📌 不会写代码，但想让电脑替你干点重复的活：合并订单表、把对账单理成一张表、批量改产品图、做一个只有自己用的报价计算器。这些事现在真的可以靠 AI 编程工具做出来。这篇讲清楚工具有哪几类、怎么选、第一次怎么动手，以及哪些红线不能碰。本文含推荐链接，通过链接下单我可能获得少量佣金，不影响你的价格，详见佣金披露。
做跨境这些年，我见过太多这样的场景：一个人守着三四个平台，每个月月底花两个整天，把各家后台导出来的订单表、退款表、广告账单、物流费用一张张拼在一起，只为了算清楚上个月到底赚没赚钱。表格拼错一列，结论就反过来了。
这类活的特点是：不难，但烦；不动脑子，但吃时间；而且每个月都要重来一遍。它们本来就应该交给程序去做，可问题在于，大部分跨境卖家不会写代码，请人写又不值当——为了一个月省两天的活，去花几千块外包，还要跟人来回沟通需求，多数人算完这笔账就放弃了。
这一两年，这件事的成本结构变了。现在你可以用中文把想要的东西描述给 AI，它把代码写出来，你运行一下看看对不对，不对就再说一句让它改。你不需要看懂代码，只需要看懂结果对不对。这篇文章要讲的就是这条路怎么走通：工具有哪些、多少钱、第一次该从哪件事下手、怎么描述需求成功率才高，以及最重要的——哪些事你千万别让它干。
先说清楚 AI 写代码这件事现在到底到了哪一步
2025 年 2 月，前特斯拉 AI 总监、OpenAI 创始成员之一的 Andrej Karpathy 在社交平台上随手发了一段话，说自己在用一种新的写代码方式，叫「vibe coding」——完全跟着感觉走，AI 写什么他就接受什么，报错了就把错误信息整段贴回去让它自己修，几乎不看代码本身。这个词后来火到什么程度？同年 11 月，柯林斯词典把 vibe coding 评为 2025 年度词汇，定义就是用自然语言指挥 AI 生成代码。
一个技术圈的段子式说法，一年之内成了词典年度词，这本身说明了这件事的普及速度。但我要提醒你的是，普及速度不等于可靠程度，这两件事经常被混为一谈。
有一项被引用得很多的研究值得你知道。2025 年 7 月，非营利研究机构 METR 发布了一项随机对照实验：16 位资深开源开发者，在自己维护多年的成熟项目上完成 246 个任务，随机分配「允许用 AI」和「不许用 AI」。结果是，用了 AI 的那一组，完成任务的时间反而多了 19%。更有意思的是这些开发者的自我感觉：做之前他们预计 AI 能让自己快 24%，做完之后他们仍然觉得快了 20%。感觉和数据完全相反。
这个结果经常被拿来说「AI 编程没用」，但你得看清它的边界条件：受试者是资深程序员，任务是在他们平均维护了五年的复杂老项目里改东西，用的是 2025 年初的模型和工具。METR 自己在 2026 年 2 月也调整了后续实验的设计。这个场景和你要干的事几乎是两个极端——你不是在几十万行的老代码里做外科手术，你是从零开始写一个只有一百行、只有你自己用、跑错了大不了重来的小脚本。
所以我的判断是：AI 编程工具在「资深程序员改复杂老系统」这件事上，价值有争议；但在「完全不会写代码的人，做一个自己用的小工具」这件事上，价值是实打实的，因为在没有它之前，这件事的答案是零——你根本做不出来。零和有，是质变。
先想清楚哪些活值得做成小工具
动手之前，先花十分钟想清楚你要解决什么。这一步比选工具重要得多。我见过不少人是反过来的：先兴冲冲装了一堆工具，然后对着空白窗口发呆，不知道该让它干什么，三天之后卸载。
判断一件活值不值得做成工具，我用三个标准：重复发生（至少每月一次）、规则明确（你能用几句话说清楚该怎么做）、结果可验证（做完你一眼能看出对不对）。三条都满足的，做；缺一条的，先放着。
结合跨境生意的日常，下面这些是典型的适合场景：
