2026 年，如何学习 AI 不落后

这篇文章不是写给“看热闹”的人，而是写给准备真正把 AI 用进工作流的人。尤其是程序员、测试、产品经理、售后和实施同学。如果你只把 AI 当聊天机器人，2026 年已经明显不够了；现在更应该把 AI 当成一个会读项目、会改代码、会跑命令、会整理需求、会协助排查问题的 Agent。

我先说自己的背景。我最开始是做全栈的，后来做后端，再转产品，又做回后端开发。以前我对“全栈”这个词其实没那么执着，因为真正做业务的时候，一个人同时处理前端、后端、部署、文档、测试、产品细节，成本很高，精力很容易被切碎。

但 AI 出来以后，我的感受变了：全栈能力重新变得更有价值。原因不是 AI 可以替代所有工作，而是 AI 把很多重复劳动、上下文切换和样板代码降了下来。一个懂业务、懂代码、懂产品的人，借助 AI Agent 可以把很多以前需要多人配合的事情先跑起来。

我维护过一个工具箱项目，叫“华仔 AutoJs 工具箱”，以前的产品说明可以看这里：https://www.zjh336.cn/?id=2126。现在我也在用 AI 重构这个工具箱项目，仍然在进行中。我的 AI 使用时间不算特别早，差不多是从 2026 年 3 月底开始集中使用，到现在国产模型、国外模型、中转、CLI、桌面工具基本都试了一轮。最近一个月，我这边 GPT 模型的使用量已经跑到了 58 亿 token 以上。

这不是为了炫耀 token 数，而是想说明一件事：AI 学习不是收藏几个提示词，也不是看几篇评测。你必须把它放进真实工作里，让它参与你的需求分析、代码阅读、重构、测试、部署、文档和问题排查。用量上来了，才会知道哪些模型是真能干活，哪些工具只是看起来热闹。

本文主要讲这些内容：

AI 是怎么发展到今天的，为什么 GPT 之后变化突然加速。
2026 年国产模型和国外顶尖模型的现状。
程序员、测试、产品、售后分别应该怎么用 AI。
什么是 Agent，CLI 和桌面工具怎么选。
从 0 开始安装 nvm、Node、Codex、Claude Code、Gemini CLI。
如何用 ccswitch 管理中转和多模型。
我推荐的模型入口和中转站：https://api.zjh336.cn。

一、AI 发展到 2026 年，真正变了什么

AI 不是 2022 年才出现的。早期有规则系统、专家系统，后面有机器学习、深度学习，再到 2017 年 Transformer 架构出现，模型开始具备更强的语言理解和生成能力。BERT、GPT-2、GPT-3 这些模型一步步把“大模型”这条路走通。

但普通人真正感知到 AI 变化，是从 ChatGPT 出圈开始的。OpenAI 在 2022 年 11 月发布 ChatGPT，很多人第一次发现：原来机器不是只能返回搜索结果，也不是只能做分类识别，它可以像一个人一样持续对话、解释概念、写代码、写文案、做总结。

到了 2023 年，GPT-4 发布以后，代码能力、复杂推理、长文本处理明显上了一个台阶。那一年，很多程序员开始用 AI 写脚本、解释报错、生成 SQL、写接口文档。那时的 AI 还更像“高级问答工具”。你问得好，它答得好；你不会问，它就容易胡说。

2024 年开始，多模态明显加速。GPT-4o 这类模型让文字、图片、语音、视频理解越来越自然。国内外的文生图、图生视频、文生视频工具也越来越成熟。AI 漫剧就是这个阶段很典型的出圈场景：以前做一条短剧或者漫剧，需要编剧、分镜、美术、配音、剪辑多人配合；现在一个人可以用 AI 生成剧本、角色设定、分镜图、配音、背景音乐和视频片段，再用剪辑工具拼成完整作品。

2025 到 2026 年，重点又变了。大家不再只问“哪个模型聊天最聪明”，而是开始问“哪个模型能替我完成任务”。这就是 Agent 时代。Agent 的关键不是会聊天，而是会围绕目标读文件、调用工具、执行命令、修改代码、自己检查结果，然后继续迭代。

这也是 vibe coding 火起来的原因。很多人把 vibe coding 简单理解成“用自然语言让 AI 写代码”，我觉得这个理解太浅。真正的 vibe coding 是：人负责目标、判断、架构边界和验收，AI 负责快速展开、生成、修改、解释和补齐。你不用一行一行敲所有代码，但你必须知道它改了什么，为什么改，风险在哪里，怎么验证。

