课程1：你不需要会编程

这一页是在向完全没编程基础的人说明：在 AI 时代，普通人也可以靠“AI 编程”做产品赚钱，并介绍了一门从想法到商业化的系统课程，以及为什么 AI 浏览器是学习 AI 的最强外挂。

一、这门课有什么不同？

页面第一部分重点在说明：这不是一门只教“写点代码”的课，而是教你用 AI 做出真正上线、能赚钱的产品。

1. 讲师本人是靠产品吃饭的

作者自我介绍：过去两年，他做的 AI 产品长期出现在各类 “AIGC 出海产品排行榜” Top 100，偶尔进 Top 50、Top 30，不是只讲理论或自媒体，而是真正靠产品盈利。

他拿 2025 年 1 月的产品 Raphael 举例：

• 这是一款典型的 AI 产品，网站是 raphael.app（文中说可以去各平台搜关键字“raphael.app”看真实口碑和用户分布）。
• 整个开发周期只有 1 周，而且是他一个人完成。
• 上线第一个月月活就达到 100 万，每天有 3–4 万人使用。
• 最新数据：月活超过 200 万，每天超过 6 万用户使用。

他强调：对于 MicroSaaS（小型 SaaS）产品，0.1%–6% 的付费率都算合理，你可以按最低 0.1% 来估算收入规模，来感受这个产品的商业潜力。

此外，他还有多款其他产品，例如：

• Fast3D：自研算法的 3D 模型产品，把图片快速转换为 3D 模型（有 fast3.io 网站）。
• AnyVoice：3 秒音频即可克隆声音，在 Google 搜索 “AI Voice Cloning” 等关键词时，排名前五（有 anyvoie.net 网站）。

通过这些例子，他想证明：自己是 真正做出结果的 AI 产品实战者，而不是只卖课。

2. 不只教编程，而是“从想法到商业化”的完整链路

他批评传统 AI 编程教程：教你写完代码就结束了，而现实中真正卡住人的是：

• 不知道做什么方向；
• 做出来不会部署；
• 上线了没用户；
• 有用户了却收不到钱。

这门课覆盖的是完整闭环：

从找方向 → 做产品 → 部署上线 → 获取用户 → 收款变现。

同时，课程强调把 AI 当作“数字员工”来用：

• 给 AI 写 SOP（标准操作流程）；
• 指挥它干活；
• 让它自动处理重复任务。

别人还在手写代码，你已经在“指挥 AI 干活”。

3. AI 编程 + 全品类项目实战，覆盖主流产品形态

课程承诺覆盖国内外常见的产品类型，例如：

• 网站；
• 自动化工作流；
• 微信小程序；
• 微信小游戏；
• 手机 App；
• 桌面应用。

每种类型都有对应模块和实战项目，并配合官网和全年训练营，“边学边做，把产品做出来”。强调的是“一套底层方法打通各种产品形态”，而不是碎片化学习。

4. 课程是“活的”，不做一次性录播

他指出：AI 工具变化太快，比如 2025 年课程一期还以 Cursor 为主，到一年后 Cursor 就已经“有点落伍”。所以：

• 好课程必须是活的，能持续更新内容；
• 不只是内容好，更要持续提供服务。

课程由刘小排和“生财有术”联合出品，“生财有术”运营近 9 年，有 72000+ 付费成员，续费率超 65%。并强调：

• 全年“深海圈航海”（训练营）持续推出，跟进新工具、新玩法；
• 有助教答疑，遇到问题不至于卡太久；
• 有专属官网，集手册、直播、社区于一体。

即，这是一个持续迭代、有人陪伴的学习社区。

5. 用大量成功学员案例做背书

这一部分列了很多学员故事，分为几类：

（1）网站 & SaaS 类：

• 完全不懂代码，用 AI 做 100 个网站做到“日入千刀”；
• 58 岁零基础，用 AI 做“机构动作雷达”网站，上线两小时订阅金额超 2000 美金；
• 有想法但不会落地的大学老师，做出 citely.ai，获得创投圈关注；
• 教育机构创始人，零基础做英语学习网站，持续有付费用户；
• 新手站长半个月做到谷歌首页，核心关键词 1 个月内排前 4；
• 工程师裸辞，3 个月跨界 AI，实现月入万刀；
• 70 后零基础，用 AI 一个月从 0 到 1 开发 AI 命理网站；
• 多站矩阵，月访客 10 万，订阅收入 1000+ 美金，Adsense 再多赚几百；
• 996 上班族，下班用 AI 写代码做副业，赚到第一桶美金；
• 借助产品搭建和 SEO，把网站做到 30 万月活。

