先说一件有点扎心的事。
Ali Abdal，剑桥大学医学博士，YouTube 上几百万粉丝的博主，常年研究学习方法和效率。他不是程序员，过去一看到要在终端里敲命令就发怵。最近几个月他第一次认真用起 Claude Code，然后说了句让我记住的话——他过去花过大概五万美元，请所谓的「自动化顾问」来帮他理清楚：自己的生意里到底哪些环节能交给机器去干。结果这些顾问加起来达到的清晰度，还不如他对着 AI 来回聊上几句。
五万美元，输给了几句对话。这事值得想想。
你不是「先学会 AI 再用它」
大多数人面对 AI 的姿势是这样的：我得先把它学明白，才敢拿它干正经事。于是买课、刷教程、追发布会，越追越焦虑，迟迟不动手。
Ali 的做法刚好反过来。他没有「先学」。他是先逼自己造一个真用得上的东西，AI 是在造的过程里，顺手学会的。
他给这套转法起了个名字，叫「AI 飞轮」：让 AI 采访你 → AI 告诉你该造什么 → AI 帮你造 → 你在造的过程里搞懂了 AI 是怎么回事 → 你脑子里像「刷了一次固件」→ 你看见了更多本来压根想不到的可能 → 于是你又能造更多。
一句话说穿它：学会 AI，不是你烧进去的燃料，是这台飞轮转起来之后，自己排出来的废气。
这跟我前两天写的「循环工程」不是一回事——那篇讲的是顶尖工程师怎么把循环搭成一台能自己干活的机器。这篇讲的是另一头：一个连终端都没打开过的普通人，怎么让脑子里那台飞轮先转起来。
第一步：别问 AI 怎么做，让它先采访你
普通人打开 AI，第一反应都是「帮我做个 X」「给我个答案」。
Ali 用的那一招，是反过来——让 AI 先采访你。他对 Claude 说的大意是：我想用 AI 造点在工作或生活里真用得上的东西，但我不确定该造什么。你来问我问题、采访我，帮我想清楚——在我的活儿里，哪件事最磨人、最费时间，值得先交给机器。
然后他如实交代：自己的生意做三件事，做内容（YouTube、Instagram、LinkedIn），开了一所线上商学院，还在做几个软件产品。最磨人的环节是——团队每周要花大量时间，手动去扒大约 50 个同行频道的播放量、标题、封面，再一个个抄进 Google 表格。
Claude 顺着采访下去，给出第一个该造的东西：从 YouTube 入手（它有公开 API，最好啃），做一个竞品追踪面板，把 50 个频道的最新视频、按播放量排好，一眼看完。
你发现没有，这就是那五万美元咨询干的活——「帮我理清楚到底该自动化什么」——只不过 AI 几句话就到了。为什么？因为顾问是来卖方案的，AI 是来问你问题的。你缺的从来不是答案，是有人逼着你把问题问清楚。
飞轮怎么转：你是在造东西的路上，顺手学会 AI 的
Ali 有个习惯：每撞到一个看不懂的词，就另开一个窗口，让 Claude 讲清楚它是什么，甚至讲讲它的来历。
他举了个例子。装某个工具时他看到 SSH 这个词，顺手就问了下去——结果半个小时，他从电报，讲到摩尔斯电码，讲到电话线，讲到冷战时美军怕电话交换机被炸，于是有人琢磨出用「数据包」来传信息，再到 TCP/IP、HTTP、万维网，最后是一个波兰学生，因为学校老被黑，气得自己写了 SSH。等他再在终端里敲下 SSH，他知道那是什么，也知道它为什么重要。
他管这叫「给脑子刷固件」。固件刷过一次，哪怕你压根不在乎计算机的历史，你也凭空多知道了一件事：原来世上还有 API 这种东西、还有 MCP 这种东西。于是某天你会突然冒出一个念头：等等，我天天用的那个软件，它有没有 API？
你要是从没听过 API 这个词，你这辈子都不会去问这个问题。
这就是飞轮的劲儿所在：你懂得越多，能想到要造的东西就越多；造得越多，又懂得越多。它不是一条直线，是一个越转越快的圈。
真正卡住人的，不是不会编程
Ali 说过一句挺狠的话：你和你奶奶的区别，不在于你会编程——你大概率也不会——而在于你愿不愿意去克服那一点点技术摩擦。
他演示去 Google 那个云控制台拿一个免费的 API key。那界面是给跑大型基础设施的公司设计的，对一个普通人来说处处是坑。Claude 形容得很妙：那就像你走进汽车 4S 店只想买辆自行车，对方却拼命要给你推销车队保险。