- 把多个平台的订单表合成一张。各家后台导出的 CSV 列名都不一样，人工对齐最费神。写个脚本读进来、按你的规则映射列名、合并输出，以后每个月拖进去就行。
- 按 SKU 汇总成本和利润。把采购价、头程、平台佣金、广告费、退款按订单号或 SKU 拼起来，算出单品毛利。这件事我很早就做过一个网页版的收款成本计算器，那时候还得自己一行行敲，现在描述一遍需求就能出个雏形。
- 从 PDF 账单里提取金额和日期。物流商、平台、银行寄来的 PDF，人工誊到表格里最容易出错。让程序读出来再核对，效率完全不同。
- 批量处理产品图。统一尺寸、加白底、压缩体积、按 SKU 重命名。上百张图的时候，手工点鼠标是纯粹的体力消耗。
- 做一个只给自己用的小网页。比如报价计算器、汇率换算加成本的定价表、给客户看的简易对照表。做成网页的好处是手机上也能打开。
反过来，下面这些我建议你别碰：涉及给客户扣款、动真实资金流的；需要长期稳定运行、坏了会影响生意的；处理大量客户个人信息的；以及任何你自己无法判断结果对错的活。这几类不是 AI 做不出来，而是它做错的代价你承担不起，后面我会专门讲。
三类工具，先搞清楚你要的是哪一类
市面上叫「AI 编程」的东西很多，但对你这样的非程序员来说，实际上只分三类，门槛和用途差别很大。
第一类：直接在聊天窗口里要代码
就是你已经在用的 ChatGPT、Claude、Gemini 的网页版或者手机 App。你把需求说出来，它给你一段代码，你复制到该去的地方运行。
这一类的门槛最低，零安装、零学习成本，适合一次性的小活：一条 Excel 公式、一段 Google Sheets 的自动化脚本、一个正则表达式、一小段 WordPress 的自定义代码。缺点是它看不到你电脑里的文件，也不能替你运行，所有的复制粘贴和试错都得你自己做。文件一多、步骤一长，你会累。
如果你还在纠结这几家的聊天助手怎么选，我之前写过一篇跨境创业者的 AI 助手对比，可以先看那篇。
第二类：一句话生成一个能用的网页
代表是 Lovable、Replit 这类平台。你在网页上用大白话描述想要什么，它直接给你生成一个能打开的网站或者小应用，还帮你部署好，给你一个链接。
这一类适合「要做个东西给别人用」的场景：一个报名表、一个内部查询工具、一个产品对照页。好处是全程不用碰电脑本地环境，坏处是你被绑在这个平台上，改动全靠它的额度，复杂需求容易卡住，而且这类平台普遍按「点数」计费，改一次扣一次，改得多花得快。
第三类：能读写你电脑文件的编程代理
这一类是这两年变化最大的，也是我认为对跨境卖家最有用的。代表是 Claude Code、OpenAI 的 Codex、Cursor、GitHub Copilot，以及 Google 的 Antigravity。
它们和聊天窗口的本质区别是：它能直接读你电脑上某个文件夹里的文件、直接把代码写进去、直接运行看结果、看到报错自己修，然后告诉你干完了。你要做的是把文件放进一个文件夹，说一句「把这个文件夹里的订单表按 SKU 汇总利润，输出一个新表」，然后等着看结果。
门槛在于你得装个东西，有些还要在终端（Terminal，就是那个黑框框）里敲一行命令启动。这一步吓退了很多人，但说实话，需要你敲的就是那一行，之后全是中文对话。Claude Code 的官方文档里也说明它除了终端，还有桌面 App、浏览器版和编辑器插件几种用法，不想碰终端的可以直接用桌面版。
主流工具和价格对照
下面这张表是截至 2026 年 9 月各家官方页面上的个人档价格，全部以官方页面为准——这类产品调价和改规则非常频繁，你看到这篇文章时数字可能已经变了。
| 工具 | 类型 | 个人档价格（美元/月） | 适合谁 |
|---|---|---|---|
