一个互联网产品，是这样从想法变成你手里的产品的——下面按「谁来干这一环」分类，看懂每个角色的行话。
- 产品经理想清楚做什么
- 设计师画出长什么样
- 前后端把它真正做出来
- 测试保证不崩
- 运维让它上线
- 运营让它长起来
- 你 + AI不懂技术也能指挥
- tech stack技术栈做一个项目「用到的一整套工具组合」（语言+框架+数据库等）。就像做菜的「全套锅具食材」。不懂没关系，可以直接问 AI「我要做 X，推荐一套适合新手的技术栈」。
- architecture架构项目「整体怎么搭、各部分怎么分工」的设计蓝图，相当于盖楼前的结构图。架构清晰，代码才不会越写越乱。可以让 AI「先帮我设计架构、画出模块划分，再动手写」。
- context上下文AI「当前记得住的信息范围」——你们这段对话里说过的话。AI 不是无限记忆，超出上下文它就开始忘。理解这点，是用好 AI 的前提。
- context compression上下文压缩对话太长 AI 会变笨、变忘。压缩 = 「把前面聊的重点浓缩成一小段，再继续」。实操：①让 AI「总结一下我们目前的进展和关键决定」，把总结存下来；②开新对话时先贴这段总结；③别在一个对话里东拉西扯，一个对话只干一件事。
- prompt engineering提示词工程「把话说清楚、让 AI 给出你要的结果」的技巧。核心是：讲清背景、给出例子、明确要什么格式。说得越具体，AI 答得越准——这正是「行话」整个站在教的事。
- iterative dev迭代开发别指望一句话让 AI 做出完美成品。正确姿势是「先做个能跑的小版本，再一点点加功能、改问题」。实操：把大需求拆成一步步，每步让 AI 只做一点、你验收没问题再进行下一步。
- feeding docs给 AI 喂文档AI 不懂你的项目细节或某个新工具时，「把相关文档/代码/规则直接贴给它看」，它就能照着办。实操：开工前先喂它「项目说明、目录结构、你的代码规范」，它后面就不会乱来。
- scope control让 AI 别乱改AI 有时会「顺手」改你没让它动的地方，越帮越乱。实操：明确圈定范围——「只改这个函数，其他一律别动」「保持现有风格，不要重构」。给它划好红线，它才不越界。
- project structure目录结构项目里「文件夹和文件怎么摆放」的组织方式。结构清晰，你和 AI 都能快速找到东西、不乱套。可以让 AI「按最佳实践帮我规划目录结构并解释每个文件夹干嘛的」。
- debug with ai报错排查代码报错别慌，AI 是你最好的排错搭子。实操：把「完整的报错信息 + 相关代码 + 你做了什么操作」一起贴给 AI，让它解释「错在哪、怎么改」。报错越完整，它越能一针见血。
- Git版本管理 / Git给代码「定期存档、可随时回退」的工具。改崩了能退回上一个好版本，是后悔药。实操：不懂命令没关系，让 AI「教我用 Git 把当前代码存一个档」，照着敲就行。
- requirement breakdown需求拆解给 AI一次让 AI 做太多它会做砸。实操：把「我要做个完整 App」拆成「①先做登录页 ②再做列表 ③再做详情」，一次只丢一个小任务给它。拆得越细，成功率越高。
- SDK / APISDK / 调用 API想用别人现成的能力（地图、支付、AI 接口），就「调用它们提供的工具包(SDK)或接口(API)」，不用自己造。实操：让 AI「帮我接入 XX 的 API，给出完整步骤和代码」。
- open source开源 / 开源协议很多优秀代码是「公开免费、可直接用」的（开源）。但要看「开源协议」——有的随便用，有的要求标注来源或不可商用。用前让 AI「解释下这个协议能不能商用」，免得踩法律坑。