Day19——晚课 AI代码：让AI帮你写程序

系列教程说明

这是「AI专家养成计划」系列教程的第38篇，共140篇。从AI零基础出发，每天进步一点点。晚间实践课以动手为主——跟着做一遍，你就能掌握今天的内容。

上篇回顾

今天早课我们了解了AI编程的全貌。三个核心要点：

• AI编程的本质是”用自然语言描述需求，AI帮你生成代码”——你不需要会写代码
• 主流工具分为三类：编辑器助手（Copilot）、对话式生成（ChatGPT/Claude）、AI原生IDE（Cursor）
• AI编程的边界在于：它能写代码，但不能替你思考业务逻辑

今晚，我们动手实操。不用安装任何编程环境，打开浏览器就能开始。

---

准备工作：你需要什么

今晚的实操只需要两样东西：

1. 一个AI对话工具——ChatGPT、Claude、或者你手边任何AI助手都行
2. 一个在线代码运行环境——推荐 Google Colab（免费，无需安装）

如果你已经有本地Python环境，那更好。没有的话，Colab完全够用——打开浏览器就能写代码、看结果。

小贴士：Colab是Google提供的免费在线Jupyter Notebook环境。你不需要懂什么是Jupyter，只要知道：在格子里写代码，按Shift+Enter就能运行。

---

实操一：让AI帮你处理Excel数据

场景设定

假设你是一个运营人员，手里有一份CSV文件，内容是用户反馈数据：

`

用户ID,反馈内容,评分,日期

001,这个App太好用了！,5,2026-06-01

002,经常闪退很烦人,1,2026-06-02

003,界面设计不错但功能太少,3,2026-06-03

004,希望能增加夜间模式,4,2026-06-04

005,更新后更卡了,1,2026-06-05

`

你需要做三件事：

1. 统计各评分等级的数量
2. 找出所有评分≤2的差评
3. 画一个评分分布饼图

第一步：向AI描述你的需求

打开ChatGPT或Claude，输入：

我有一个CSV文件，包含用户反馈数据，列名是：用户ID、反馈内容、评分、日期。请帮我写一个Python脚本，完成以下任务：

>

1. 读取CSV文件

2. 统计各评分（1-5）的数量并打印

3. 筛选出评分≤2的所有记录，保存为”差评.csv”

4. 画一个评分分布的饼图，保存为”评分分布.png”

>

请使用pandas和matplotlib库，代码里加上中文注释。

第二步：拿到代码并运行

AI会给你一段类似这样的代码：

`python

import pandas as pd

import matplotlib.pyplot as plt

# 设置中文字体，防止乱码

plt.rcParams[‘font.sans-serif’] = [‘SimHei’]

plt.rcParams[‘axes.unicode_minus’] = False

# 读取CSV文件

df = pd.read_csv(‘反馈数据.csv’)

# 统计各评分数量

评分统计 = df[‘评分’].value_counts().sort_index()

print(“各评分数量：”)

print(评分统计)

# 筛选差评

差评 = df[df[‘评分’] <= 2]

差评.to_csv(‘差评.csv’, index=False, encoding=’utf-8-sig’)

print(f”n共找到 {len(差评)} 条差评，已保存到 差评.csv”)

# 画饼图

plt.figure(figsize=(8, 6))

plt.pie(评分统计.values, labels=[f'{s}分’ for s in 评分统计.index],

autopct=’%1.1f%%’, startangle=90)

plt.title(‘用户评分分布’)

plt.savefig(‘评分分布.png’, dpi=150, bbox_inches=’tight’)

plt.show()

print(“饼图已保存到 评分分布.png”)

`

第三步：在Colab中运行

1. 打开 colab.research.google.com
2. 新建一个笔记本
3. 把AI生成的代码粘贴进去
4. 在代码前加一个格子，写入测试数据：

`python

# 创建测试数据

import pandas as pd

data = {

‘用户ID’: [‘001’, ‘002’, ‘003’, ‘004’, ‘005’],

‘反馈内容’: [‘这个App太好用了！’, ‘经常闪退很烦人’, ‘界面设计不错但功能太少’, ‘希望能增加夜间模式’, ‘更新后更卡了’],

‘评分’: [5, 1, 3, 4, 1],

‘日期’: [‘2026-06-01’, ‘2026-06-02’, ‘2026-06-03’, ‘2026-06-04’, ‘2026-06-05’]

}

df = pd.DataFrame(data)

df.to_csv(‘反馈数据.csv’, index=False, encoding=’utf-8-sig’)

print(“测试数据已创建！”)

