Codex零基础实战：从零打造讲课手绘白板App全流程

不会编程也能做出一款真实可用的App吗？这门以OpenAI Codex为核心的实战课程给出了肯定的答案。一位在AI编程（Vibe Coding）方式下已做出10款App的开发者，选择用一个真实的个人需求作为教学案例——一个专为录课设计的手绘白板工具，并计划将其从零构建直至上架苹果商店售卖。整个过程展示了AI编程如何让普通人把想法变成产品。

先想清楚问题，再动手写代码

这门课最有价值的一点，是它没有一上来就教敲代码，而是强调开发的起点应该是「解决什么问题」。作者的真实痛点很具体：讲课时习惯用手绘板理清思路，但传统手绘板画完一页就消失，无法像PPT一样保存和回放。

于是需求变得清晰——一个可以边讲边画、点击下一页就保存、最终能导出成课件的白板软件。作者反复强调，无论是自己的需求还是客户的需求，第一步一定要把问题想透彻，因为「软件说到底是帮人解决问题的工具」。

这种从个人痛点出发的思路也被作者视为个人开发者的机会所在。他提到，很多成功的App项目都是从一个很小的个人需求出发，只要打磨得够好，同样有这种需求的用户可能就有几十万上百万，配合合理定价，就能形成真实的商业收入。

用MVP方式控制开发边界

有了想法之后，作者引入了行业里常说的MVP（最小可行产品）概念。他形容MVP就像「开火锅店前先在路边摆个摊」——不追求细节，只保留最核心的功能。

针对白板App，第一版的核心功能被明确为：画笔、颜色、橡皮擦、图片拖入、页面增减、无限画布或定尺寸画布。而背景、多语言等则被划为「暂不放进MVP」的部分。

作者特别指出新手常见的误区：把想法想出来后，开发过程中会漫无边际地扩张，最后产品超出了自己的控制范围。MVP的意义正是先做出最核心的东西验证价值，而不是一开始就追求「十全十美」。

MVP（Minimum Viable Product，最小可行产品）这一概念最早由Eric Ries在《精益创业》中系统阐述，核心思想是用最低成本验证产品假设，避免在未经市场验证的功能上浪费资源。对于独立开发者而言，MVP的意义尤为突出：一个人的时间和精力极其有限，把80%的精力花在20%的核心功能上，是从想法走向可交付产品的最短路径。实践中，划定MVP边界最有效的方法是反复追问"如果没有这个功能，用户还能完成核心任务吗？"凡是回答"能"的功能，都可以推迟到后续版本。这个思维框架同样适用于AI辅助开发场景——给AI的指令越聚焦，生成代码的质量和可控性越高，偏离预期的概率也越低。

与Codex的第一轮交涉：先做计划，不写代码

在工具选择上，作者介绍Codex已经并入ChatGPT应用，无论下载哪个最终都是同一款软件。定价方面，免费版为0，Go版8美元，Plus版20美元，Pro版100美元。作者推荐新手选择Plus版，因为它才能真正使用Codex功能，而Go版只能用网页版。

关键的经验在提示词环节。作者坦言，那些看起来规整的提示词，其实就是把自己混乱的口语录音直接扔给ChatGPT整理出来的，「实际上你的纯口语混乱的语言AI是能理解的」。

更重要的是第一轮交涉的策略——不是让AI直接实现功能，而是先让它「根据需求分析项目应该怎么做，整理出核心功能第一版和后续功能，推荐实现方案」。也就是先出计划，再谈落地。计划生成后必须逐项核实：需求和AI理解之间是否有偏差、是否过于复杂化。作者强调，如果计划阶段就有偏差，一定要在此扼杀在萌芽里。

OpenAI Codex是OpenAI基于GPT架构针对代码生成场景专项训练的模型，最初于2021年作为GitHub Copilot的底层引擎推出，后被整合进ChatGPT生态。Vibe Coding（氛围编程）这一术语由OpenAI联合创始人Andrej Karpathy于2025年初提出，描述的是一种用自然语言描述需求、由AI生成并迭代代码、人主要负责审查和方向把控的开发范式。与传统编程相比，这种方式大幅降低了技术门槛，但也带来了新的挑战：开发者需要具备清晰描述问题的能力、识别AI输出是否符合预期的判断力，以及在AI跑偏时及时纠正的介入意识——这正是本课程着重训练的核心能力。

文件管理与Git版本控制的实用技巧

作者分享了一个来自实战的小知识点：不要让AI把文件裸露在根目录，而是建立清晰的文件夹结构——计划文档、开发文档、源代码分开管理。只要把根目录规则说清楚，AI会自动把架构说明、开发日志、测试验收等文档写到对应位置，相当于给项目建立了一份长期记忆。

