从贪吃蛇小游戏开始，学习让 AI 小步写代码，自己运行和检查结果。再用电商素材工作台贯穿产品开发：找准用户问题、控制第一版范围、查错与恢复、部署和观察用户，把想法做成别人能用的网页产品。
能把首次需求收敛为可运行、可观察的小结果，依据实际差距提出有边界的修改，并通过原路径和相邻行为复验完成一轮反馈循环。
能根据当前任务所需的启动成本、项目上下文、控制力和操作风险，选择浏览器工具、AI IDE 或 CLI。
能把模糊故障改写成可复现的问题描述，并用与故障对应的运行证据判断修改是否完成。
能把宽泛产品点子改写成以用户现状和目标差距为中心、可以继续验证的问题陈述。
能依据共同场景、困难和目标，从宽泛人群中选出一批可接触、可验证的首批用户。
能通过业务追问，把模糊产品要求整理成一条包含输入、处理、输出和关键失败反馈的核心流程。
能围绕一个验证目标，为 MVP 划定首版必需、后续再做和明确不做的范围。
能沿核心流程写出可执行、可观察、可判定通过或失败，并覆盖关键状态的验收条件。
能用项目文件、运行过程、数据保存和外部服务四层模型解释小型 Web 产品，并判断需求会影响哪些层。
能为一个具体代码任务选择并组织足够且相关的上下文，减少 AI 对现状、范围和完成标准的猜测。
能在 AI 动手前审查实施计划的目标理解、修改范围、顺序、风险、停止点和验证方式。
能用对象、属性、状态、关系和动作描述产品业务结构，并用数据示例验证描述是否一致。
能把大需求拆成一个贯通用户输入、最小处理和可见结果的首个纵向切片。
能从真实使用路径识别演示原型的断点，并补齐首版必需的状态反馈和数据保存行为。
能用 Git 为一次 AI 修改建立清楚的前后边界，并在不覆盖用户改动的前提下选择提交、修正或恢复。
能按可复现现象、对应证据、单一假设、最小修改和复验的顺序完成一次 Bug 诊断。
能从产品承诺和风险倒推一组最低质量门槛，并据此作出发布或暂缓决定。
能解释并检查从固定代码版本、构建和环境变量到部署、线上复验与撤回的最小交付链路。
能围绕具体用户任务记录行为事实，区分解释和建议，并把反馈转成下一步可验证的问题。
能把项目经验整理成定义、计划、执行、验证和记录的个人工作流，并按任务风险调整检查深度。
能判断一个重复流程是否值得沉淀为 Skill，并设计可正确触发、执行和验收的最小结构。
能从真实 Vibe Coding 场景中回忆并准确使用 AI 协作与产品定义的核心术语，说明相近概念的区别。
能看着一个 Web 页面识别前端结构、布局、控件和反馈状态，并用准确术语向 AI 描述修改要求。
能沿一次网页请求的数据路径回忆后端、网络、存储、安全和部署术语，并据此判断问题所在层次。
能看懂 AI 在终端、技术栈、测试和 Git 中执行的常见操作，并用准确术语约束修改、验证和交付。
开始学习