而 Ali 过这一关的笨办法，简单到不像个办法：每到一个完全懵的页面，Command+A、Command+C，整页复制，丢给 Claude，问一句「这页到底在说啥，我该点哪」。代码报错了也一样，复制粘贴丢回去，让它告诉你下一步。
开发者天生擅长这个——他们天天跟 bug、跟过时的文档死磕，早练出来了。普通人没在工作里碰过几次技术摩擦，所以一卡住就退了。可这恰恰是唯一真正的门槛，而它低到离谱：不是智商，是你肯不肯在「看不懂」里多待十分钟，把它解决掉。
一个能照着做的周末项目
别停在道理上，说个具体的。Ali 造那个 YouTube 竞品面板，全过程拆开就这么几步：
- 终端里三行命令：
mkdir建个文件夹、cd进去、敲claude启动。看不懂就问 Claude，它会告诉你mkdir是 make directory、cd是 change directory——你边用边就懂了。 - 拿个免费的 YouTube API key：去 Google 云控制台申请，就是上面那道摩擦，懵了就整页复制丢给 AI。
- 用大白话告诉它要什么：「我有大约 50 个同行频道，帮我抓每个频道最新 10 条视频的标题、封面、播放量。先拿 3 个频道测一下。」
- 它开始干活：建文件、写代码、自己跑、报错自己修。每一步动你电脑之前都会停下来问你同不同意——你要做的，是看懂它要干嘛，再点同意。哪一步看不懂，问它。
- 先小后大：先让 3 个频道的数据能跑出来，再顺着说「做成一个网页，缩略图和标题摆成网格」「按播放量排序」「超过一百万的标红」。你来引导，它来造。
- 跑通了再上线：用 Vercel 一类的服务一键发布，再挂个定时任务每天自动刷新。
重点从来不是这个面板。重点是你会发现：从「啥都不会」到「东西真跑起来了」，中间隔的不是几年科班，是一个周末。
一条必须先设的护栏
但有个坑得提前说。这类 AI 玩意儿玩久了，特别容易掉进一个怪圈：你花好几天，造一堆「跟别的 agent 聊天的 agent」「帮你协调别的 agent 的 agent」，看着特别忙、特别酷，实际上啥用没有。
Ali 给「有用」下了个很硬的定义：能给客户带来价值、能帮你省时间、能帮你赚钱——占不上这三条里的任何一条，就是在自我感动。
所以别为了造而造。先死死盯住那件每周最磨人、最费时间的破事，从它下手。这也是为什么第一步是「让 AI 采访你」——它逼你从真问题出发，而不是从一个炫技的点子出发。
落到我自己身上
讲到这儿你会发现，整套「飞轮」，说穿了就是把「用最低的成本，先把一个还很糙的想法跑出第一版」这件事，做成一台能自己转的机器。而它真正的门槛，从来不是聪明，是你肯不肯动手、扛不扛得过那点摩擦。
这也正是我每天在干的事。我一个人做的 Zaokit，想干的就是把这种能力塞进普通人的日常：你不用懂任何技术，把要做的事说清楚，它就帮你麻利地把图文、PPT 做出来——说白了，是帮你用最低的成本，先把脑子里那个还很糙的想法跑出个第一版，你再在它基础上挑刺、改、迭代。唯一网站：https://zaokit.app。
而把这种能力做成企业能放心用的底座，也是我一直在做的：cx.zaokit.com、cc.zaokit.com、tokenhub.zaokit.ai、gift.junxinzhang.com 以及更多项目，已经融进了不少公司的真实流程里，是稳定靠谱、开箱即用的 AI 全家桶。
写在最后
Ali 不是程序员，是个医学博士。他能做到这些，不是因为聪明到能无师自通，而是因为他没把「学会 AI」当成动手的前提。
大多数人卡在起跑线上，理由都体面：等我有空、等我先学会、等我搞懂了再说。可这台飞轮最别扭的地方就在这儿——它必须先转起来，你才学得会；你没法靠「先学会」来让它转。
所以别再「学」AI 了。挑一件你最烦的破事，让 AI 先采访你，然后忍住那十分钟的「看不懂」，把第一版跑出来。剩下的，飞轮替你转。
我是 Jason，一个自己一个人做 AI 产品的创业者。如果这篇让你想起那个一直说「等我先学会再动手」的朋友，欢迎转给他。
相关阅读：