再到 2026 年，OpenClaw 这种工具也在圈内出圈。国内很多人把它叫“龙虾”，它的核心意义不只是又多了一个工具，而是说明大家的关注点正在从“单个模型”转向“Agent 工作流”。OpenClaw 官方定位是本地优先的 agentic coding 平台，强调多 Agent 编排、规格化任务、CLI/TUI 和可视化工作流。类似工具的出现，说明 AI 编程已经进入“谁能把模型组织成稳定生产力”的阶段。

所以 2026 年学习 AI，不能只学提示词，也不能只盯排行榜。你要学的是一整套工作方式：模型怎么选、工具怎么装、中转怎么配、项目怎么接入、任务怎么拆、结果怎么验收。

二、国产模型现状：能用了，而且越来越适合实战

如果是 2023 年，我会更明确地说国外模型领先很多。但到 2026 年，国产模型已经不是“能不能用”的问题，而是“在哪些场景更适合用”的问题。

我现在看国产模型，主要看这几个维度：

代码能力：能不能读项目、改项目、写测试、理解错误日志。
长上下文：能不能塞进去更多代码、文档、日志和需求。
工具调用：能不能稳定配合 Agent、CLI、插件和工作流。
中文能力：能不能理解国内业务表达、产品文档、聊天记录和售后场景。
价格和可用性：能不能高频使用，而不是每次调用都心疼。

1. DeepSeek

DeepSeek 这两年在国内开发者圈的存在感很强。它的优势是推理、代码和性价比，API 也比较适合开发者接入。DeepSeek 官方在 2026 年已经发布了 V4 相关模型说明，并且兼容 OpenAI Chat API 和 Anthropic API 这类调用方式，这对接入 CLI Agent 和中转服务很重要。

我对 DeepSeek 的建议是：如果你要做中文代码理解、脚本生成、文档总结、业务分析，值得作为主力国产模型之一测试。不要只用一次问答判断好坏，最好拿你自己的真实任务跑三轮，比如修一个 bug、补一组测试、解释一次线上日志，再看结果。

2. GLM

智谱 GLM 系列在 Agent、长任务和中文能力上一直有比较强的投入。2026 年的 GLM-5.1 进一步强调长周期 Agent 任务和工程能力。对产品、测试、售后这种需要处理大量中文材料的岗位来说，GLM 系列通常比纯代码评测更值得关注。

我会把 GLM 放在“中文综合任务”和“产品文档处理”里测试。比如让它整理 PRD、把客户反馈转成需求池、把故障处理记录转成 FAQ，这类任务更容易看出模型的中文组织能力。

3. Qwen

通义千问 Qwen 系列已经形成了很完整的模型家族，Plus、Max、Coder、VL、多模态都有对应方向。2026 年 Qwen3.6、Qwen3.7 这类版本继续在长上下文、代码、Agent 能力上推进。对企业用户来说，阿里云百炼和 Model Studio 的生态也比较完整。

如果你是后端、全栈、测试工程师，我建议至少测试 Qwen Plus 和 Qwen Coder 相关能力。尤其是中文项目、国内框架、Java/Spring、Vue、SQL、接口文档这类任务，Qwen 的使用体验通常比较稳。

4. 豆包和 Seed

豆包背后的 Seed 模型在国内 C 端和企业端都很活跃。它的优势不只是模型本身，还有火山引擎、扣子、内容生成、多模态和企业服务能力。对于内容生产、客服、运营、产品分析和流程自动化，豆包生态值得关注。

如果你的工作偏内容、售后、运营、知识库和多模态处理，豆包往往比单纯代码模型更贴近场景。

5. 小米 MiMo

小米 MiMo 系列在 2026 年也开始被更多开发者关注。它的特点是强调 Agent 能力、代码和端侧生态。小米这类厂商做模型，不只是为了聊天，更重要的是把模型能力接到设备、系统和应用链路里。

从程序员视角看，MiMo 不是所有人第一天就要上手的主力模型，但它代表了一个趋势：后面 AI 不会只存在于网页和 IDE，而是会进入操作系统、手机、汽车、IoT 和各种垂直设备。