`

1. 按Shift+Enter依次运行每个格子

你会看到：终端输出评分统计，一个饼图直接显示在页面上，同时生成了”差评.csv”文件。

关键感受：你从头到尾没有”写”代码，只是”描述”了需求，然后”复制粘贴”了结果。这就是AI编程的日常。

---

实操二：让AI帮你写一个网页小工具

场景设定

你想做一个简单的BMI计算器网页——输入身高体重，自动算出BMI值并给出健康建议。

向AI描述需求

帮我写一个单文件的HTML网页，实现BMI计算器。要求：

>

1. 两个输入框：身高（厘米）和体重（公斤）

2. 一个”计算”按钮

3. 点击后显示BMI数值和对应的健康等级（偏瘦/正常/偏胖/肥胖）

4. 界面要美观，用卡片式设计，圆角，柔和的配色

5. 纯HTML+CSS+JavaScript，不依赖任何外部库

6. 全部代码写在一个HTML文件里

拿到代码后

AI会生成一个完整的HTML文件。你可以：

1. 打开电脑上的记事本（或任何文本编辑器）
2. 把代码粘贴进去
3. 保存为 bmi.html
4. 双击打开——一个漂亮的BMI计算器就出现了

不需要安装任何东西，不需要服务器，一个HTML文件就是一个完整的应用。

进阶：让AI继续优化

如果你觉得不够好，可以继续对话：

很好，但我还想加这些功能：

1. 输入框增加实时验证，身高必须在100-250之间，体重必须在20-200之间

2. 增加一个”历史记录”功能，用浏览器本地存储保存最近10次计算结果

3. 界面加一个深色模式切换按钮

AI会更新代码，你替换原来的文件再刷新页面就行。

这就是和AI协作编程的核心模式：描述需求 → 拿到代码 → 测试 → 提反馈 → 迭代优化。

---

实操三：让AI帮你写自动化脚本

场景设定

你的电脑里有一个文件夹，里面堆满了各种文件——PDF、图片、Word文档、Excel表格，乱成一团。你想让AI帮你写一个脚本，自动按文件类型分类整理。

向AI描述需求

帮我写一个Python脚本，功能是自动整理文件夹。具体要求：

>

1. 扫描指定文件夹（通过命令行参数传入）

2. 按文件扩展名自动分类到子文件夹：

– 图片类（jpg/png/gif/webp）→ “图片” 文件夹

– 文档类（pdf/doc/docx/txt）→ “文档” 文件夹

– 表格类（xls/xlsx/csv）→ “表格” 文件夹

– 视频类（mp4/avi/mkv）→ “视频” 文件夹

– 其他类型 → “其他” 文件夹

3. 如果目标文件夹已存在同名文件，自动在文件名后加数字后缀

4. 运行完成后打印整理报告（每个分类移动了多少个文件）

5. 加上详细注释，让不懂编程的人也能看懂

运行方式

拿到代码后保存为 organize.py，在终端运行：

`bash

python organize.py ~/Downloads

`

脚本会自动扫描你的下载文件夹，把几百个乱七八糟的文件分门别类整理好。

安全提示：第一次运行建议先用 --dry-run 参数（让AI加上这个功能），只预览会做什么操作而不真的移动文件。确认无误后再正式运行。

---

和AI对话写代码的五个技巧

通过上面三个实操，你已经体验了AI编程的完整流程。这里总结五个让你效率翻倍的技巧：

技巧一：描述要具体，别说”帮我写个程序”

不好的描述：

帮我写一个Python脚本处理数据

好的描述：

帮我写一个Python脚本，读取名为sales.csv的文件（列：日期、产品、数量、单价），按产品汇总总销售额，找出销售额最高的前5个产品，生成柱状图保存为PNG

越具体，AI给你的代码越精准，需要修改的地方越少。

技巧二：告诉AI你的环境

在需求里加上这些信息，能避免很多兼容性问题：

我用的是Windows 11系统，Python 3.11，在Google Colab上运行

或者：

我用的是Mac，没有安装Python，希望用纯HTML+JavaScript实现

技巧三：分步骤来，别一次要太多

如果你需要一个复杂的功能，把它拆成几步：

1. 先让AI实现核心功能
2. 测试通过后，再加第一个优化
3. 再测试，再加第二个优化

每次只改一个地方，出问题了容易定位。

技巧四：代码报错不要怕，把错误信息发给AI

运行代码时出错了？没关系——

1. 复制完整的错误信息
2. 粘贴给AI
3. 说”运行这段代码报错了，请帮我修复”

