张咋啦是谁？Zara Zhang 资料、AI 学习方法与开源项目全解（2026）

张咋啦（Zara Zhang）是小红书 18 万粉丝的 AI 创作者：哈佛毕业，做过 GGV 纪源资本投资分析师、字节跳动飞书产品营销，现居美国硅谷做 AI 产品。她最出圈的标签是「不会写一行代码，却在 GitHub 拥有 1.35 万粉丝」——全部产品都靠 AI 编程助手完成。这篇把她的人物资料、AI 学习方法论、开源项目和全部关注渠道一次讲清。

快速了解：

本文内容： 她是谁 → 为什么火了 → AI 学习方法论 → 对 AI 工作的六个判断 → 开源项目盘点 → 在哪关注 → 常见问题。

张咋啦是谁：从 GGV 投资分析师到硅谷 AI Builder

张咋啦的职业路径在 AI 圈相当少见：文科背景、投资出身、营销转岗，最后成为用 AI 做产品的独立 Builder。

根据她个人官网和即刻主页的公开资料，她的经历可以整理成一条时间线：

• 求学：长春长大，中学在新加坡就读，后毕业于哈佛大学心理学专业，获 Phi Beta Kappa（美国最古老优等生荣誉协会）荣誉；在校期间组织过千人规模的哈佛中国论坛（Harvard China Forum），为中英文媒体写过多年专栏
• GGV 纪源资本：担任投资分析师，期间与 GGV 管理合伙人童士豪（Hans Tung）共同主持英文播客，采访过字节跳动创始人张一鸣
• 字节跳动：负责飞书海外版 Lark 的企业 SaaS 产品营销，并主持中文播客《组织进化论》
• 现在：在字节做新 AI 产品，同时搬到硅谷，业余以「AI tinkerer」身份持续发布开源项目和 AI 学习内容

一个容易混淆的点：搜索「Zara Zhang」会出来大量西班牙服装品牌 ZARA 的结果，两者毫无关系。她也没有公开过中文本名，全网所有内容都以「张咋啦」「Zara」署名。

顺带一提，她的账号名「张咋啦」带着东北话的幽默感，也成了她个人品牌记忆点的一部分。

张咋啦为什么火了：一年涨粉 16 万，全网都在讨论她的学习方法

2025 年，张咋啦在小红书从约 2 万粉丝涨到 18 万，累计发布近 500 篇笔记，起步阶段曾连续日更半年不断更（数据来自她在十字路口播客的自述，该期节目播放量超过 8 万）。

同期发生了三件事，让她彻底出圈：

1. 百度百科出现了「张咋啦」词条——一个自媒体创作者能被百科收录，本身就是影响力标志（不过词条内容目前只有三行字，这也是为什么值得写一篇更完整的介绍）
2. 她的 AI 学习方法论被产品经理社区长文拆解——人人都是产品经理网站上的《别再乱学AI了！我花7天实践了张Zara的方法》一文，把她的方法总结为「学习-实践-链接-输出」闭环，在中文产品圈广泛传播
3. 播客对谈密集出现——从「出海合伙人」聊后 DeepSeek 时代创业，到「十字路口Crossing」聊文科生的 AI 机遇，再到「青萍之末」聊没有技术背景如何抓住 AI 时代

她火的本质原因：在一个全员焦虑「要不要学 AI、怎么学 AI」的时间点，她给出了一套普通人可复制、且她自己亲身验证过的路径——非技术背景、不写代码、靠 AI 工具做出真实产品，同时把学习过程公开分享。

张咋啦的 AI 学习方法论：四个核心方法

她的方法论在网上被反复引用，源头是她的小红书笔记和播客分享。核心就四条：

Follow Builders, Not Influencers：跟随创造者，而非网红

这是她传播最广的一句话。Builder 指真正在一线做 AI 产品的创业者、工程师；Influencer 指靠追热点赚流量的 AI 博主。

她的解释很直接：Influencer 很多时候只是在转述别人的东西——告诉你 OpenAI 又发了个模型、Google 又发了个模型，"so what？"而 Builder 讲的东西来自实战经验，且不靠内容赚钱，所以更真诚。她甚至把这个理念做成了开源项目 follow-builders（后文详述）。

完整看完长视频：不倍速、不看摘要

她认为自己的 AI 认知突破，来自一个反直觉的习惯：完整看完长的干货视频，不倍速、不走捷径——不看 summary，也不把视频丢进 NotebookLM 做问答。

她的理由有两层：一是「这不是时间管理问题，而是优先级问题」——不看短视频、不打游戏，长视频就是她的娱乐；二是完整的一手信息（比如 20VC 对 Anthropic 高管的访谈）质量远高于二手转述，「就像免费跟硅谷最顶尖的从业者开视频会议」。

Learn in Public：公开学习，边学边晒

很多人卡在「等我厉害了再做内容」，她的观点正好相反：做了内容才能变厉害。公开输出能倒逼自己想清楚，还能积累自己的受众（audience）——「未来软件产品泛滥，壁垒就是 distribution 和 audience」。