6. 我对国产模型的使用结论

国产模型现在已经适合日常工作中的大量任务：中文总结、需求分析、接口文档、测试用例、日志分析、简单代码生成、脚本编写、数据库查询辅助、客服知识库整理。对于非常复杂的跨文件重构、超长链路推理、复杂 Agent 编码，我目前仍然会优先测试国外顶尖模型，尤其是 GPT 和 Claude。

但从成本和可用性看，国产模型必须纳入你的工具箱。我的建议不是只押一个模型，而是准备一套模型池：高难度任务用顶尖模型，日常高频任务用性价比模型，中文业务任务用国产模型。

三、国外顶尖模型现状：GPT、Claude、Gemini 仍然是第一梯队

截至 2026-06-14，我认为国外模型第一梯队主要还是 OpenAI、Anthropic、Google。它们各自的优势不一样。

1. OpenAI：GPT 和 Codex 是我当前优选

OpenAI 当前开发者文档中，GPT-5.5 被定位为旗舰模型，适合复杂编码、长链路推理和 Agent 场景。OpenAI 的优势是模型能力、工具生态、Responses API、Codex CLI、Codex App 这几条线配合得比较完整。

如果你问我 2026 年程序员优先从哪个 Agent 工具开始，我会优先推荐 Codex。原因很直接：Codex 是 OpenAI 官方 coding agent，和 GPT 系列模型贴合度高，CLI 和桌面 App 都有官方路线。对程序员来说，这种“模型和工具同源”的稳定性很重要。

我现在的个人倾向是：GPT 相关任务优先用 Codex。代码阅读、重构、补测试、生成迁移方案、解释大型项目，Codex 是我的第一优先级。

2. Anthropic：Claude Code 仍然很强

Claude Code 是 Anthropic 官方的命令行 coding agent。Claude 系列模型在长文本、代码审查、需求理解和“少废话地把任务推进下去”这方面一直很有优势。2026 年 Claude Fable、Opus、Sonnet 这些模型线继续强化 coding 和 agentic 能力。

如果你主要用 Claude，我建议直接上 Claude Code。它的交互方式很适合项目内工作：进入项目目录，告诉它目标，让它读代码、改文件、运行命令、解释结果。对已有项目的维护和重构来说，这种方式比网页聊天自然很多。

3. Google：Gemini 的长上下文和多模态优势明显

Gemini 系列的优势是长上下文、多模态和 Google 生态。Gemini CLI 也已经成为开发者可以直接安装使用的命令行工具。如果你的任务涉及大量文档、图片、视频、长代码仓库、多模态理解，Gemini 值得放进工具箱。

我不建议把 Gemini 当“可有可无”的备用模型。它在某些长上下文任务上很有价值，尤其是你要一次性分析很多文件、很多日志、很多文档的时候。

4. 国外模型怎么选

任务	优先选择	原因
复杂代码重构、Agent 编程	GPT + Codex	我当前最推荐的组合，官方工具链完整，适合程序员直接落地。
项目维护、代码审查、需求到实现	Claude + Claude Code	Claude Code 的项目内交互体验成熟，适合持续推进任务。
长文档、多模态、长上下文分析	Gemini + Gemini CLI	Gemini 的长上下文和多模态是它的核心优势。
国产模型、低成本高频任务	DeepSeek、Qwen、GLM、豆包等	适合中文业务、高频调用和成本敏感场景。

四、适用人群：不只是程序员

很多人以为 AI Agent 只适合程序员，其实不是。程序员只是最早感受到冲击的一批人。测试、售后、产品经理这些岗位同样适合用 AI，而且很多场景见效更快。

1. 程序员

程序员最直接的用法是写代码，但不要只让 AI 从零写代码。更好的方式是让它参与完整开发流程：

读项目结构，整理架构说明。
解释陌生模块，画出调用链。
定位 bug，分析日志，提出修复方案。
按已有风格新增功能。
重构重复代码，补单元测试。
生成接口文档、部署文档、升级日志。
做代码审查，找潜在空指针、并发、权限和边界问题。

程序员用 AI 的关键是：你不能把判断权交出去。AI 可以写得很快，但你要知道项目边界、数据结构、异常路径和验收标准。

2. 售后和实施人员

售后和实施经常面对的是日志、截图、客户描述、环境差异、版本差异和重复问题。AI 很适合做这些事情：

把客户描述整理成标准问题单。
根据日志判断可能原因。
生成排查步骤和客户回复话术。
把历史问题整理成 FAQ。
把部署手册改成更容易执行的步骤。
根据报错截图推测需要检查的配置项。

