这些教学原则来自 Chicago Booth 的 Application Development 课程，但它们不只是教学方法——它们是自学者与 AI 协作开发的最佳实践。
传统方式：先学完 HTML → 再学完 CSS → 再学完 JavaScript → 再学数据库 → 终于可以做项目了。
螺旋方式：
- 第一圈：做一个静态网页 → 只学 HTML 和部署
- 第二圈：做一个动态应用 → 加上路由和表单
- 第三圈：做一个完整应用 → 加上数据库和认证
每一圈都在构建真实产品。每一圈都只学当下需要的知识。这就是 Just-in-Time Learning。
对 AI 协作的启示：不要让 AI 一次性生成整个应用。分层构建：先让 AI 搭骨架，跑起来，再一层层加功能。每加一层，你对系统的理解也加深一层。
"我们不会先深入讲解每个主题，再动手。我们会先做出一个能跑的东西，然后回头理解它。"
这个原则对 AI 协作尤其重要。很多人在使用 AI 之前，想先"学够了"再开始。但正确的顺序是：
- 让 AI 帮你做一个能跑的版本
- 看它做了什么
- 理解每一步
- 在理解的基础上迭代
"光读不做"是最低效的学习方式。
课程教授在每个项目中都强调：先做 Proof of Concept，不做 MVP。
- Proof of Concept = 核心功能能跑就行
- MVP = 最小可用产品（已经比 PoC 复杂了）
自学者最常犯的错误是一开始就想做太多。AI 可以无限快地生成功能，但每个功能都增加系统复杂度。
实践原则：
- 写下你想要的所有功能
- 砍掉一半
- 再砍掉一半
- 剩下的就是你该先做的
"READ THE ERROR MESSAGE! It usually tells you exactly what is going wrong."
这是整门课最被强调的一句话。错误信息不是噩耗——它是免费的调试指南。
当 AI 生成的代码报错时：
- 先读错误信息，不要直接把错误丢给 AI
- 尝试理解错误在说什么
- 带着你的理解再和 AI 沟通
这样你每次调试都在学习，而不是把 AI 当黑盒反复试错。
"AI is a multiplier on how much skill you have."
如果你的技能值是 0，0 × 任何乘数 = 0。这就是为什么你需要先理解本模块的 6 个核心概念。
课程的做法是：先让学生手动写过一遍，再引入代码生成器。 理解了生成器在做什么，你才敢改它生成的代码。
同样的原则适用于 AI 编码代理：
- 先理解 RCAV 模式 → 才能审查 AI 生成的路由和控制器
- 先理解数据建模 → 才能判断 AI 设计的数据库是否合理
- 先理解 CRUD → 才能描述你要的功能
"Notice problems, don't think them up." — Paul Graham
最好的学习动力是解决你自己关心的问题。不要为了学技术而学技术——找到一个你真正想解决的问题，然后为了解决它去学必要的知识。
课程把最终项目叫做 "First of Many"。这不是终点考试，而是你开始创造的起点。
如果你只记住三条：
- 先做出来 — 让 AI 帮你搭一个能跑的版本，然后理解它
- 砍范围 — 你想做的功能砍掉 75%，先做最核心的
- 读错误信息 — 错误是学习机会，不是失败