| Claude Code | 编程代理 | 随 Pro 订阅 20（年付 17），Max 档 100 起 | 想让它直接处理本机文件的人 |
| OpenAI Codex | 编程代理 | 含在 ChatGPT 付费订阅里，Plus 档 20 | 已经在付 ChatGPT 的人 |
| Cursor | 编辑器＋代理 | Hobby 免费，Pro 20，Pro+ 60，Ultra 200 | 愿意用编辑器界面的人 |
| GitHub Copilot | 编辑器插件 | 免费档 0，Pro 10，Pro+ 39，Max 100 | 预算最紧、只要补全的人 |
| Replit | 网页生成＋托管 | Starter 免费，Core 20，Pro 100 | 想直接生成网页应用的人 |
| Lovable | 网页生成 | 有免费档，付费按点数计费 | 只想做个能给别人看的页面 |
| Antigravity | 编程代理 | 有免费额度 | 想先零成本试试的人 |
几点需要补充说明的：
Claude 的免费档不包含 Claude Code，要用得订 Pro 或者更高，具体见 Claude 官方定价页。Codex 的命令行版本是开源的，代码就放在 GitHub 上，采用 Apache-2.0 许可，登录时用 ChatGPT 账号即可，官方说明支持 Plus、Pro、Business、Edu、Enterprise 这几档订阅。
Cursor 的四个个人档功能其实完全一样，差别只在额度大小，年付统一打八折，细节见 Cursor 定价页。GitHub Copilot 有真正可用的免费档，每月两千次代码补全加五十次对话，付费档按包含的 AI 额度分级，见 Copilot 官方页面。Replit 的价格和额度见 官方定价页，Lovable 的点数规则调整比较频繁，直接看 Lovable 官方页面 更准。
Google 这条线要单独说一句，因为很多人还在用旧名字。Google 官方在 2026 年 5 月 19 日宣布，用 Antigravity CLI 取代原来的 Gemini CLI，个人用户的 Gemini CLI 在 2026 年 6 月 18 日停止服务。所以你现在看到网上 2025 年的 Gemini CLI 教程，命令已经不对了，新的命令是 agy。
如果是我给一个完全没碰过的人建议：先用你已经在付费的那家。你要是本来就有 ChatGPT Plus，那就直接用 Codex，不用再多花一份钱；本来就用 Claude 的，Pro 订阅里就带 Claude Code。都没有的话，从 Copilot 的免费档或者 Antigravity 的免费额度开始试水，试出感觉了再决定往哪家付钱。一上来就同时订三家，是最常见的浪费。
第一次动手，按这个顺序走
很多人失败在第一次就挑了一个太大的目标。「我要做一个自动同步所有平台库存的系统」——这种想法很好，但它是你的第五个项目，不是第一个。第一个项目的唯一目的是让你走通全流程，建立「原来我真的能做出来」这个认知。
我建议的顺序是这样：
- 挑一件小到有点无聊的活。比如「把这个文件夹里的十几张图统一改成 1000×1000 的白底图并重命名」，或者「把这两个 CSV 按订单号合并成一个」。半小时能验证完的那种。
- 准备一份脱敏的样例数据。把真实文件复制一份，删掉客户姓名、地址、电话、卡号，只留结构和几行示意数据。永远拿这份副本去试，不要动原始文件。
- 建一个干净的空文件夹。把样例数据放进去。用编程代理类工具的时候，让它只能看到这一个文件夹，别对着整个桌面或者整个文档目录开工。
- 把需求一次说清楚。说明输入是什么、输出要什么样、有哪些特殊情况。下一节我会给一个可以直接套用的模板。