售后人员用 AI，不一定要会写很多代码，但要会把上下文给清楚：系统版本、操作步骤、报错时间、日志片段、客户环境、已经尝试过的方法。上下文越清楚，AI 越像一个有经验的二线支持。

3. 测试人员

测试岗位非常适合 AI。因为测试本质上需要大量边界思考和重复整理：

根据 PRD 生成测试点。
把测试点转成用例表。
根据接口文档生成 Postman 或自动化脚本。
根据 bug 描述反推复现步骤。
根据代码改动分析影响范围。
生成边界值、异常值和兼容性测试清单。

测试人员不要只让 AI 写“正常流程”。真正有价值的是让 AI 帮你想异常流程、边界流程、并发流程、权限流程和数据污染场景。

4. 产品经理

产品经理用 AI，不能停留在“写 PRD”。AI 更适合做需求整理和结构化：

把客户原话转成需求背景、目标、范围和验收标准。
把会议纪要转成任务列表。
把竞品页面整理成差异分析。
把开发反馈转成需求调整建议。
把用户故事转成流程图、状态机和异常分支。
把版本计划拆成里程碑和优先级。

产品经理尤其要学会让 AI 输出“可验收”的内容。不要只要一段漂亮文字，而要让它输出字段、流程、状态、权限、异常、接口影响和验收标准。

五、先理解 Agent 类型：CLI、桌面工具和可视化工具

2026 年，你至少要理解这几类 AI 工具。

1. 网页聊天工具

ChatGPT、Claude、Gemini、豆包、通义、Kimi 这些网页聊天工具适合问答、写作、解释概念、临时分析和轻量内容生产。但它们的问题是：和你的本地项目、命令行、文件系统之间隔了一层。你要复制粘贴代码，它才能分析；你要手动把结果粘回项目，它才能落地。

2. IDE 插件

Cursor、Windsurf、GitHub Copilot、各类 VS Code 插件，适合在编辑器内写代码。它们的优势是贴近代码，劣势是有时会被 IDE 的交互方式限制。适合日常补全、局部修改、解释文件。

3. CLI Agent

CLI Agent 是我现在最推荐程序员学习的路线。代表工具包括：

Codex CLI：OpenAI 官方 coding agent，我当前优选。
Claude Code：Anthropic 官方命令行 coding agent。
Gemini CLI：Google 官方开源 AI agent。
OpenCode：面向终端、IDE、桌面的 AI coding agent。
OpenClaw：本地优先的 agentic coding 平台，2026 年出圈的代表之一。

CLI Agent 的优势是直接进入项目目录工作。它可以读文件、改文件、运行命令、看测试结果，再继续修改。对于程序员来说，这是最接近真实开发流程的形态。

4. 桌面和可视化工具

如果你不喜欢纯命令行，可以使用桌面工具或可视化界面：

Codex App：OpenAI 官方桌面 App，优先推荐。
OpenCode Desktop：OpenCode 的桌面方向。
CCGUI：Claude Code GUI 桌面工具。

我的建议是：程序员先学 CLI，再上桌面。CLI 能让你理解 Agent 到底怎么工作；桌面工具可以提升体验，但不要跳过底层逻辑。

六、如何开始：先装 nvm 和 Node

很多 AI CLI 工具都是基于 Node.js 生态发布的，所以第一步建议先装 nvm 和 Node。Windows 用户建议使用 nvm-windows，macOS/Linux 用户使用 nvm。

1. Windows 安装 nvm-windows

下载 nvm-setup.exe，一路安装即可。安装完成后，打开 PowerShell 或 Windows Terminal，执行：

nvm version
nvm list available

然后选择一个 LTS 版本安装。版本号以你执行 nvm list available 看到的为准，例如：

nvm install 24.11.1
nvm use 24.11.1
node -v
npm -v

如果 npm 下载很慢，可以临时使用国内镜像：

npm config set registry https://registry.npmmirror.com
npm config get registry

如果你要恢复官方源：

npm config set registry https://registry.npmjs.org/

2. macOS/Linux 安装 nvm

打开 nvm 官方仓库查看最新安装命令：

https://github.com/nvm-sh/nvm

常见安装方式如下，具体版本号以官方 README 为准：

curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.40.3/install.sh | bash
source ~/.bashrc
nvm install --lts
nvm use --lts
node -v
npm -v