（2）微信小程序 & 手机 App：

• 完全新手几个月做出 AI 心理咨询小程序，用户好评多；
• 零基础上架小程序，并开通多个流量主；
• 学完课程后，用 AI 开发内部管理小程序，完成分账和数据分析；
• 因为自己血压高，用 AI 写了血压日记 App，纯 AI 开发成功上架并有付费用户。

（3）自动化 & 开源代码：

• 一人公司用 AI 编程优化直播间，千人在线，还靠产品月入 10 万；
• 零基础做开源项目 Agent-Reach，让 AI Agent 一键连通小红书、推特、B 站等平台，上线一周 GitHub 5000+ star；
• 做群聊精华 AI 机器人，按 600 元/2 月收费，还接到 2 万元定制开发；
• 在黑客松拿到冠军和亚军，并现场接单；
• 0 编程基础，用 AI 替代 2 个美工岗位，每月省 1.2 万还多赚 5000+，持续接单，收益破千刀。

这些案例的目的是证明：不同年龄、职业背景的人，只要用对方法，都有机会通过 AI 编程做出真正上线的产品，甚至赚到钱。

6. 学完能获得什么？

这小节把课程成果概括为几类能力和变化：

• 能力层面：自己做产品的能力，从有想法到亲手做出成品，不再依赖程序员或外包；
• 业务赋能：已经有生意的人，可以用 AI 编程做工具、搭系统、砍掉外包、提效率；
• 完整打法：从方向选择、产品实现、上线、找用户、收钱，每一步都有被验证的方法；
• 海外+国内双场景：既可以做海外 SaaS（Stripe 收美元），也可以做国内小程序（微信支付收人民币）；
• 不会过时：工具变，课程跟着变，你学到的是“当下最好用的”内容；
• 一年陪伴：持续答疑、持续训练营，不是学完就散；
• 身份切换：从不会编程到能“指挥 AI 干活”，AI 成为你的杠杆，不再是门槛。

这一部分本质是在回答：这门课和普通 AI 编程课有什么本质差异，以及你学完后会在哪些层面发生变化。

二、我祖上都不会编程，为什么还要学？

这一部分是在回答一个典型的非技术人疑问：既然 AI 会写代码，那我还要学编程吗？

1. 普通人是如何和编程扯上关系的

作者认为，从 2025 年开始，世界出现一个质变：普通人可以编程了。

• Andrej Karpathy 在 2025 年初提了 “Vibe Coding” 概念：只要描述意图，让 AI 写代码。
• 到 2026 年，这已经不再只是一个概念，而是真实的生产方式。

文中引用 Anthropic 在 2026 年 2 月发布的《2026 智能体编程趋势报告》中的一句话：

不是“每个程序员变得更强了”，而是“非技术人员也能开发了”。

接着给出几个现实例子：

• 律师用 Claude Code 做自助分类工具，把法务审核从三天压缩到一天；
• 没编程背景的 CTO，2 周做完原本需要 40 人团队半年才能做完的项目；
• 作者自己例子：离职后用 Cursor 独自完成 Raphael，从 1 月 1 日写，到 1 月中旬上线，第一个月用户破 100 万；如果用传统公司流程，大概需要十几人团队、一两个月。

