学编程半途而废的人有一个共同点：语法背了不少，教程看了一柜子，手里却没有一个能运行的东西。用 AI 学编程的价值，恰恰是让"做项目"这条更难坚持的路变得可行——卡点有人讲、拆解有人帮、错码有人查。本文讲怎么排项目驱动的学习计划：挑什么项目、按什么顺序补知识、AI 在哪些环节用、哪些环节必须自己扛。
先弄清半途而废的真实原因
半途而废的原因多数和智力、时间无关，和反馈结构有关。按目录学知识，前三章是变量、循环、条件，全是抽象概念，没有任何产出，动力靠意志力硬撑，撑不了几周。项目驱动把顺序倒过来：先有一个想做出的小东西，遇到什么学什么，每写一行代码都能看见它在屏幕上的效果。进度从"学到第几章"变成"做完了几个项目"，前者学完就忘，后者做完一个是一个。
挑项目的标准：几天能做完
第一个项目别碰"做个 App"这种大目标，选几天内能收尾的小东西：一个记账脚本、一个批量改文件名的小工具、一个网页上的单位换算器。判断标准有三条：功能一句话能说清；不依赖没学过的重技术；做完了自己真的会去用它。挑项目跟选品是一个道理，先评估投入和把握，再决定动手，选品评估的思路可以直接借过来：选品怎么评估。项目难度以"跳一跳够得着"为准，全程毫无卡点说明太简单，卡到三天没进展说明该换。
按需倒推，别按目录学
项目定下后，让 AI 把它拆成步骤清单，并标出每一步需要什么知识。比如记账脚本可以拆成：输入怎么接收、数据存到哪、怎么按月汇总、结果怎么展示——四步对应四块知识，每一块都带着一个马上要用的场景去学。按需学习的效率来自目标感：知道学的东西今天下午就要用，注意力完全不同。学过暂时用不上的，果断跳过，将来项目升级到那一步再回头补。
让 AI 讲思路，不代写代码
卡住的时候，先问"这个问题的思路是什么"，自己写出来，再让 AI 检查。直接要完整代码，短期省事，长期等于把大脑外包出去——看懂和写出来是两种能力，中间隔着大量试错。给自己立一条规矩：写完的每一行代码，都能向外行解释它在做什么；解释不了的行，就是没学会的地方，回去补。报错排查同样如此，别把报错信息直接甩给 AI 要答案，先自己判断错误出在哪一层——语法、逻辑还是环境，归因对了再求助，排查思路和售后数据的归因分析相通：归因的思路。
项目类型与拆解对照
| 项目 | 拆成哪几步 | 涉及的知识块 | 完成的标志 |
|---|---|---|---|
| 记账脚本 | 接收输入、存储、汇总、展示 | 变量、文件读写、基础运算 | 记一周账并算出月度合计 |
| 批量改名工具 | 扫描文件、规则匹配、执行改名 | 文件操作、字符串处理、循环 | 一条命令改完整个文件夹 |
| 单位换算网页 | 界面、逻辑、事件绑定 | 页面结构、条件判断、事件处理 | 别人不看说明也会用它 |
| 抓取表格数据 | 请求、解析、存储 | 网络请求、数据结构、异常处理 | 稳定跑完并生成一份表 |
这张表的用法：选一个项目抄下步骤，把不会的知识块告诉 AI，让它按"今天要用"的顺序给你讲，讲完立刻在项目里用上。
做完之后的十分钟复盘
项目跑通那天，趁热花十分钟记三样东西：哪里卡得久、哪块知识要回头重学、下一个项目要换什么做法。复盘的价值在下个项目启动时兑现——上一个项目踩过的坑，下一个项目绕着走，进步速度差出数倍。复盘不必写成文章，几行笔记就够，结构化的复盘框架可以参考内容创作者的年度复盘方法：复盘的框架。
这套排法的边界
项目驱动不适合两类场景。一是需要系统理论底子的方向，比如往算法岗位走，刷题和数学基础有独立的训练体系，光靠小项目堆不出来；二是纯应试场合，考纲覆盖面广，按项目倒推会漏掉不常用但必考的知识点。另外，AI 拆解的步骤清单可能漏掉隐性前提——环境配置、工具安装这些坑没人替你踩，第一天卡在装环境上很正常，把它也算进项目周期，别因此怀疑自己。
再答三个疑问
要不要先学完一门课再做项目？不要。课程当字典用，项目推进到哪查到哪。真按"先学完再做"执行，多数人停在了"学完"之前，项目永远没开始。
AI 给的代码能直接用吗？能跑通和能用是两回事。粘贴之前，逐段问清它为什么这样写，有没有更简单的路，以及空输入、超长输入、异常数据这些边界情况它处理了没有。
多久做完一个项目算正常？入门阶段，几天到两周都正常。超期一个月还在原地，问题多半出在项目选大了，果断砍功能，先出一个减配版跑起来。
项目驱动学编程速查
- 选几天能做完的小项目：一句话说清、自己会用
- 让 AI 拆步骤、标知识，按"今天要用"的顺序学
- 卡点先要思路，自己写完再让它检查
- 每行代码都能向外行解释，解释不了就是没学会
- 跑通当天十分钟复盘：卡点、知识缺口、下一步改法