七、安装 CLI：我推荐 Codex 和 Claude Code

我的优先级是：先装 Codex，再装 Claude Code，再装 Gemini CLI。OpenCode、OpenClaw 可以后面按需补。

1. 安装 Codex CLI

官方文档：https://developers.openai.com/codex/cli

使用 npm 安装：

npm install -g @openai/codex
codex --version
codex

如果你使用 OpenAI 官方账号，可以按 Codex 提示登录。如果你使用 API Key，可以设置环境变量。Windows 示例：

setx OPENAI_API_KEY "你的 OpenAI API Key"

设置完 setx 后，需要重新打开一个终端窗口再执行：

codex

macOS/Linux 示例：

export OPENAI_API_KEY="你的 OpenAI API Key"
codex

2. Codex 配置我的中转站

如果你使用我的中转站，可以先访问：

https://api.zjh336.cn

拿到 API Key 后，在 Windows 里设置：

setx ZJH_API_KEY "你的中转 API Key"

然后编辑 Codex 配置文件。Windows 一般在：

%USERPROFILE%\.codex\config.toml

macOS/Linux 一般在：

~/.codex/config.toml

可以参考下面的配置。注意：不同中转对 Responses API 和 Chat Completions API 的兼容程度不同，如果你的中转后台说明要求使用 Chat 接口，就把 wire_api 改成 chat。

model = "gpt-5.5"
model_provider = "zjh"

[model_providers.zjh]
name = "ZJH API"
base_url = "https://api.zjh336.cn/v1"
env_key = "ZJH_API_KEY"
wire_api = "responses"

如果遇到不兼容，可以先改成：

wire_api = "chat"

第一次测试不要直接拿公司核心项目试，建议新建一个临时目录：

mkdir ai-test
cd ai-test
codex

然后输入：

请帮我创建一个 Node.js 命令行小工具，功能是读取当前目录下的 package.json，并输出项目名称、版本号和 scripts 列表。完成后请告诉我怎么运行。

这类小任务最适合测试环境是否可用。

3. 安装 Claude Code

官方文档：https://docs.anthropic.com/en/docs/claude-code

npm install -g @anthropic-ai/claude-code
claude --version
claude

如果你使用 Anthropic 官方 API：

setx ANTHROPIC_API_KEY "你的 Anthropic API Key"

如果使用中转，建议优先用后面讲的 ccswitch 管理。你也可以按中转后台说明配置 ANTHROPIC_BASE_URL 和 ANTHROPIC_API_KEY，但不同中转的路径和鉴权方式可能不同，以后台说明为准。

4. 安装 Gemini CLI

官方仓库：https://github.com/google-gemini/gemini-cli

npm install -g @google/gemini-cli
gemini --version
gemini

Gemini 可以走 Google 官方登录或 API Key，按命令行提示操作即可。

5. 安装 OpenCode

官方文档：https://opencode.ai/docs/

npm install -g opencode-ai
opencode

OpenCode 的价值是支持多模型、多供应商和多种使用形态。你可以把它作为 Codex、Claude Code 之外的补充工具。

八、安装辅助软件 ccswitch：管理多模型和中转

当你只用一个模型时，环境变量还能忍。但当你同时用 GPT、Claude、Gemini、DeepSeek、Qwen、GLM、豆包，再加上官方订阅和中转，你会发现配置非常容易乱。这时候就需要 ccswitch。

ccswitch 官方仓库：

https://github.com/farion1231/cc-switch

下载地址：

https://github.com/farion1231/cc-switch/releases

1. ccswitch 适合解决什么问题

统一管理多个 API Key。
在官方 API 和中转 API 之间切换。
给 Claude Code、Codex、Gemini CLI、OpenCode 等工具切换不同模型。
避免每次手动改环境变量。
快速做模型对比测试。

2. 推荐配置方式

安装 ccswitch 后，建议按下面思路配置：

新增一个 Provider，名字写 ZJH API。
Base URL 填 https://api.zjh336.cn 或后台要求的完整地址。
API Key 填你在 https://api.zjh336.cn 获取的 Key。
按工具类型配置模型映射，比如 GPT 走 Codex，Claude 走 Claude Code，国产模型按兼容协议选择。
保存后应用配置，重新打开终端测试。