她自己就是证据：小红书近 500 篇笔记，就是近 500 次「输入-思考-输出」的完整循环。

Learn by Doing：先上手，再回看

「看视频和学习，其实是一种懒惰。」她在播客里说，最好的学习方式是 learn by doing——先自己动手做产品、做内容，带着问题再回去看视频，「你才会突然理解他们到底在说什么」。

对没有技术背景的人，她给出的行动方案很具体：打开 Cursor 或 Claude Code 这类 AI 编程工具，用自然语言把想法做出来。我们站内的 Vibe Coding 入门指南写的也是同一条路：零基础第一周就动手做小东西。

张咋啦对 AI 工作的六个判断：AI Native 演讲要点

2026 年她的一场线下演讲在中文技术圈流传很广，被整理为「AI Native 必须知道的六种工作方式」。核心论断是：

AI Native 不是多用几个 AI 工具，而是重新设计信息、能力和反馈怎样流动。

六个判断速览：

1. 别再执着整理知识库，会议才是未来的提示词——会议逐字稿直接交给 Agent 处理，原始记录保留的上下文比人工纪要更丰富
2. 人人都有 AI 助手 ≠ 组织效率提高——个人提速会被协作交接的等待吃掉，要让 Agent 进入团队公共空间
3. Skill 不要只做给自己，要做给上下游——把同事反复来找你的事封装成 Skill 交给他们调用；「组织的效率提升，衡量的是别人少等了你多久」
4. 审美正在变成生产力——AI 擅长 HTML 排版，工具解决「怎么呈现」，Taste 决定「什么值得呈现」
5. 产品入口要放进用户原来的工作场景——需要用户「记住去用」的产品，大概率会被忘记
6. AI 时代 Builder 的三个核心能力：Agency（行动力）、Taste（审美）、Distribution（分发）

其中第 3 条与 AI Skill 的思路完全一致：把专业能力沉淀成 Agent 可复用的技能。如果你用 Claude Code，可以参考这篇 Claude Code Skill 安装教程亲手试一次。

张咋啦的开源项目盘点：不会写代码的 GitHub 万粉开发者

这是她最「硬核」的一面：她至今不会手写一行代码，所有项目都是用 Claude Code、Codex 这类 AI 编程助手做出来的。她说：「对我来说，代码是一种自我表达的媒介。」

以下数据为我们于 2026 年 8 月在她的 GitHub 主页逐一核对（GitHub 粉丝 1.35 万，共 19 个公开仓库）：

几个值得注意的细节：

• 28k Star 的 frontend-slides 是她热度最高的项目，把「AI 擅长 HTML 排版」这个判断直接做成了工具
• youtube-digest 背后是她一以贯之的反对「摘要式学习」：她做过的第一个 AI 产品叫 LongCut——正是 shortcut（捷径）的反义词，理念是「学习不要走捷径，take the longcut」；即使跳着看，也要看原视频，而不是读文字摘要
• 她给飞书生态做了整整一组项目（bridge、白板配色、会议待办），这部分源于她在字节做飞书营销的经历——把自己的工作流做成开源工具，就是最强的 Learn in Public

这套「非技术背景 + AI 编程 + 开源作品集」的路径，已经被很多中文开发者当作 Vibe Coding 的标杆案例。

张咋啦在哪些平台：8 个关注渠道汇总

整理自她个人官网、GitHub 与即刻主页的公开信息：

选择建议：想学方法看小红书和 Substack；想用她的工具直接去 GitHub；想看英文一手信息关注 X。

普通人可以从她身上学到什么

不需要模仿她的履历，但有三点任何人今天就能开始：

1. 先做再学：挑一个自己的小麻烦，用 AI 编程工具做个解决方案。不用会写代码，参考非技术用户的 AI 编程入门即可开始
2. 公开记录：学了什么、踩了什么坑，发出来。张咋啦的近 500 篇笔记没有一篇是「准备好了」才发的
3. 换信息源：把订阅列表里的 AI 资讯号，换成几个真正在做产品的 Builder——这正是我们 AI 技能导航想帮你做的事：按场景找工具，而不是追热点

总结

张咋啦（Zara Zhang）是 2025-2026 年中文 AI 圈最具代表性的「非技术 Builder」：哈佛心理学毕业、GGV 投资分析师、字节飞书产品营销出身，现居硅谷做 AI 产品。她用「Follow Builders, Not Influencers + Learn in Public + Learn by Doing」三件套证明了一件事——在 AI 时代，不会写代码的人也能做出 28k Star 的开源项目，关键不是技术背景，而是 Agency（行动力）、Taste（审美）和 Distribution（分发）。

最后更新于 2026 年 8 月。文中 GitHub Star 数、粉丝数等数据均于 2026 年 8 月 25 日从各平台逐一核对，后续如有明显变化将在本文更新。