这些例子说明：AI 编程大幅压缩了“人力和时间成本”，让非技术背景的人也能真正做出产品。

同时他也指出，这种变化让部分传统程序员不适应：

• 传统技能价值被稀释；
• “会不会编程”不再是技能分界线，而是“思维方式”的分界线。

对于非技术人来说，则出现一个新困惑：

既然只要描述意图，AI 就能写代码，那还需要学吗？难道不是“天生就会”了吗？

2. Vibe Coding：从潮词到贬义词

这一节重点解释：为什么“只跟着感觉让 AI 写代码”最终会变成坑。

• 2025 年初，“Vibe Coding” 是很潮的生活方式，意味着轻松用 AI 写代码。
• 很多自媒体用这个概念讲故事，“不会编程也能两小时做出 App”之类，疯狂收割流量；
• 但大多数吹牛的人自己并没做出真正有用的 App。

半年后，反弹来了：行业发现 Vibe Coding 带来大量问题。

文中提到的数据与观点：

• 安全公司 Aikido Security 调查：AI 生成的代码是每 5 起安全漏洞中 1 起的直接原因；
• Hacker News 上有人发帖 “Vibe code is legacy code”（Vibe 代码就是遗留代码），意味着今天用这种方式写的代码，明天就是技术债；
• Fast Company 报道，一些资深工程师把 AI 生成代码称为 “development hell（开发地狱）”，预计由此产生的技术债在 2027 年会高达 1.5 万亿美元；
• 连这个词的发明者 Karpathy 本人也在 2026 年 2 月改口，提出新词 “Agentic Engineering”。

于是，到了 2026 年，“Vibe Coding” 基本变成一个贬义词：

• 如果别人问你：“这是 Vibe Coding 做出来的吗？”其实是在暗指你做得不靠谱。

3. 那我们该学什么？——从 Vibe Coding 到 Agentic Engineering

作者引用 Karpathy 的区分：

• Vibe Coding = 蒙头给提示，祈祷 AI 写出有用东西，不管后果；
• Agentic Engineering = 目标清晰，系统拆解，人类做判断，AI 负责执行。

他强调，我们要学的是后者。

他的观察是：过去两年通过 AI 编程成为“超级个体、一人公司”的成功案例里，“传统程序员”反而不是主力。更多成功者是：

• 产品经理；
• 用户运营；
• 业务负责人；
• 小企业老板。

原因在于：

• 传统程序员容易陷在“执行细节”里，花大量时间优化代码，而不是思考“应该做什么”；
• 在 AI 越来越强的时候，“做产品不再等于写代码”，真正的壁垒不是代码本身。

他总结了真正稀缺的能力：

把一个模糊的想法，拆解成清晰的任务，然后指挥 AI 去完成。

这正是他强调的 Agentic Engineering，也是这门课程的核心。

所以，原来的问题“我祖上不会编程，为什么要学”可以换个问法：

• 如果有一根杠杆，能把你现有的行业经验、用户洞察、或一个好想法，直接变成跑起来的产品，你要不要？
• 以前这根杠杆是“技术团队”，门槛是几十万；
• 现在这根杠杆叫“AI 编程”，门槛是你能不能想清楚自己要什么。

他的结论是：

• 过去没技术的人只能提想法；
• 现在会用 AI 的人，可以第一次亲手把想法做出来；
• 这门课不是教你当程序员，而是教你别再把自己的创造力外包；
• 祖上不会编程不重要，关键是这一代开始你要学会把 AI 变成杠杆，把想法变现实。

三、开挂式学习：用 AI 来学 AI

这一部分专门讲“学习方法”：如何用 AI 浏览器大幅提升学习效率。

1. 最好的学习外挂：AI 浏览器

作者认为，最好的学习外挂不是某个 AI App，而是 AI 浏览器。一个好的 AI 浏览器需要两点：

• 速度快；
• 使用的是最强的模型。

他推荐三个工具（任选其一即可）：

• Tabbit 浏览器：如果配置了海外网络，可以用海外顶级模型；否则只能用国内模型；
• Dia 浏览器：需要配置海外网络；
• 豆包电脑版：本质上也是浏览器。在 doubao.com 右上角可以下载电脑版。豆包可以搜索抖音等内容库，部分弥补国内模型实力不足。