我建议先建三组配置：

配置名	用途	建议模型
ZJH-GPT	Codex 主力开发	GPT-5.5 或中转后台可用的 GPT 系列模型
ZJH-Claude	Claude Code 项目维护	Claude Fable、Opus、Sonnet 等后台可用模型
ZJH-China	国产模型高频任务	DeepSeek、GLM、Qwen、豆包、MiMo 等

配置完成后，拿同一个任务分别跑几次。不要用“你好”这种问题测试模型，没意义。建议用真实任务，比如：

请阅读当前项目，不要修改文件。输出：
1. 项目技术栈
2. 启动命令
3. 主要目录说明
4. 你认为风险最高的 5 个模块
5. 下一步如果要重构，建议从哪里开始

这种任务能看出模型是否真的会读项目、理解结构、抓重点。

九、找大模型：官方订阅、中转和我的推荐入口

模型获取有两条路：官方订阅和中转。

1. 官方订阅

官方订阅适合稳定使用某一个生态：

OpenAI：ChatGPT、OpenAI API、Codex。
Anthropic：Claude、Claude Code、Anthropic API。
Google：Gemini、Gemini API、Gemini CLI。
国内厂商：DeepSeek、智谱 GLM、通义 Qwen、豆包、MiMo 等。

官方订阅的优点是稳定、来源明确、文档完整。缺点是不同平台账号、支付、额度、模型权限比较分散。

2. 中转服务

中转适合同时测试多个模型，尤其适合程序员做 CLI Agent。你可以用一个入口调用不同厂商模型，方便对比 GPT、Claude、Gemini 和国产模型。

我的中转站入口是：

https://api.zjh336.cn

如果你想快速测试多模型，建议优先从这里拿 Key，然后配合 Codex、Claude Code、Gemini CLI、ccswitch 使用。

另外两个入口也可以收藏：

国内模型和工具导航：https://z4crk6mg95.coze.site/
国外模型整理和中转说明：https://www.kdocs.cn/l/cdodlthJ9CYZ

提醒：公司代码、客户数据、账号密码、生产日志里如果有敏感信息，一定要按公司制度处理。无论是官方模型还是中转，都不要把不该外发的数据直接丢进去。个人项目和公开项目可以放开测试，公司项目要先脱敏、分级、审批。

十、模型和工具怎么对应

我的推荐对应关系很简单：

模型体系	推荐工具	说明
GPT	Codex	优先推荐。GPT 做 coding agent，Codex 是最自然的入口。
Claude	Claude Code	Claude Code 是 Anthropic 官方工具，适合维护和重构项目。
Gemini	Gemini CLI	适合长上下文、多模态和 Google 生态任务。
国产模型	Claude Code、Codex、OpenCode	看中转兼容协议。Claude 协议走 Claude Code，OpenAI 兼容走 Codex 或 OpenCode。

实际使用时，我建议你先用 CLI 对接。原因是 CLI 最接近真实开发环境，也最容易看出模型是不是能干活。网页聊天可以辅助思考，但不能替代 CLI Agent。

十一、安装桌面工具：优先 Codex，其次 CCGUI

如果你不习惯命令行，或者想要更直观地管理任务，可以安装桌面工具。

1. Codex App

官方文档：https://developers.openai.com/codex/app

Windows 版本可以看官方 Windows 文档：

https://developers.openai.com/codex/windows

我的优先级是：如果你能用 Codex App，就优先用 Codex App。它适合任务管理、代码审查、项目内交互和较复杂的开发流程。

2. CCGUI

CCGUI 是 Claude Code 的 GUI 工具，适合不喜欢纯命令行的用户。

仓库和下载地址：

我的建议是：新手可以先用 CCGUI 感受 Claude Code 的工作方式，但不要完全绕开 CLI。你至少要知道背后调用的是哪个模型、哪个 Key、哪个项目目录、做了哪些文件修改。

十二、真正开始使用：按场景跑起来

工具装好以后，不要一直折腾环境。最重要的是把 AI 放进真实场景。下面这些提示词可以直接用。

1. 第一次让 AI 读项目

请先阅读当前项目，不要修改任何文件。
请输出：
1. 项目技术栈
2. 启动命令和构建命令
3. 主要目录和模块说明
4. 数据库、缓存、第三方接口等外部依赖
5. 你认为代码里风险最高的地方
6. 如果我要重构，建议的第一步是什么

