KnowFlow很高兴今天有机会跟大家聊聊 AI。
其实让我来分享 AI，我觉得有一点挺有意思。
因为如果让我在几年前来讲，我可能会跟大家讲 C++、Swift、Flutter、架构、数据库、服务器、API……
但是今天，如果你问我：
“你现在还写代码吗？”
我的答案可能会让很多程序员有点意外：
我现在已经很少亲手写代码了。
甚至可以说，我正在逐渐进入一个“零手写代码”的开发状态。
但我并没有因此觉得自己不再是程序员。
恰恰相反。
我觉得这是我做了二十多年程序员以后，第一次真正感觉到：
程序员这个职业，可能终于开始发生一次根本性的变化。
一、我做了20年程序员，AI之前我是什么样的？
我毕业最初做的是 Windows桌面C++开发，五年后来转 Mac/iOS 原生开发。
那个年代，程序员写代码是一件非常“手艺人”的事情。
你要记 API。
要研究操作系统。
要研究内存管理。
要研究线程。
要研究各种奇怪的 Bug。
后来从 C++ 到 Objective-C/Swift，再到 Flutter(Dart)。
再后来，我开始做 Web、后端、小程序、服务器、部署，甚至游戏。
我做过一些比较大的系统，也自己做过产品。
所以过去二十年，我形成了一个非常深的职业习惯：
看到一个需求，我第一反应就是：怎么写？
需求来了。
我会想数据库怎么设计。
接口怎么设计。
页面怎么拆。
类怎么定义。
模块怎么组织。
代码怎么实现。
这套方式，我用了二十年。
但是 AI 出现以后，我突然发现：
这个思考顺序可能错了。
至少，不应该再是第一反应。
二、AI最开始让我惊讶的，不是它会写代码
很多人第一次接触 AI，都会做一件事情：
让 AI 帮自己写一段代码。
比如：
“帮我写一个登录页面。”
“帮我写一个 Flutter 网络请求。”
“帮我写一个 Python 脚本。”
这当然很厉害。
但是我觉得：
如果我们把 AI 仅仅当成一个“高级代码补全工具”，其实是低估了它。
因为代码只是软件开发最后的一层。
真正困难的东西是什么？
是：
我要做什么？
为什么做？
用户真正需要什么？
整个系统应该怎么设计？
哪些事情应该做，哪些事情根本不应该做？
这些问题，过去都是程序员自己的事情。
而 AI 出现以后，我发现：
AI开始可以参与到这些事情里面来了。
于是我开始改变自己的工作方式。
三、我现在做软件，第一步已经不是写代码了
以前我接到一个需求：
客户告诉我：
“我需要一个供应链系统。”
以前我可能马上开始想：
数据库怎么设计？
用什么框架？
前端用什么？
后端用什么？
但是现在，我会先让 AI 帮我把问题拆开。
客户到底要解决什么问题？
有哪些角色？
有哪些业务流程？
有哪些异常情况？
有哪些外部系统？
数据怎么流动？
用户在什么场景下使用？
然后继续往下：
产品结构是什么？
信息架构是什么？
交互应该怎么样？
哪些东西应该自动化？
哪些地方必须人工确认？
然后才进入开发。
甚至 UI、原型、代码、测试、部署，我都会让 AI 参与。
所以我现在越来越感觉：
AI不是帮我写代码。
而是在帮我完成整个软件生产流程。
四、我后来发现一个非常重要的区别
很多人使用 AI 的方式是：
Prompt → Answer → 修改 → 再 Prompt → 再修改。
一天到晚在和 AI 聊。
但是我后来发现：
如果一个复杂项目全部靠这种方式，很累。
因为你每一次都在重新告诉 AI：
“你应该这样做。”
“刚才那个不要。”
“这个需求还要加一个。”
“这个地方改一下。”
所以我后来开始做另外一件事情：
我不再主要训练自己怎么写 Prompt，而是开始建立 AI 的工作流程。
简单来说：
不是：
“AI，你帮我做这个。”
而是：
“AI，你按照这套规则和流程，把这个事情完成。”
这两者区别非常大。
五、我现在更关注的，是“Agent + Skill”
这是我这段时间一个比较重要的实践。
我自己做了一套类似：
Agent + Skill + Workflow