- 先跑通最简单的那一版。不要一次提十个要求。先让它做出一个能跑的最小版本，你验证结果没问题了，再一条一条加功能。每加一条就验证一次。
- 让它写一份使用说明。做完之后加一句：「写一个 README，说明这个工具是干什么的、怎么运行、需要什么条件，用中文写。」下个月你再打开的时候会感谢这一步。
- 把提示词和代码一起存起来。你写的那段需求描述，价值不比代码低。换个工具、换个模型，你把那段话再喂一遍，就能重新生成一版。
走完这七步，你大概会花掉一个下午。但这个下午之后，你对「什么事能交给它、什么事不行」会有一个直觉，这个直觉比任何教程都值钱。
怎么描述需求，成功率差别很大
同一件事，两个人来提，一个十分钟做完，一个折腾两小时还是错的。差别几乎全在描述需求的方式上。我职业写文案出身，这些年也出过两本书，深知一件事：把需求说清楚本身就是一门手艺，跟对方是人还是 AI 关系不大。
下面这个模板你可以直接套：
- 输入是什么。「我有一个文件夹，里面是若干个 CSV 文件，都是 Shopify 后台导出的订单，编码是 UTF-8，第一行是表头。」
- 输出要什么。「我要一个新的 Excel 文件，每行一个 SKU，列包括销量、销售额、退款额、净销售额，按净销售额从高到低排。」
- 规则和例外。「退款的订单状态字段是 refunded，这类订单要计入退款额但不计入销量。SKU 为空的行直接跳过并在末尾列出来。」
- 运行环境。「我用的是 Mac，没装过开发环境，请用最少依赖的方式实现，并告诉我怎么一步步运行。」
- 先说方案再动手。「动手写之前，先用中文告诉我你打算怎么做，我确认之后你再写。」
最后这条我认为是整篇文章里最实用的一句。让它先说方案，你花一分钟看一眼思路对不对，能省掉后面半小时的返工。很多时候你会发现它理解错了某个字段的含义，这时候纠正的成本几乎为零。
另外几条经验：报错的时候，把错误信息从头到尾整段复制回去，不要自己总结成「它报错了」；一次只提一个改动，改完验证再提下一个；如果连续三四轮都在原地打转，别再纠缠，新开一个对话，把需求重新描述一遍，往往比继续修快得多。
你看不懂代码，怎么知道它做对了
这是不会编程的人用这类工具时最核心的一个问题。答案是：你不验证代码，你验证结果。方法有四个，都不需要任何技术基础。
第一个是手工对照法，也是最重要的一个。拿三到五条你已经知道正确答案的数据，让工具跑一遍，把它的输出和你手工算的结果一个数一个数地比。数字对得上，说明主逻辑没问题；对不上，把差异告诉它，让它去查。这一步在第一次运行的时候绝对不能省，尤其是涉及钱的。
第二个是极端值测试。故意喂给它一些不正常的数据看它怎么反应：空文件、只有表头没有数据的表、金额是负数的退款单、SKU 里带中文或者带空格的、日期格式和其他行不一样的。真实数据里这些情况迟早会出现，与其到时候被它算出一个离谱的结果，不如现在就试出来。发现处理得不对，就告诉它「遇到这种情况应该怎么办」。
第三个是总数守恒法。这招对处理表格特别管用：处理前后，总行数、总金额这类汇总数字应该有明确的对应关系。比如一百条订单合并之后应该还是一百条，总销售额应该等于各平台之和。你可以直接要求它：「在输出的最后打印处理了多少行、总金额是多少，我要和源文件核对。」这一句话能帮你抓出大部分静悄悄的错误。
第四个是让它自己解释。跑完之后问一句：「用中文解释一下你这段程序每一步在做什么，特别是遇到异常数据时会怎么处理。」你不需要看代码，看它的解释就行。如果它的解释和你的预期不一致，说明理解偏了，这时候纠正比等结果错了再回头找便宜得多。
说到底，你和这个工具的分工是：它负责把事情做出来，你负责判断做得对不对。这个判断责任任何工具都替不了你，这也是为什么前面说「结果可验证」是选题的硬标准——一件你自己都判断不了对错的活，就不该交给它做。
