AI编程革命：非技术背景如何借助无代码工具实现高效创造

代码世界曾被视为少数精英的专属领域。传统观念认为，必须精通内存管理、语法规则，并忍受枯燥的技术文档，才有资格谈论软件创造。

如今，大型语言模型的发展彻底改变了这一局面。编程不再是一场艰苦的修行，而更像一场大型即时策略游戏。在这个新游戏中，越来越多的人学会了与AI协同作战，用更直观、更本质的方式构建数字世界。

Factory的开发者关系主管Ben Tossell就是这场变革的典型代表。尽管没有深厚的编程背景，他在过去四个月中消耗了惊人的30亿个Token。

这意味着他几乎每时每刻都在通过命令行界面，观察AI智能体生成那些凭个人能力难以完成的复杂代码。

有人将这种方法贬称为“氛围编程”，但Tossell认为这种标签带有傲慢的偏见。这让他想起2019年人们对无代码工具的刻板印象——正是那一年，他创办的无代码教育公司被Zapier收购。这种偏见往往忽视了交互与调度背后所需的核心技能。

Tossell认为，在新的编程范式下，技术能力的衡量标准不再是语法记忆，而是系统驾驭能力。

从无代码先驱到30亿Token的调度者，Ben Tossell证明了一个事实：在AI时代，进入代码世界的最高通行证不是专业学历，而是纯粹的探索欲望。

为记录这段经历，Tossell撰写的文章在X平台上获得了超过360万次浏览。以下是他的核心洞见。

实际成果展示

尽管消耗了大量Token，Tossell的收获同样丰厚：

• 个人网站重构：将个人网站设计成终端CLI工具风格
• 社交媒体追踪器：开发了监控subreddit帖子和GitHub问题的开源工具，获得100多个星标
• Factory Wrapped功能：创建的产品原型被团队采纳并集成到正式产品中
• 定制CLI工具：开发了Pylon CLI等工具辅助客户支持工作
• 加密追踪系统：基于预测算法构建自动交易系统，类似迷你对冲基金
• Droidmas实验：为期12天的探索项目，涉及记忆管理和上下文优化
• AI视频制作系统：输入提示即可生成完整视频，具备自主导演和编辑能力

此外，他还完成了约50个其他项目，部分已被归档。

命令行优先的工作哲学

Tossell选择在纯粹的CLI环境中工作。他认为命令行界面比图形界面更高效，且能直观展示工作过程。

每当有新想法或遇到问题时，他会在Droid（Factory的CLI工具）中启动项目。先与模型进行几轮对话提供上下文，然后切换到规范模式制定详细计划。

在规范模式下，他会深入提问：这个组件的作用是什么？为什么选择这种方案？能否采用替代方法？

随后，他让Opus 4.5模型在高自主性模式下运行，监控执行过程，在出现错误时介入调整，最后进行测试和迭代优化。

智能体配置策略

Tossell投入大量时间优化agents.md配置文件，这本质上是AI协作的操作手册。

他在本地repos文件夹中维护统一的agents.md文件，明确规定每个新仓库的设置流程：该做什么、避免什么、如何使用GitHub、提交规范等，并区分工作账户和个人账户。

端到端测试是他近期特别重视的环节。以往经常出现本应早期发现的低级错误，现在他要求每个项目都必须包含完整测试流程。

他经常研究他人的配置文件，汲取最佳实践，持续改进自己的文档体系，使每次协作更加顺畅。

关键学习收获

Tossell主要使用CLI而非MCP协议工作。虽然尝试过MCP，但CLI版本更简洁高效。在Supabase、Vercel和GitHub等平台，他都坚持使用命令行接口。

他还为特定需求开发定制CLI工具，例如Linear CLI，让他能在终端直接查询任务，无需打开网页或桌面应用。

Bash命令精通：通过变更日志处理流程，他真正理解了Bash命令的工作原理。他让Droid创建了斜杠命令流程，首次正确实现了多命令自动化，涵盖GitHub差异检查、功能标志状态验证等任务。

VPS实战应用：过去对虚拟私有服务器只有抽象认知，直到运行加密追踪器时才深入掌握。现在他用VPS维持服务持续在线，通过SyncThing同步代码仓库，确保工作状态实时更新。

新的编程抽象层

看到Andrej Karpathy的推文时，Tossell深有共鸣——我们正在面对一个全新的可编程抽象层。

无代码时代的抽象层是Webflow、Zapier等拖拽工具，将它们组合成看似完整的软件（直到遇到限制）。

而现在，重点不再是学习从头编写代码，而是掌握与AI协作的艺术：如何提供有效提示？如何确保上下文准确？如何整合组件并持续优化系统？

为提升AI编程技能，Tossell会学习Peter Steinberger等开发者的经验。他们的系统简洁性给了他信心——不需要复杂架构，直接与模型对话就能完成任务。