的体系。
什么意思？
比如我告诉 AI：
我要做一个产品。
它不是马上给我生成代码。
而是先经过一系列步骤：
需求理解。
需求补全。
业务分析。
产品设计。
页面结构。
交互设计。
技术方案。
开发。
测试。
修复。
部署。
甚至最后生成产品文档。
也就是说：
我开始把一个软件公司的生产流程，逐渐变成 AI 可以执行的流程。
这时候我发现一件很有意思的事情。
以前：
一个程序员 = 一个人。
现在：
一个人 + AI = 一支虚拟的软件团队。
六、这时候，一个人的能力边界突然变了
以前一个程序员可能比较擅长：
iOS。
或者 Android。
或者前端。
或者后端。
或者数据库。
或者运维。
很少有人能够一个人把整个系统从 0 做到 1。
但是我过去这些年刚好做过很多不同类型的东西。
所以 AI 对我的帮助特别明显。
比如：
我可以自己设计一个 Web 系统。
也可以做 App。
可以做后端。
可以做小程序。
可以做服务器。
可以做游戏。
可以做部署。
现在这些事情之间的边界越来越模糊。
过去可能需要：
产品经理。
UI设计师。
前端工程师。
后端工程师。
测试工程师。
运维工程师。
现在，一个有经验的人借助 AI，可以把其中非常多的工作自己完成。
所以我越来越相信一个判断：
AI真正改变的，不是程序员写代码的速度。
而是：
一个人能够完成什么。
七、但是这里有一个非常大的误区
有人可能会说：
“既然 AI 这么厉害，那程序员是不是要失业了？”
我反而觉得：
真正危险的不是不会写代码的人。
而是：
只会写代码的人。
为什么？
因为如果你的价值是：
“我可以把需求变成代码。”
那么 AI 现在已经越来越擅长这件事情。
但是如果你的价值是：
“我知道这个产品应该做什么。”
“我知道这个系统应该怎么设计。”
“我知道这个需求里面有哪些坑。”
“我知道用户真正想解决什么问题。”
“我知道怎么把一个模糊的商业想法变成真正能运行的产品。”
那 AI 反而会放大你的能力。
所以我现在越来越觉得：
未来真正稀缺的不是代码，而是判断力。
八、我自己有一个很深的感受
以前我们学习编程，最重要的一件事情是：
记住。
记住 API。
记住语法。
记住框架。
记住各种最佳实践。
但是 AI 出现以后，“记住”这件事情的重要性正在下降。
因为：
不会的东西可以问。
不会的代码可以生成。
不会的 API 可以让 AI 查。
不会的框架可以让 AI 学。
那么什么东西越来越重要？
我觉得有三个：
第一，理解问题。
第二，拆解问题。
第三，判断答案。
尤其是第三个。
AI 可以给你一个答案。
但是：
这个答案到底对不对？
这件事情最终还是要靠人。
九、所以我现在使用 AI，有一个很重要的原则
我不会因为 AI 说得很肯定，就相信它。
恰恰相反。
我会问：
为什么？
依据是什么？
还有没有其他方案？
这个方案的风险是什么？
如果用户量增加十倍呢？
如果数据量增加一百倍呢？
如果第三方接口挂掉呢？
如果这个需求以后变化呢？
所以我觉得：
AI越强，人越需要有判断力。
因为 AI 给你的答案越完整，你越容易产生一种错觉：
“它说得这么完整，应该是真的。”
但完整不等于正确。
十、AI让我重新理解了“经验”
过去二十年的程序员经验，在 AI 时代是不是没用了？
我觉得恰恰相反。
经验变得更加重要。
因为一个刚学编程的人使用 AI：
AI说：
“这样写就可以。”
他可能就真的这样写了。
但是一个做了二十年软件的人看到这个答案，可能马上会想到：
“这里以后会出问题。”
“这个架构扩展不了。”
“这个数据库设计不合理。”
“这个 API 以后会被卡死。”
“这里实际上存在一个业务逻辑漏洞。”
所以：
AI降低了技术实现的门槛，但是提高了判断力的价值。
这可能是我这段时间最大的感受之一。
十一、还有一个变化，我觉得更加有意思
以前做一个软件，最大的成本之一是：
“做出来。”
所以很多想法停留在脑子里面。
因为你会想：
找设计师。