做出来的东西放哪儿
这是很多人做完第一个工具之后卡住的地方：东西是有了，但下次怎么用？
分三种情况。
只有你自己用、而且是隔一段时间跑一次的，就放在你电脑上，双击一个文件运行就行，不需要任何服务器。这是绝大多数人的情况，也是最省事的方案，不要给自己加戏。
需要给同事、合作伙伴或者客户用的，做成网页更合适。最省事的是用前面说的 Replit、Lovable 这类平台，生成完直接就有个链接。
如果你已经有自己的网站，或者这个工具要长期用、想放在自己可控的地方，那就放到自己的服务器上。我的博客一直跑在 Cloudways 云主机上，站内也有一篇独立站主机怎么选的完整对比可以参考。把小工具挂在自己已有的服务器上，边际成本基本是零，而且数据在自己手里。要提醒的是，一旦东西放到公网上能被别人访问，安全的要求就完全不同了，这直接引出下一节。
几条不能碰的红线
这一节如果你只看一段，就看这一节。工具做错了大不了重做，下面这几件事做错了，代价是真金白银甚至法律责任。
第一，不要把真实的密码、API 密钥、后台登录信息直接贴进对话框。需要用到密钥的时候，让 AI 写成从环境变量或者单独的配置文件里读取，你自己把真实的值填进那个文件，并且确保这个文件不会被同步到任何云端或者代码仓库。这是行业通行做法，不是我个人偏好。
第二，AI 生成的代码在安全性上远没到可以闭眼信任的程度。Veracode 在 2026 年的 GenAI 代码安全报告里测了一百多个模型，平均安全通过率停在 56%，跟前一年的 55% 几乎没变；分类看更难看，跨站脚本这一类的通过率只有 15%，日志注入只有 12%。翻译成人话：模型现在写出「能跑的代码」几乎百分之百没问题，但写出「安全的代码」还是掷硬币的水平。所以只在你自己电脑上跑的小脚本，风险可控；一旦要放到公网上、还要接收别人输入的东西，你就需要懂行的人看一眼，别硬上。
第三，别让它去写抓取平台数据的脚本。亚马逊、eBay 这些平台的使用条款里都明确禁止未经授权的自动化抓取，账号被封的风险是实实在在的，而且封了没地方讲理。要拿平台数据，走官方开放接口这条路，虽然申请麻烦一点，但它是合规的。这里 AI 反而帮得上忙——让它帮你读官方接口文档、写调用代码，效率高得多。
第四，涉及客户个人信息的处理要谨慎。姓名、地址、电话、邮箱这些，在加拿大、欧盟、美国部分州都受隐私法规约束。做测试一律用脱敏数据，真实数据只在你自己完全掌控的机器上处理，不要为了图方便把整份客户名单贴进任何一个对话框。
第五，凡是涉及钱的数字，人工对一遍。我自己是 IRS 认证代理人（Certifying Acceptance Agent），也拿了 QuickBooks Online 的 ProAdvisor 认证，处理账目这些年最深的体会就是：一个小数点错位，不会有任何系统报警，只会在几个月后以某种更贵的方式找上门。让 AI 帮你算，但结果必须你自己抽样核对，尤其是第一次跑的时候，拿三五单手工算一遍对比。
人在国内的读者要先解决的几个前提
这一段是给国内读者的，人在北美的可以跳过。
先说可用性。这几家的官方服务并不覆盖所有国家和地区。以 Anthropic 为例，它官网的支持地区列表里，加拿大在列，中国大陆和香港都不在列。其他几家的情况类似，具体以各家官网当时的列表为准。这意味着你需要一个合规的网络环境和一张能用的境外支付方式，这两件事本身就是门槛。关于合规访问这类境外服务，我写过中国电信 CTExcel 加拿大电话卡的使用体验，思路可以参考。
再说支付。这些工具基本都只收境外信用卡。如果你手上还没有一张能订阅境外服务的卡，这件事本身就该先解决，站内关于美国信用卡和银行账户的文章比较多，可以按需去翻。