2. 让 AI 修 bug

现在有一个 bug：这里写清楚现象。
复现步骤：
1. ...
2. ...
期望结果：
实际结果：
相关日志：

请先分析原因，不要急着改代码。
给出 2 到 3 个可能原因，并说明你要检查哪些文件。
确认后再开始修改。

3. 让 AI 做重构

请在不改变现有外部行为的前提下，重构这个模块。
要求：
1. 不修改接口入参和返回结构
2. 保持现有日志关键字段
3. 拆分重复逻辑
4. 补充必要的单元测试
5. 修改完成后说明改动点和验证方式

4. 让 AI 写测试

请根据这个接口/函数生成测试用例。
重点覆盖：
1. 正常流程
2. 参数为空
3. 参数格式错误
4. 权限不足
5. 数据不存在
6. 并发或重复提交
7. 边界值

请输出测试用例表，并在项目中补充自动化测试代码。

5. 售后排查问题

你现在是一个软件售后工程师。
请根据下面的客户描述和日志，帮我整理：
1. 问题摘要
2. 可能原因
3. 需要客户补充的信息
4. 远程排查步骤
5. 给客户的回复话术

客户描述：
日志：

6. 产品经理整理需求

你现在是一个产品经理。
请把下面的客户原话整理成 PRD 草稿。
要求包含：
1. 背景
2. 目标
3. 用户角色
4. 主流程
5. 异常流程
6. 权限规则
7. 字段说明
8. 验收标准
9. 需要研发确认的问题

客户原话：

十三、我的个人工作流：AI 重构工具箱项目

我现在用 AI 重构工具箱项目时，不会一上来就让 AI “重写整个项目”。那样风险太大，也很容易把项目搞乱。我的做法是小步推进。

先让 AI 只读项目，不改文件，输出项目结构和风险清单。
让 AI 找重复代码、历史包袱、可拆分模块。
我自己决定重构顺序，不让 AI 自己决定全部路线。
每次只处理一个模块或一个功能点。
改完让 AI 自己说明改动点和验证方式。
我再人工看 diff，跑项目，确认功能。
最后补文档、补更新日志、补测试。

这个流程看起来慢，但比一次性大改稳得多。AI 的优势是速度，不是绝对正确。你要用它的速度，同时保留自己的判断。

建议每个项目都加一个 AI 说明文件，比如 AGENTS.md、CLAUDE.md 或项目约定文档，内容可以这样写：

# 项目 AI 协作约定

- 修改代码前先阅读相关文件，不要直接大范围重构。
- 优先保持现有接口兼容。
- 修改后必须说明改动点、风险点和验证方式。
- 涉及数据库、权限、支付、删除数据的逻辑，需要先给方案再修改。
- 不要引入新的大型依赖，除非明确说明原因。
- 代码风格保持和现有项目一致。
- 常用命令：
  - 安装依赖：npm install
  - 启动开发：npm run dev
  - 构建：npm run build
  - 测试：npm test

这样做的好处是，每次打开 Agent，它都能先读到项目规则，减少重复沟通。

十四、2026 年不落后的学习路线

如果你现在刚开始，我建议按 4 周来推进。

第 1 周：装好工具，完成第一个真实任务

安装 nvm、Node、Codex、Claude Code、Gemini CLI。
注册或配置 https://api.zjh336.cn。
用 Codex 跑一个小脚本任务。
用 Claude Code 读一个旧项目。
记录每个模型的输出质量。

第 2 周：把 AI 接入你的日常项目

让 AI 生成项目结构说明。
让 AI 解释一个复杂模块。
让 AI 修一个低风险 bug。
让 AI 补一组测试。
把提示词和项目规则沉淀下来。

第 3 周：做模型对比

同一个任务分别用 GPT、Claude、Gemini、DeepSeek、Qwen、GLM 跑。
记录成功率、速度、修改质量、废话程度、成本。
不要看单次结果，看连续 5 次任务的稳定性。
确定你的主力模型、备用模型和低成本模型。

第 4 周：形成自己的工作流

确定日常开发用 Codex 还是 Claude Code。
用 ccswitch 管理官方和中转配置。
把常用提示词整理成模板。
给项目补 AGENTS.md 或 CLAUDE.md。
建立“AI 输出必须验收”的习惯。

