一、第一个题，先做你自己真正懂、真正爱的
很多同学的第一反应，是去找一个「看起来高级」的题。我的建议正相反：第一个作品，先挑一个你自己理解最深、最感兴趣的方向。原因有三个。
AI 产品，最稀缺的是反馈
AI 产品几乎不可能一次做对，它是「做出来 → 拿给人用 → 看反应 → 再改」一轮轮磨出来的。只有拿到真实反馈，才有可能不断深入。
而你最容易、最快拿到反馈的场景，就是你自己和身边人真正在用的东西——你自己，就是第一个、也最诚实的用户。
你懂、你爱，深度才到得了底
一个题能做多深，取决于你对它的理解有多细。自己热爱、长期琢磨的东西，深度往往才是最深的。
你知道哪里别扭、哪里该有惊喜、哪个细节值得较真——这些「内行的判断」，临时查资料补不出来，而它恰恰是作品拉开差距的地方。
做透一个，能力会迁移
把一个你熟悉的方向，认真做成一个 AI 产品，你趟过的坑——怎么定义、怎么用模型、怎么处理数据、怎么打磨体验——大部分都能迁移到下一个题。
先在熟悉的地形上，把这套方法练扎实；之后换题、换场景，你都会快得多。
先深挖一口井，再换一片地。
不是叫你一辈子只做一个题，而是先用一个你真懂的题，把「做深」这件事亲手走通一遍。
二、怎么把一个作品「越做越深」
做深，不是把功能堆多，而是沿着一条主线，一层一层往下凿。可以先看「深度的三层」，再看「怎么往下凿」的五个动作。
能跑：主线走得通
核心动作从头到尾不报错、能演示。这是底线，但只到这里，作品和别人没差别。
好用：真实的料 + 不硌人的细节
换上真实数据、接进真实场景，把空状态、加载、报错、文案、视觉一致性都收拾干净。能用，变成了愿意用。
够深：有你独到的那一层
把你作为「内行」的理解，做进产品的默认值、细节和惊喜里——别人就算看到，也抄不走。这一层，才是作品真正的深度。
怎么往下凿：五个动作
守住一条主线
把一个核心动作做到极致，胜过十个半成品。想加的功能，先进「以后再说」清单，护住主线。
喂真实的数据与场景
真实的料 > 漂亮的假 demo。用 CADAL / 图书馆的真实素材、真实流程，问题和价值才会浮出来。
从「能用」到「贴心」
每个环节都多想一步：没数据时显示什么、出错时怎么提示、能不能给用户一个小惊喜。深度藏在这些地方。
反复拿去给人用
每一版都拿给真实用户用，记录他卡在哪、什么时候皱眉，按卡点改——而不是按自己的想象改。
把你的判断做进产品
你最懂这个领域的那些判断，别只放在脑子里——把它变成更聪明的默认、更准的提示、更对的细节。
讲成一个完整闭环
从用户进来到拿到结果，串成一条讲得清、走得顺的故事。能完整讲一遍，作品就立住了。
三、把 Vibe Coding 当「手艺」来用
工具本身不难，难的是怎么跟它协作。把握一个核心心态：你是导演，AI 是剧组——你负责想清楚要什么，判断权始终留在自己手里。下面是几条让 AI 真正帮上忙的习惯。
一次只推进一步
小步快跑，一次只改一个目标。每改一步就预览、确认、能回退，别一口气让它改十处。
把上下文喂饱
贴报错原文、贴截图、贴你想要的参考样子，越具体越好。别让 AI 猜——它猜不准，你也省不了事。
报错就整段丢回去
不用自己硬改。把完整的报错原文原样还给 AI，让它定位和修——这往往比你手改更快更准。
先定「怎样算成功」
动手前先想清楚验收标准：做成什么样、点哪里、出什么结果，再让它对着这个目标做。
说「要什么样」，别说「怎么写」
把体验、效果、风格描述清楚，代码怎么实现交给 AI。你管「要什么」，它管「怎么做」。
判断权留在自己手里
AI 给的不一定对。它产出，你判断、你取舍——别它说什么就是什么，那样作品就没有你了。
要这样
- 一句话一个明确目标，做完再提下一个
- 贴完整报错 + 截图，给足现场信息
- 频繁预览、小步保存，随时能回退
- 给它一个参考样子（某个网站 / 某种风格）
- 留住自己的判断，对结果做取舍
别这样
- 一段话塞十个需求一起提
- 只说「报错了 / 不对」，不给细节
- 攒一大堆改动，最后才看一次
- 让它凭空猜你心里的样子
- 照单全收，AI 说什么是什么