你有一个小型 App 的想法。AI 构建工具可以很快把几句话变成看起来精致的界面，但“看起来完成”并不代表实际行为符合需求。

本课程以引导式审查的方式，完整走查一个低风险项目：为社区图书交换活动准备一款移动优先的清单 App。课程提供 12 项合成任务，不包含任何真实个人或组织数据。每次揭晓真实制作结果前，你都要先做出相应的范围、测试、修复、批准或交接判断，再与真实运行证据比较。

你会先比较 AI 编程的主要工作方式和代表产品，再沿着一条连续的 Replit → Codex 路径完成项目。项目从 Replit 开始，因为此时没有现成代码，最先需要的是一个几乎不用配置、可以实际运行的用户路径。你会把需求转换成可观察的检查，给结果分类，并根据一次真实失败组织一条有边界的修复请求，而不是反复要求 AI “再优化一下”。

之后，你会检查一个仅凭可见 Preview 无法判断的文件级冲突。是否转入 Codex，取决于这项具体证据，而不是“Coding Agent 一定更强”。你将保留工作状态，先要求 Codex 检查再编辑，批准精确范围，核对真实差异，并诚实解释成功与受阻的检查。

这次学习审查最终得到一个可供复核、尚未公开的演示和清晰交接，尽管原始 App brief 并未全部满足。课程不会宣称这个 App 已达到生产就绪、可从不完整导出独立复现，或已证明适合真实数据。你最终掌握的是一套可迁移的方法：选择 AI 编程工具、限制第一个版本、测试行为、提出聚焦修改、检查 Agent 工作，并在证据停止的地方停止下结论。