零基础小白实测两月：靠着 WorkBuddy 独立做出两款小程序，聊聊我的真实使用心得

我是完全没有编程基础的纯外行，连基础代码术语都看不懂，靠着 AI 工具尝试自己做小程序，一晃已经用了两个多月。这段时间里我试过不少热门 AI 工具，兜兜转转之后，最终一直稳定在用 WorkBuddy，全程只用大白话和它沟通，没手写一行代码，现在已经做完两个小程序，其中一个马上就能申请上架。今天就实实在在分享一下我一路踩过的坑，还有摸索出来的好用小技巧，给同样零基础想动手做小程序的朋友做个参考。

最开始打算自己做小程序的时候，心里一点底都没有，自己不懂技术，也不想花钱找人定制，就想着借助 AI 工具试试看。陆续体验过好几款当下人气很高的 AI 产品，每一款都认认真真上手试用过一段时间，综合日常操作顺手程度、贴合小程序开发的适配度来看，我个人最习惯、用着最省心的还是 WorkBuddy。就连同系列的 CodeBuddy 我也试过，对比下来，还是 WorkBuddy 更贴合我的使用习惯。

WorkBuddy 有个我特别喜欢的设计，就是可以直接挑选预设好的专业角色。我平时最常选用代码审查专家、全栈工程师这两个角色，不用每次开口都反复跟 AI 解释它该做什么工作。选定角色之后，它自然而然就会站在专业角度梳理需求，给出的内容条理很清楚，不用我一遍遍修正沟通方向，对于我这种外行来说，直接省下了大把沟通时间，上手门槛低了不少。

虽说工具用起来顺手，但我前期还是走了超多弯路。我本身一点代码知识都没有，哪怕连续使用两个多月，依旧只会用日常口语描述想法，不会写规范的需求文档。刚开始跟 AI 对话做小程序，前几步看着进展挺顺利，可多轮修改迭代之后，整个项目变得乱糟糟的。

经常改着后面的功能，前面已经做好的部分莫名就出问题，好几次做到一半心态崩溃，差点就打算放弃了。慢慢复盘才发现，问题根本不在工具身上，而是我和 AI 的沟通方式出了大问题。大多数 AI 模型都有上下文记忆上限，如果我不给 AI 划定清晰的限制条件，它很容易偏离最初定下的开发目标，随意改动已经调试好的内容。经常出现改一处小功能，全局代码跟着出错的情况，越调整 bug 越多，返工好几次。

碰壁次数多了，我也一点点总结出了适合自己的一套操作流程，同时也会搭配不同模型配合使用，取长补短。

我常用的两款模型各有长处，GLM5.1 做整体架构规划、前期方案设计的时候表现很出彩，思路完整周全，用来敲定小程序整体框架再合适不过；而 Deepseek V4 Pro 的上下文记忆能力更强，到了后期细节打磨、反复微调功能的阶段，就能牢牢记住整个项目的完整结构，不会只顾着修改局部内容，打乱整体程序。

就算是记忆能力更强的 Deepseek，也不能一次性把一大堆需求全部发过去。之前我图省事，一次性罗列十几条修改任务全部发给 AI，想着一次性全部做完，结果各个功能模块互相冲突，后续排查问题耗费了好几天时间。

后来我就改掉了这个坏习惯，固定了一套操作步骤：先让 AI 把所有要做的事情整理成清晰的逐条执行方案，之后一次只发送一条任务，明确告知它只处理当前这一项，不能改动已经完工的内容。每执行完一条，我就自己测试检查一遍，确认没有问题，再下发下一条任务。

除此之外，每次开启新一轮对话，我都会重新重申一遍最初的开发目标和约束要求，提醒 AI 不要跑偏。亲身实践之后我真切感受到，哪怕 AI 功能再强大，人的全局规划和把控能力依旧无可替代。AI 只是高效的执行帮手，整体节奏还是得自己牢牢把控住，做好任务拆分和逐项验收，才能稳步推进项目，不会中途失控。

靠着 WorkBuddy 便捷的角色功能，再加上自己摸索出来的这套沟通协作办法，我这个纯外行没有求助任何技术人员，踏踏实实做完了两款完整小程序，其中一款已经测试完毕，很快就能提交上架。

回想这两个多月的经历，真心建议零基础想自己动手做小程序的朋友，不用频繁跟风更换各类 AI 工具。选一款贴合自己使用习惯、面向开发场景做过优化的工具深耕下去，远比来回尝试效率更高。

WorkBuddy 针对开发场景做了很多细节优化，自带的专业角色大大降低了外行的沟通难度，这也是我一直坚持用下来的关键原因。同时也要理性看待 AI 工具，它没办法一键生成完整成品，掌握正确的沟通方式、做好任务把控，才能真正把工具的优势发挥出来。

以上全部都是我实打实的亲身使用经历，踩过的坑、总结的经验全都毫无保留分享出来，希望能给同样零基础、想用 AI 做开发的小伙伴提供一点实实在在的参考。