关于Git，作者用了一个通俗的比喻：它就是一棵不断生长的「树」，是个版本控制器。主轴线上依次保存v1、v2、v3，开发失败可以回退；还能像树一样分叉，比如Linux衍生出安卓、鸿蒙等分支。对普通用户来说，完全不需要记命令，直接用大白话对AI说「帮我初始化」「帮我保存一个版本」即可，AI能理解并执行对应的git init、git commit、git push等操作。

Git是由Linux之父Linus Torvalds于2005年创建的分布式版本控制系统，目前是全球使用最广泛的代码管理工具。其核心机制是将每次代码改动保存为一个"提交"（commit），形成可追溯的历史链条；分支（branch）功能则允许在不影响主线的情况下并行开发新特性或实验性改动。对于AI辅助开发来说，Git的价值不仅是备份——当AI生成的代码产生意外错误时，随时回退到上一个可运行版本，是控制开发风险最重要的安全网。GitHub和GitLab是最常见的远程托管平台，可以理解为代码的"云盘"，本地仓库通过git push同步上去即可实现异地备份与多设备协作。

Codex的多模态能力带来的惊喜

实际开发环节最令人印象深刻的是Codex的多模态能力。它会先根据需求画出概念草图，然后开始构建源代码。作者提醒，如果发现草图或思考过程跑偏，可以直接点击暂停并输入纠正内容，不必傻等。

更震撼的是，Codex能直接操作自己的浏览器进行测试——它会自动打开网页版应用，甚至自己动手画上两笔来验证画笔功能是否实现。作者形容这是「从立项到开发到测试」的完整闭环，是AI Agent发展到现在相当震撼的场面。

第一版MVP完成后，核心的画笔功能已经可用，且效果超出预期：接上手写板后竟然支持压力感应，轻画和重画有明显区别；粉笔笔刷还带有颗粒感，很适合模拟黑板书写效果。

边做边改与渐进式披露的UI思路

在迭代过程中，作者演示了一个非常实用的功能——注释操作，可以直接在界面上圈出位置并附上修改要求，避免用文字描述时AI搞不清具体是哪个位置。通过几轮修改，逐步加入了深色模式、点状网格、黑板背景、粉笔效果、多页管理、图片复制粘贴导入等功能。

对于UI设计，作者的建议是不要在前期设计得太完美，因为开发过程中想法会不断变化，同步开发、边改边调整更科学。他还介绍了一个专业的UI技巧——渐进式披露（Progressive Disclosure）：不要把所有按钮平铺在屏幕上，而是先只显示核心入口，点击后再展开二级菜单。这样界面清爽，用户体验更好。作者批评很多Vibe Coding项目「整个屏幕都是按钮」的做法，认为这在人机交互和UX层面是很糟糕的。

渐进式披露（Progressive Disclosure）是人机交互领域的经典设计原则，由IBM研究员John Carroll与Caroline Carrithers于1984年提出，后被Apple、Google等公司广泛采纳进设计规范。其核心逻辑是：将功能按使用频率和认知复杂度分层，只在界面第一层暴露最高频的核心操作，次要和高级功能通过展开、长按或二级菜单触达。这一原则之所以重要，是因为人类的工作记忆容量有限（米勒定律指出人一次能处理约7个信息块），界面信息过载会直接提升用户的决策成本和出错率。在AI生成的界面中，由于AI倾向于把所有功能都"实现出来"，开发者需要主动介入、做减法，才能让产品从"能用"走向"好用"。

从功能开发到产品化的难度曲线

作者坦诚地指出，从功能上讲这款App已经完成了约80%，但真正的分水岭在「产品化」阶段。他把功能开发比作「自家种苹果树自己吃」，而产品化则是「把苹果包装成超市流通的商品」——工作量会飞速提升。

产品化涉及的琐碎问题包括：桌面端封装（网页应用可封装成Mac或Windows客户端）、多语言适配（比如12种语言）、苹果商店审核、定价策略与包装等。这也是很多教程「做个demo就撤了」的原因。作者的目标是把开发、上架、售卖的全流程完整走一遍。

最后值得一提的是Codex的额度机制：Plus用户有5小时的间隔额度和周额度两层限制，5小时额度用完需等待下一轮，周额度则按百分比消耗。这节课正是因为额度用尽而暂停，也从侧面反映了20美元档位能支撑的开发工作量。

对于想入门AI编程的普通人来说，这门课的价值不在于炫技，而在于它把「从想法到真实产品」的完整思维过程拆解得足够清晰：先想问题、再做MVP、让AI先出计划、管好文档和版本、边做边改、最后走向产品化。