他表示，在X上看到很多人不断优化（有时过度优化）自己的系统。虽然这偶尔带来压力，但也体现了系统的魅力：完全可定制，可按个人需求调整。你可以像Kieran那样创建计划模式，或像Peter那样直接对话。

遇到bug时，他意识到这些往往是知识盲区，而非能力限制。他的任务是识别这些盲区，思考如何预防问题复发，或加深理解以便及时应对。

“你只需要询问模型，”他说，“它知道你不知道的一切。这是你肩上永远耐心的专家程序员。”你可以在agents.md中写明：“Tossell不是程序员，请用最简单的方式解释。”完全根据需求定制。

学习方式的根本转变

以往学习编程时，Tossell总是输入字符、按下回车、等待“hello world”出现。这与现在的学习方式截然不同。

按传统路径，要达到当前的项目构建能力，可能需要数月甚至数年的系统学习。

而现在，他从系统思维角度学习代码构建。经营无代码教育公司的经历让他无意中掌握了这种思维：Webflow是前端，Zapier是API连接层，Airtable是数据库。这种系统理解能力现在帮助他把握AI编程的各个组件。

有太多东西可以学习，但没有任何软件是不可企及的。

勇于提出“愚蠢”问题

人们常会提出看似幼稚的问题，资深开发者可能早已不再思考。

例如：既然框架旨在简化人类工作，而LLM如此强大，为何不抛弃框架，让它编写零依赖的纯粹代码？这样不是能减少bug和维护成本吗？

Tossell逐渐意识到，这不是愚蠢的问题。框架不仅是工具，更是共识和生态。LLM的智慧源于海量训练数据，而这些数据大多基于现有成熟框架。

这就是他构建认知的过程。曾经觉得自己是代码世界的门外汉，现在通过直指本质的提问，他正在拆除思维围墙。他不再只是使用者，而是真正成为工程世界的一部分。

超越“氛围编程”的思考

Tossell不愿被称为“非技术人员”，也不想被限制在“程序员”的传统标签里。他更像是某个未命名阶层的探索者。如果说“无代码”曾被误解，那么“氛围编程”现在也带着类似的傲慢偏见。

对他来说，编程更像一场真实存在的宏大游戏。

这种新范式的魅力在于：每个创意都能立即实践，每个念头都能深入探索。它不要求初始完美，因为掌握系统本质才是关键。代码不一定都要上传GitHub，有时它们只是通往系统深处的路标。

“我们不应为工具而制造工具，”他说，“看到别人的React爬虫工具时，我不再只是赞叹，而是问自己：我能做一个吗？原理是什么？”这种为探索而探索的自由，是新技术赋予的最高权限。

过去，学习编程像是重资产投资。他曾以为，如果投入大量心血做出原型却无人问津，会因情感和成本投入而难以放弃。

但在无代码时代，他首次体验了快节奏的甜头：一两小时或一个周末就能完成原型。如果市场不认可，轻松放弃即可，因为投入极低。

现在，AI将这种反馈循环加速到光速。

我们正处在软件大爆炸的前夜。你会看到平庸作品泛滥，但更会见证惊艳项目井喷。资深开发者以前所未有的速度发布精彩的开源工具。这意味着我们拥有取之不尽的灵感库和零件厂，可以随时克隆、调整、重组。

比起从读写文件等基础语法学起，这种以结果为导向的重组效率惊人。反馈即时，输出持续。你无需在起跑线犹豫太久，只需不断尝试、碰撞。

在这种范式下，每个创意都不再是沉重负担，而是可随时抛出的探针。只要愿意，你可以随时随地构建任何东西。

Tossell坚信，每个渴望进入技术世界的人都能做到。不需要计算机学位，只需要给自己一份“玩耍许可”。把编程看作游戏：注册一个CLI智能体，告诉它你想做RSS追踪器、健身应用或个人网站，然后按下启动键。

过程中你会遇到无数bug，但这正是精彩之处。你不再被错误困扰，而是开始好奇：为什么会这样？要知道，即使顶尖专家也难逃bug困扰，而你拥有ChatGPT或Claude等多维智囊团。你可以从不同模型获取视角，在无数方案中做出选择。

在工具丛林中，准则只有一条：最快、最简、最远。

面对琳琅满目的工具，不必陷入选择困难。选定一个，深入挖掘。如果觉得缺少什么，尝试自己创造。

Tossell总结道：“这整件事对我而言，是一场宏大而愉悦的学习实验。不断构建，不断在失败中前进，然后不断将新作品推向世界。”

参考来源：https://x.com/bentossell/status/2006352820140749073

想获取更多AI最新资讯与智能工具推荐， 欢迎访问 👉 AI Tools Nav ——优质的 AI导航平台 与 AI学习社区

本文来源：机器之心

原文链接：https://www.jiqizhixin.com/articles/8fcbfc1b-d8d4-454a-8c69-530fd9d667c1