他明确说不太推荐的有：

• ChatGPT Atlas：太慢；
• Claude for Chrome：太慢；
• 大部分国产 AI 浏览器：模型不够强（豆包是例外，因为有内容生态）。

2. 为什么 AI 浏览器是最强学习外挂？

这里他从学习场景出发解释原因，大概有五个关键点。

（1）学习内容本来就都在网页上

• 官方文档、论文（arXiv）、GitHub 仓库、Stack Overflow、各种教程，包括这篇文章，统统都在浏览器里。
• 因此，“学习工具离学习内容有多远”，就决定了摩擦成本。

传统方式是：

• 遇到不懂的内容 → 复制 → 切到 ChatGPT → 粘贴 → 提问 → 回来继续读；
• 每一次操作都打断注意力和心流。

AI 浏览器则是把 AI 直接嵌入内容所在的页面：

• 无需切换窗口；
• 无需复制粘贴；
• AI 就在你阅读的旁边。

结构上，独立 AI 应用或桌面软件很难做到这一点。

（2）“看到什么，就能问什么”

学习中一个典型难点是：你知道自己不懂，但不知道怎么提问，比如：

• 一张架构图；
• 一段报错信息；
• 一个复杂公式。

AI 浏览器通过“选中区域直接问”解决这个问题：

• 可以截图、框选页面任意区域发给 AI，简单说“这是什么意思”“哪里错了”；
• 也可以划词选中一段内容，让 AI 直接解释，无需离开当前页面。

他用一句话总结这种体验：“所见即所问”。

（3）总结长文：先搭框架，再深入

另一个障碍是信息量大、信息密度高：

• 英文论文；
• 几十页的官方文档；
• 某个框架的完整教程。

光读完就很耗精力，更别说理解吸收。

AI 浏览器可以“一键总结当前页面的核心内容”，帮你先建立一个大致结构，然后再选择重点段落深读，把有限精力用在关键处。

（4）零切换成本，保持心流

心理学研究：每一次任务切换都需要额外成本，重新进入状态需要时间。

传统方式中，你需要：

• 切出去查一个问题；
• 回来重新找到自己读到哪里、刚在想什么。

AI 浏览器把提问、总结、翻译、解释都集成在浏览体验里，让注意力始终停留在学习内容本身，而不是在不同工具之间跳来跳去，这对深度学习非常重要。

（5）跨越语言障碍

许多最新技术资料、论文和优秀教程都以英文为主，语言是最大的门槛之一。

AI 浏览器可以：

• 在英文页面上用中文和 AI 对话；
• 一边看原文、一边看 AI 的中文解释或翻译。

他提到：本节课前面的示例截图，原始网页多是英文，但他一直在用中文和 AI 交流。

3. 小作业：用 AI 浏览器“开挂”学习

最后一节是一个实践作业，帮助你把这套学习方式变成习惯：

• 作业要求：从他推荐的 AI 浏览器里选一个，在接下来的学习期间，把它设为你的默认浏览器。
• 理由：不要相信意志力，要相信“肌肉记忆”。默认浏览器一旦不换，遇到英文文档或报错时，你还是会条件反射地用原来的 Chrome/Edge，用低效方式死磕。

他建议你设置好之后，用新 AI 浏览器打开一篇你以前觉得头疼的英文技术文档，给的示例是 OpenClaw 的飞书渠道安装指南文档链接，然后尝试：

• 点一次“总结当前页面”；
• 划选一段看不懂的英文/代码，让 AI 解释；
• 用截图选中一段，让 AI 解释；
• 问一些你感兴趣的问题。

通过这几步，体验“不用跳出页面、不用切换窗口”的流畅感，为后续课程打好学习方式的基础。

整体来看，这一页的主线逻辑是：

• 先用实战成绩证明：AI 编程课程不是空谈，而是帮助普通人也能做出有用户、有收入的产品；
• 再解释时代变化：AI 让“能不能开发”这件事从程序员专属变成每个人都可以参与的问题，关键不再是敲代码，而是“目标拆解 + 指挥 AI 执行”的 Agentic Engineering；
• 然后把课程定位清楚：从“想做什么”到“怎么上线赚钱”，再到“持续进步”，是一套完整链路；
• 最后补充学习方法论：用 AI 浏览器作为“外挂”，大幅降低学习门槛和成本，让你在后续学习中更高效。