立正提到，AI 时代之前编程课主要教语法，而真正帮人用好 AI 的是心态、思路和工程原则⁠1。他观察到很多非技术岗用不好 AI coding，不是因为不会写 prompt，而是不熟悉编程环境和上线流程，比如没打开过终端、不清楚 IDE 各窗口的关系、不知道怎么用 Git 把产出部署出去⁠2。所以对金融背景的你，值得投入的不是把计算机原理补齐，而是熟悉一套能跑通的环境和流程。他建议要么留在网页交互工具的生态里，要么去学 Claude Code、Codex CLI 这类能连接更多工具的方式⁠2。

你问“了解到哪一步才够”，一个可操作的判断是：撤掉 AI、过一两天、换一道题，你还能不能做出来⁠3。立正把这套检验拆成三步：先自己猜怎么做、哪里会出错，再看 AI 的结果；关掉 AI 自己重做一遍或讲给别人听，卡住的地方就是没学会的地方；改一个条件，换数据、加约束、换用户，看还会不会⁠4。做的时候会觉得更慢更吃力，那不是退步⁠4。对你有用的做法是：拿一个你熟悉的金融脚本任务，先自己写下拆解思路，再让 AI 实现，隔天关掉 AI 重写一遍，看卡在哪。

你担心架构和原理不够，可能把两件事混在一起了。立正认为 build 是学 AI 最好的路径，学习项目的目标是获得认知；而 production system 的要求是在现实变化时依然可靠，demo 到 production 之间有一道鸿沟，大部分复杂度要等真实用户和业务依赖之后才显形⁠5。他还提到，非程序员最大的问题是不知道自己不知道什么，对一个问题是否可解、难度多高、可能卡在哪缺少直觉⁠6。所以你不必先补完原理再动手，可以先做一个小项目，在真实使用中感受哪些判断你缺，再针对性补。