AI看错误信息比人快得多，通常一次就能修好。

技巧五：让AI给代码加注释

在你的需求末尾加上：

请在代码中加上详细的中文注释，解释每一段在做什么，让不懂编程的人也能看懂

这样你不仅能用代码，还能从中学到编程知识。

---

今日总结

今天晚课我们完成了三个动手实操：

• 数据处理：让AI写Python脚本分析CSV数据，统计+筛选+可视化，全程零代码编写
• 网页开发：让AI生成完整的BMI计算器网页，一个HTML文件就是一个应用
• 自动化脚本：让AI写文件整理脚本，把混乱的文件夹自动分类

核心收获：AI编程不是”会写代码的人才能用”，而是”会描述需求的人都能用”。 你只需要把想要什么说清楚，AI负责把话变成代码。

---

今日行动项

动手试试这三个练习，巩固今天学到的内容：

• 初级：打开ChatGPT或Claude，让AI帮你写一个”单位换算器”网页（长度、重量、温度），保存为HTML文件用浏览器打开
• 中级：找一个你工作中重复性的Excel操作（比如合并多个表格、数据清洗），用自然语言描述给AI，拿到Python脚本并运行
• 高级：让AI帮你写一个”个人记账本”网页应用，支持添加收支记录、按月统计、用localStorage保存数据

---

📖 地铁深读：AI编程的”涌现能力”——它不只是在翻译你的话

这个板块专为地铁通勤设计，每篇5-10分钟。不想深读可以跳过，不影响主线学习。

AI写代码比写文章更”准”？

你有没有发现一个有趣的现象：AI写代码的准确率，往往比写文章更高。

写文章时，AI可能会”幻觉”——编造不存在的数据、虚构引用来源。但写代码时，AI很少犯这种错误。为什么？

因为代码是可以验证的。

一段Python代码，要么能运行，要么报错。不存在”这段代码看起来对但其实不对”这种模糊地带。AI在训练时见过数以亿计的代码和对应的运行结果，它”知道”什么样的代码结构能工作，什么样的会报错。

更重要的是，编程语言的语法是严格有限的。不像自然语言有无穷的表达方式，Python的关键字只有35个，语法规则也是固定的。这让AI更容易”做对”。

一个反直觉的事实：AI编程正在降低”编程能力”的价值

这句话听起来像是在说”程序员要失业了”，但其实不是。

2025年Stack Overflow的调查显示，85%的开发者已经在使用AI编程工具。但与此同时，软件工程师的平均薪资不降反升。

为什么？因为AI替代的是”写代码”这个动作，而不是”解决问题”这个能力。

真正值钱的从来不是”会写代码”，而是”知道该写什么代码”。

你需要理解业务需求，需要设计系统架构，需要判断哪个方案更优——这些AI做不了。AI能做的是：你告诉它要什么，它帮你快速实现。

所以AI编程工具的普及，实际上是在提升所有人的生产力，而不是淘汰程序员。就像Excel没有淘汰会计，而是让会计能处理更多数据一样。

一个正在发生的趋势：”平民开发者”

2025年，一个新词开始流行：“平民开发者”（Citizen Developer）。

指的是那些不懂编程，但能用AI工具和低代码平台构建应用的人。比如：

• 一个销售经理用AI搭建了客户跟进系统
• 一个小学老师用AI做了学生作业批改工具
• 一个花店老板用AI写了自动回复顾客的聊天机器人

编程正在从”专业技能”变成”通用能力”，就像20年前学会用Word一样。

思考题

想一个问题：你的工作中，有哪些重复性的操作可以被一个脚本自动化？

比如：

• 每天手动从某个网站复制数据到Excel
• 每周手动汇总多个表格的数据
• 每次发邮件都要手动填写类似的内容

把这些”痛点”记下来——Day 39我们会讲Cursor和Copilot这些更强大的AI编程工具，到时候你会发现，这些痛点几乎都能被解决。

留个悬念：Day 39我们会深入讲AI原生IDE——Cursor。它和今天用的ChatGPT写代码有什么不同？简单说：ChatGPT是你问一句它答一句，Cursor是它看着你写代码，随时准备帮你。区别就像出租车和自动驾驶。

---

下篇预告

明天早上8点：Day20——早课 AI数据分析：表格与报告

明天下午5点：Day20——晚课 AI数据分析实战