最后说一句现实的：如果这些前提你一时半会儿解决不了，也不必焦虑。国内的几家大模型同样能写代码，做本文说的这类小工具完全够用，思路和方法这篇文章里讲的全都适用，换个窗口而已。工具是可替换的，把需求说清楚的能力才是你自己的。
要不要学一点编程基础
这是被问得最多的问题之一，我的答案是：不需要学会写，但值得花几个小时搞懂几个概念。
具体来说就这么几样：什么是文件路径，为什么它会找不到你的文件；什么是运行环境和依赖，为什么在你朋友电脑上能跑的东西在你这儿报错；什么是命令行，怎么在里面切换目录和运行一个文件；以及为什么代码要用版本管理，哪怕你只是把每次改动复制一份存起来。
这几件事搞懂了，你和 AI 的沟通效率会翻倍，因为你能看懂它在说什么，也能给它更准确的信息。搞不懂，你就永远停留在「它说了一句我看不懂的话，我不知道该回什么」的状态。
我 2018 年在博客上写过一篇跨境电商卖家要不要学 Python，当时的结论是值得学一点。放到今天我要修正一下：不必再从头学一门语言了，但那些底层概念反而更重要了，因为你现在指挥的是一个能真的动你文件的东西，你得知道它在动什么。
如果想有本书垫一垫，Al Sweigart 那本 Automate the Boring Stuff with Python（第二版）是给零基础的人写的，讲的全是处理表格、文件、邮件这类真实的琐事，跟本文的思路高度一致，纸质版价格大概在二三十美元区间。作者也把全书内容免费放在了自己网站上，想先看看再决定的可以去搜一下。
什么时候该停手去找人
知道边界在哪儿，比会用工具更重要。下面这几种情况出现，我的建议是停下来，别再自己往前冲。
一是这个东西开始有别人依赖它。只有你用，坏了你自己知道；一旦同事每天靠它出数据，它就从玩具变成了生产工具，需要有人对稳定性负责。
二是它开始碰真钱。自动开发票、自动扣款、自动改价格，这类一旦逻辑有洞，损失是直接的。
三是你连续几轮都修不好，而且完全不知道它错在哪儿。这说明问题已经超出了你能验证的范围，继续试只是在赌。
四是要放到公网上给不特定的人访问。这时候安全问题不再是理论风险，前面那组安全通过率的数字就是提醒。
这几种情况下，花钱找个懂行的人看一遍，或者干脆买一个成熟的现成产品，都比硬撑划算。工具的意义是帮你省时间，不是让你把省下来的时间加倍还回去。
另外说一句，很多你以为需要写代码的活，其实用现成的自动化平台连一连就解决了，不用真的写程序。这一块我单独写过一篇不用写代码的自动化：Zapier、Make、n8n 怎么选，动手写工具之前不妨先看看那篇，也许你根本不需要走到这一步。
这件事对个人跨境创业者到底意味着什么
我从 2014 年开始写这个博客，做跨境也做了十来年，见过工具更迭好几轮。每一轮的共同点是：真正拉开差距的从来不是谁先用上了新工具，而是谁先想清楚了要用它解决什么问题。
过去十年，一个人做跨境最大的天花板之一是执行力的上限——你一天只有那么多小时，重复劳动占掉一大半，能用来思考选品、看数据、跟供应商谈判的时间就那么点。AI 编程工具真正的价值不在于让你变成程序员，而在于把那些吃掉你时间的重复劳动切走一块。切走的这块时间投到哪儿，才决定了它对你有没有意义。
反过来我也想说句实在话：如果你现在的生意本身没跑通，重复劳动也不多，那这套东西对你的优先级并不高，先把生意跑通更要紧。工具永远是放大器，放大的是你原本就在做的事。
这类具体怎么落地的问题，我在晨飞博客会员社群里经常和大家一起拆。会员是 980 人民币一年，聊的都是跨境生意、北美公司与生活这些实打实的事，我自己验证过的路径和踩过的坑会先在那里更新。不吹收益，只讲我自己验证过的东西。
常见问题 FAQ
完全不懂编程，真的能用这些工具做出东西吗？
