标题想了半天，最后还是决定用最朴实的一个。
这篇不讲成功学，也不讲方法论神话，就老老实实记录一个普通技术爱好者一路瞎折腾、一路补课的过程。
很多人看见现在的网站、博客和小工具，会觉得“你这一路挺顺”。
但真相是：一路都在踩坑，踩到怀疑人生，再从坑里爬出来接着折腾。
一切从 AI 说起
我最早接触 AI 其实很早，从小爱同学那类语音助手开始。那时候觉得“能对话、能回你话”已经很神奇了。
后来 DeepSeek 出来，免费大模型普及，我第一次真正意识到：
这玩意不是聊天玩具，而是能陪你一起干活的工具。
再往后，Gemini、ChatGPT、Claude 这些陆续接触到，视野一下子被打开。
但那时我还是“玩一玩”的状态，离“真正把 AI 用进项目”还差一个引爆点。
这个引爆点，就是那台 500 块的 E5 炸弹机。
炸弹机引发的连锁反应
当时我和老陈搞了个“500 元极限装机”，攒了一台 E5 神机。
最初目标很朴素：软路由、多播、Jellyfin，能玩的都想玩一遍。
Docker 也是老陈带我入门的。说是入门，其实更多是“看着命令照着敲”，理解并不深。折腾半个月，最后结论非常现实：
路由这块别硬刚了，先换个靠谱路由器。
机器空出来以后，我就开始琢磨：那干点啥不浪费？
开 MC 服务器？想法有了，内网穿透不会。正在卡住的时候，我顺手让 DeepSeek 帮我写了个个人网页。
结果它居然跑起来了。
现在回头看，那页面就是个静态页，内容也简单得很，甚至有点“为了有而有”。但就是这个看起来不起眼的页面，让我第一次认真思考：
我是不是可以把“折腾”这件事做成长期项目？
Cursor 登场：让我第一次“像在做产品”
接着登场的是 Cursor。
靠新人额度，我鼓捣出了 arcspaces 的 v1。
说实话，当时我自己都不完全清楚它的最终定位，更像是边做边找方向。最大的问题很快就来了：没有公网。
东西写出来了，但别人访问不到，等于关在自家抽屉里。于是我一咬牙，在阿里云花 90 元买了台机器。公网是有了，可服务核心还在本地 E5 上，一断电，网站直接下线。
后来我尝试迁移到云端，还选了个 Windows 镜像，体验只能说“卡到怀疑人生”。
那次以后我算是彻底明白了：
- 技术选型不只是“能不能跑”
- 还要考虑稳定性、维护成本和自己的掌控能力
电赛：一半热血，一半现实
再后来，我和陈大哥报名了电赛。
现在想想，真有点“梁静茹给的勇气”那味道：两个基础都不算强的人，硬着头皮就上了。
当时 Cursor 继续扮演“加速器”角色。它能很快给出可跑代码，让我们从“完全不会”变成“至少能动起来”。
但很快我们也踩到了 AI 编码最经典的坑：
代码能跑，不等于问题真解决。
我们做巡线小车，遇到大弯就挂；看起来像参数问题，实际是策略问题。后来我去 B 站找方案，改了一轮才真正能拐弯。
计数问题更折磨人。我和陀螺仪硬磕两天，陀螺仪和马达几乎无法稳定协同。最后我突然想通：
不要执着“传感器全都要”，先回到目标本身。既然目标是计圈，那按转弯次数做状态机就行。
这一下反而通了。
遗憾的是，老陈那边负责的视觉链路被设备问题卡死。我们买的那套 K210 CanMV 表现很不稳定，识别效果拉垮，项目最终没打出理想结果。
电赛没达到预期，但它把一件事钉在我脑子里：
真正有用的成长，往往来自“把失败项目拆开复盘”。
从瞎折腾，到开始有方向
电赛后我有个明显变化：不再只追求“跑起来”，开始重视“沉淀下来”。
我开始整理各种安装和排障经验，把它们一点点写进网页；音乐播放器也持续迭代，从最初版本一路做到第三代。
很多问题解决不了的时候，我就去问 GPT。
那段时间我的服务栈也走了不少弯路：Apache + PHP + 外挂 Nginx，流量稍微一上来就气喘吁吁。
有人建议我直接换框架重写，我当时不想一刀切推翻，就选择了更现实的路径：
- 先切纯 Nginx
- 再把反向代理理顺
- 最后加 CDN 扛风险
这套路虽然慢，但每一步我都能掌控，系统也越来越稳。
“小A”与网站迭代：工具终于变成队友
网站里我一直保留了一个角色：小A，一个活力大学生人设的 AI 助手。
这不只是个功能按钮，更像我给这个站点定下的气质：技术可以硬，但表达可以有温度。
后续我让 Gemini 3 参与前端迭代，效果确实明显。
以前典型 AI 审美那种“紫色科技风”被收敛了，页面层次和观感更统一。音乐播放器也补齐了后端支持，歌词加载器和新 UI 都上来了。
到这一步我才意识到：
AI 最好的用法，不是替你做完，而是把你的想法放大、把试错成本压低。
博客上线：一个新的起点
博客页面落地那天，我心里其实挺感慨。
从 500 元炸弹机开始，到现在能稳定写、稳定发、稳定迭代，虽然算不上多大成就，但每一步都是自己趟出来的。
这一路上，我确实得到了很多工具和朋友的帮助。Kiro、OpenCode、ChatGPT，还有我一直在用的小A，都在不同阶段给了我推进力。
但最后拍板、取舍、负责的人，始终得是我自己。
最后说几句
AI 这东西，有利有弊，但它首先是工具。
真正拉开差距的，不是“你有没有用 AI”，而是“你有没有把问题讲清楚、把目标拆明白”。
我自己最有用的一条经验是：
不要只让 AI 回答你，应该让 AI 反问你。
当它开始反问，你会更快暴露自己没想清楚的部分。很多卡点不是技术太难，而是需求本身就没定义好。
这篇是我的第一篇正式折腾记录。以后这个博客会持续更新，把我踩过的坑、跑通的链路、以及还没跑通但值得尝试的方向都写下来。
感谢你读到这里。欢迎常来。