十五、几个必须避免的坑

1. 不要只收藏，不动手

AI 工具更新很快，收藏链接没有意义。你要拿一个真实项目跑起来。跑一次项目重构，比看十篇评测更有用。

2. 不要迷信排行榜

排行榜只能说明某些标准题表现好，不代表你的业务任务表现好。每个人都应该有自己的测试集。程序员就拿自己的项目测试，测试人员拿自己的用例测试，产品拿自己的 PRD 测试，售后拿自己的日志测试。

3. 不要让 AI 一次性改太多

AI 很容易越改越大。你要限制范围：只改这个模块，只修这个 bug，不要动公共接口，不要换框架，不要引入新依赖。

4. 不要忽略安全和隐私

生产数据库、客户隐私、账号密码、支付数据、公司核心代码，不要随便丢给模型。能脱敏就脱敏，能用最小上下文就不要整包上传。

5. 不要把 AI 当替代品

AI 是放大器。你基础越扎实，它越能放大你；你完全不理解项目，它也可能放大你的错误。程序员还是要懂代码，测试还是要懂质量，产品还是要懂业务，售后还是要懂现场。

十六、我的最终建议

2026 年学习 AI，不要从“学哪个提示词”开始，而要从“我怎么把 AI 接到工作里”开始。

如果你是程序员，我建议你现在就做这几件事：

安装 Node 和 nvm。
安装 Codex、Claude Code、Gemini CLI。
注册或配置我的中转站：https://api.zjh336.cn。
安装 ccswitch，管理多模型。
用 Codex 跑你的第一个真实项目任务。
用 Claude Code 做一次项目阅读或重构。
把 GPT、Claude、Gemini、DeepSeek、Qwen、GLM、豆包都用同一任务测试一遍。

我的当前排序是：编码 Agent 优先 Codex，其次 Claude Code；桌面工具优先 Codex App，其次 CCGUI；模型使用上，高难度任务优先 GPT 和 Claude，长上下文和多模态任务测试 Gemini，中文高频任务大量使用国产模型。

AI 不会让所有人都变强，它只会让愿意改变工作方式的人变强。2026 年，真正会拉开差距的不是“你知不知道 AI”，而是“你有没有把 AI 变成自己的日常生产力”。

我自己从 2026 年 3 月底开始集中使用 AI，到现在最大的感受就是：它不是一个插件，而是一种新的工作方式。以前我做全栈会觉得累，现在反而觉得全栈更适合 AI 时代。因为只要你能把需求、代码、产品和验证串起来，AI 就能帮你把很多中间环节快速跑通。

所以，不要等。先装工具，先跑任务，先用起来。

参考资料和官方链接

我的工具箱项目说明：https://www.zjh336.cn/?id=2126
我的中转站：https://api.zjh336.cn
模型和工具导航：https://z4crk6mg95.coze.site/
国外模型整理：https://www.kdocs.cn/l/cdodlthJ9CYZ
OpenAI Codex CLI：https://developers.openai.com/codex/cli
OpenAI Codex App：https://developers.openai.com/codex/app
OpenAI 最新模型说明：https://developers.openai.com/api/docs/guides/latest-model
ChatGPT 发布说明：https://openai.com/index/chatgpt/
GPT-4 发布说明：https://openai.com/index/gpt-4-research/
GPT-4o 发布说明：https://openai.com/index/hello-gpt-4o/
Claude Code 文档：https://docs.anthropic.com/en/docs/claude-code
Anthropic 模型说明：https://docs.anthropic.com/en/docs/about-claude/models/overview
Gemini CLI：https://github.com/google-gemini/gemini-cli
Gemini 模型文档：https://ai.google.dev/gemini-api/docs/models
nvm-windows：https://github.com/coreybutler/nvm-windows
nvm：https://github.com/nvm-sh/nvm
OpenCode：https://opencode.ai/docs/
OpenClaw：https://openclaw.ai/
ccswitch：https://github.com/farion1231/cc-switch
CCGUI：https://github.com/zhukunpenglinyutong/desktop-cc-gui
DeepSeek 官方文档：https://api-docs.deepseek.com/
GLM 官方博客：https://z.ai/blog/glm-5.1
Qwen 官方博客：https://qwen.ai/blog
ByteDance Seed：https://seed.bytedance.com/en/blog/seed-2-0-official-launch
小米 MiMo：https://mimo.xiaomi.com/