能，但有前提。做「只有自己用、跑错了大不了重来」的小工具，不懂编程完全没问题，你只需要能判断结果对不对。做「别人依赖它、涉及真钱、要放到公网上」的东西，不懂编程就有风险，因为你无法验证它的正确性和安全性。判断标准不是难不难，而是错了你能不能承担。
这些工具一个月要花多少钱？
先从免费的开始。GitHub Copilot 有免费档，Google 的 Antigravity 有免费额度，Cursor 的 Hobby 档也免费，先用这些试出感觉。真要付费，主流的个人档基本是每月 20 美元这个价位，Claude Pro、ChatGPT Plus、Cursor Pro、Replit Core 都在这条线上，GitHub Copilot Pro 更便宜，每月 10 美元。以上均为截至 2026 年 9 月各家官方页面上的价格，以官方页面为准。我的建议是先用你已经在订阅的那家，别一上来同时订三家。
AI 写的代码能直接用在我的独立站上吗？
要非常小心。给自己电脑上跑的脚本和放到网站上对外服务的代码，安全要求完全不是一个量级。Veracode 2026 年的报告显示 AI 生成代码的平均安全通过率只有 56%，跨站脚本这类问题的通过率只有 15%。如果只是一小段展示用的代码片段，风险较低；如果涉及表单提交、用户登录、支付相关，建议找懂行的人过一遍，或者用成熟插件替代。
Gemini CLI 的教程还能用吗？
不能了。Google 官方在 2026 年 5 月 19 日宣布用 Antigravity CLI 取代 Gemini CLI，个人用户的 Gemini CLI 在 2026 年 6 月 18 日停止服务，新的命令是 agy。网上 2025 年的 Gemini CLI 教程里的命令已经跑不通，看教程时先确认发布日期。
做完的工具怎么保证下次还能用？
三件事。一是让 AI 给你写一份中文的使用说明，放在同一个文件夹里；二是把你当初的需求描述原文存下来，换个工具还能重新生成一版；三是别去改那些你看不懂的部分，想加功能就重新描述需求让它改，不要自己上手动。另外，工具依赖的外部服务如果改了规则，它可能突然失效，这种情况下把报错整段贴回去让它修，通常几轮就能解决。
我该学哪一门编程语言？
做本文说的这类活，你不用选。让 AI 自己决定用什么，它多半会用 Python，因为处理表格、文件、图片这类事的现成库最多。你要花时间搞懂的是文件路径、运行环境、命令行这几个概念，而不是某一门语言的语法。
写在最后
这几年关于 AI 的说法两个极端都有：一边说程序员要失业了，一边说全是泡沫什么也做不成。我的看法比较平淡——它就是个工具，好用的地方非常好用，不能信的地方一点也不能信，关键是你得知道分界线在哪儿。
对个人跨境创业者来说，我认为最值得抓住的一点是：过去你有一堆「知道该自动化但做不了」的活，现在这些活的门槛降到了一个下午。这不是什么颠覆性的浪漫故事，就是每个月省下两天时间而已。但做生意这件事，很多差距就是这么一点点攒出来的。
先挑一件最烦、最重复、最不需要动脑子的活，今天下午就去试一次。做成了，你自然知道下一步该做什么。
本文提到的价格、额度与产品规则截至 2026 年 9 月，各家条款以其官方页面为准，订阅前请自行确认最新条件。文中涉及的合规与法律问题仅为一般性信息分享，不构成法律或税务意见，个案请咨询持牌专业人士。
图片说明：文中第一张图片 “Macro laptop coding” 由 Marc Mueller 拍摄，来自 Wikimedia Commons，许可证 CC0；第二张图片 “Lines of code” 由 Artem Sapegin 拍摄，来自 Wikimedia Commons，许可证 CC0。
.jpg){kind=link}
.jpg){kind=link}