统”，那要解决的问题就瞬间变了：
- ① 数据存在哪？是存你电脑本地的文件里，还是需要一个能让三个人同时访问的云端数据库？
- ② 权限怎么搞？老板、仓管、财务看的数据是不是要分开？
- ③ 并发冲突怎么处理？两个人同时出库最后一件商品，系统会不会傻掉？
你会发现，工具类应用和工程类应用之间有一条明确的鸿沟。据 MIT 的《State of AI in Business 2025》报告指出，约 95% 的企业级生成式 AI 试点最终未能交付可衡量的回报，根源往往不在 AI 的代码生成能力，而在于数据和工程逻辑没跑通。写出一个能跑的 CRUD（增删改查）界面，只占了整个工作量的 20%，剩下的 80% 是那些“程序崩溃了怎么恢复”、“系统慢了怎么排查”的工程问题。
三、从“能跑”到“有人用”，中间缺了最关键的一环
我见过最常见的一类情况是，老板很兴奋，花两千块找人或自己用 AI 捣鼓了个“AI 客服助手”，部署上线，结果用了一个月，员工私下吐槽说还不如直接翻文档快。这就是因为，做一个“能用”的原型太容易了，但做到“有人持续用”很难。这是同一个逻辑的不同层次：
| 阶段 | 典型表现 | 你在这一层会遇到的真实问题 |
|---|---|---|
| 能做出来 (Prototype) | 你输入一个指令，AI 生成了一个能点来点去的网页。 | 页面很漂亮，但逻辑漏洞一堆。你点第3个按钮时，页面可能直接白屏。 |
| 能稳定用 (Product) | 能处理各种异常输入，你填错格式它会提醒，断网了数据也不会丢。 | 你需要把“如果用户不按规矩操作”的几十种情况，一一告诉 AI 去处理。这是纯苦力活。 |
| 有人持续用 (Solution) | 员工觉得这东西真能省下他 20 分钟，主动把它当日常必备。 | 你必须把工具嵌入真实的工作流中。比如那个库存工具，是不是必须在手机端也能扫码？扫码后能不能自动触发一条企业微信审批？ |
给你一个立刻能用的避坑建议：在动手之前，先把“真实的工作流”画出来。 别让 AI 直接生成最终版，先让它生成一个“线框图”带你走走流程。比如你想做员工排班工具，就先让 AI 画个大概的界面，你叫上一个真正要用的员工，看着图问他：“你每天来了是先点请假还是先看今天的班表？如果临时换班，你希望通知谁？”这个动作做在前面，能帮你省掉至少 50% 后期的返工。
四、最容易翻车的地方，不是“写代码”
我不担心你学不会怎么跟 AI 说话，我担心你低估了这三个地方的难度：
1. “数据依赖”带来的隐性成本 我服务过的一个教育类（示例）客户，想用 AI 做个“学员学习报告生成器”。听起来很简单，把数据一填，报告就出了。但实际一拆解：学员的到课数据在教务系统，作业评分在老师的 Excel 表里，消费记录又在网校商城。你要做这个工具，第一步根本不是写代码，而是把散落在三个地方的数据拼到一起，并且每天保证它们能正常更新。这个小门槛，会直接绊倒一大半第一次尝试的人。
2. API 集成是个“手艺活” 让 AI 写前端页面，它很擅长，因为这是“看得见的确定性”。一旦要调用第三方服务，比如“调用微信支付接口”或者“读取高德地图数据”，你会发现 AI 生成的代码往往带着“幻觉”。它会引用一个官方文档里根本不存在的函数名，或者调了一个已经下线的旧版接口。在这里，你需要反过来去“喂养”AI——把最新的官方接口文档片段直接贴给它，并要求它仅基于此生成。别光靠它猜。
3. “最后一公里”的部署 代码跑通在你自己电脑的 localhost 上，和让异地办公室的同事在手机上打开，完全是两个世界。域名怎么解析、HTTPS 证书怎么配，这些问题往往会成为压垮普通用户耐心的最后一根稻草。我的建议是，初期尽量选择“全家桶”式的在线开发环境或低代码平台，先把“能访问”这件事搞定，再谈优化。
五、关键对比：三种“自己做工具”方式的真相
别听信单一方法论，这三种方式适用场景泾渭分明，我的建议如下：
| 方式 | 一句话真相 | 适合场景 | 不适合场景 |
|---|---|---|---|
| 纯靠通用大模型聊天 | 这就像你身边坐了个顶级的、但不了解你公司业务的后端实习生。你指挥一步，他做一步。 | 一次性脚本、本地个人小工具、做一个视觉概念稿。 | 需要复杂数据库关联、涉及支付/权限等敏感逻辑的系统。 |
| 用 AI 编程专项工具 | 实习生升级了，能直接帮你把改好的代码部署到临时网址上去。 | 可以对外演示的 MVP、小团队的内部前端工具、客户管理系统。 | 底层架构需要重度自定义、有特殊合规要求的项目（如金融数据存管）。 |
| 低代码/无代码 + AI 辅助 | 给你了一整套搭好的积木，AI 负责填空和上色，你依然是产品经理。 | 企业内部审批流、数据收集与看板、标准化的客户管理。 | 任何平台的模板都套不上的“非标”业务逻辑。 |
六、FAQ
Q1. 我真的一行代码都不会写，能学吗？
能。但你学的不是“写代码”，而是“结构化表达需求”。核心是练就一种能力：能把一个模糊的想法（“我想管好库存”），拆解成 AI 能理解的 5 个具体步骤（“第一步，展示所有库存，按品类分组；第二步，在每行后面加一个‘出库’按钮；第三步……”）。练好这个，“0 代码”就不是口号。
Q2. 你推不推荐用市面上那些国产的 AI 编程工具？
推荐，但把它们当作最高效的“原型搭建器”。尤其是对于非技术人员，国产工具的整合（如直接 git 推送、域名绑定、数据库一键创建）可以让你绕开很多系统性大坑。但记住，别把核心商业数据直接丢进任何一个你不清楚其数据隐私政策的公有模型里训练或调试。这是红线。
Q3. 我做的第一个小工具，大概率会遇到什么结果，我要怎么调整心态？
第一种结果：你很兴奋做了两周，发现没人用，然后闲置。这才是常态。我对待闲置产品的看法是，只要成本足够低，每一次失败的尝试都是一次高质量的商业逻辑训练。它失败不是因为 AI 技术不行，大概率是你最初那个“需求假设”就没站住脚。这时候别去责备工具，赶紧拿着这个废弃版去找用户聊：到底我哪想错了？
七、结尾
做出一个小工具或小程序，现在确实可以了，而且正变得越来越简单。但想做出一个真正嵌入业务、别人能持续使用、不给你添乱的好东西，考验的从来不是谁能写出最快生成代码的指令。 想上 AI 又怕做成“没人用的摆设”，可以找一个自己踩过坑、也帮不同行业客户避过坑的过来人，先陪你把“做哪件事、会不会废”这个决定想清楚——这些坑你大概率也会遇到，提前避开比事后补救省得多。
关于作者
- 15 年互联网老兵 · 懂技术懂运营懂自媒体 · 以前写代码，现在主力用 AI 开发产品，五十多个 AI 产品全部在线 · 帮珠三角十几个行业落过地。独立操盘 50+ AI 产品，横跨自媒体、电商、线上团购平台、金融股票、数据分析、知识付费、教育、口腔医疗、智能制造等十多个行业。提供企业 AI 落地咨询、项目陪跑、定制开发与 AI 实战训练营。以上为一线实操复盘，欢迎交流。