找程序员。
做 UI。
做后端。
做服务器。
测试。
上线。
可能半年过去了。
最后发现：
这个产品没人用。
但现在不一样了。
AI把“做出来”的成本大幅降低。
所以现在最大的瓶颈正在发生变化：
过去：
想法 → 很贵 → 很难实现。
现在：
想法 → 很容易实现。
于是新的问题来了：
什么东西值得做？
十二、所以我现在越来越关心的不是“AI能不能做”
而是：
这个东西有没有价值？
这也是为什么最近我自己做项目的时候，经常会先问：
有没有用户？
用户为什么需要？
愿不愿意付钱？
解决的是不是一个真实问题？
市场是不是足够大？
这个产品是不是值得长期维护？
因为：
AI已经把“生产软件”变得越来越容易。
接下来真正稀缺的可能是：
发现需求、选择需求、理解用户和获得用户。
十三、这也是我认为普通人最大的机会
过去一个人创业，非常难。
你需要资金。
需要团队。
需要技术。
需要设计。
需要运营。
需要市场。
现在至少在“生产”这一端，发生了巨大的变化。
一个人借助 AI，可以完成过去一个小团队才能完成的很多事情。
所以我现在很看好一个模式：
OPC——One Person Company
一个人就是一家公司。
不是说这个人什么都亲自干。
而是：
一个人负责判断、决策和创造，AI负责大量执行。
必要的时候，再调用外部的人和服务。
我觉得这种模式未来会越来越普遍。
十四、但是我也想提醒大家
AI不是魔法。
我自己也经历过很多失败。
我做过产品。
有些产品真的上线了。
服务器也跑起来了。
网站也能访问。
App也能安装。
但是：
没人付钱。
这其实是一个非常重要的教训。
因为以前我们很容易把：
“产品做出来”
当成一个很大的成就。
但 AI 时代可能完全不是这样。
因为做出来越来越容易。
真正困难的是：
有人使用。
有人留下。
有人愿意付钱。
所以以后一个人的核心能力可能不是：
“我能不能开发一个 App。”
而是：
“我能不能找到一个值得解决的问题，然后用 AI 在很短时间里把它验证出来。”
十五、如果让我重新学习编程，我可能会换一种方式
如果今天有一个年轻人问我：
“现在 AI 都能写代码了，我还要不要学编程？”
我的答案是：
要。
但是学习重点可能已经不同。
我不会让他花大量时间去背语法。
而是让他真正理解：
什么是程序？
什么是数据？
什么是网络？
什么是数据库？
什么是 API？
什么是操作系统？
什么是架构？
什么是算法？
更重要的是：
学会把现实世界的问题抽象成计算机可以解决的问题。
然后：
让 AI 帮你实现。
所以我甚至觉得：
未来的编程教育可能会发生一次很大的变化。
过去是：
老师教你怎么写代码。
未来可能是：
AI陪你从一个想法开始，带着你把一个真正的产品做出来。
学生不是为了考试写一个 Demo。
而是真的做一个东西出来。
十六、这也是我现在特别感兴趣的一件事情
我一直在思考：
能不能让一个没有编程基础的人，也能够借助 AI 做出真正的软件？
不是让他学三年编程以后再做。
而是：
他先有一个想法。
AI帮助他理解需求。
然后帮助他设计。
帮助他开发。
帮助他测试。
帮助他部署。
最终：
真的上线一个产品。
我觉得这件事情非常有意思。
因为它改变的不只是软件开发效率。
它可能改变的是：
普通人的创造能力。
十七、所以，如果让我总结我这段时间使用 AI 最大的三个心得
第一：
不要把 AI 当搜索引擎。
AI不是一个“问一个问题，得到一个答案”的工具。
要把它当成：
一个可以参与工作的伙伴。
第二：
不要只学习 Prompt，要学习怎么设计流程。
优秀的 AI 使用者，不一定是最会写 Prompt 的人。
而是能够告诉 AI：
你是谁。
你要完成什么目标。
按照什么规则完成。
完成以后怎么检查。
这实际上是在设计一个 AI 工作系统。
第三，也是我认为最重要的一点：
AI时代，人的价值正在从“执行”转向“判断”。
过去：
我会不会写代码？
现在：
我知不知道应该做什么？
过去：
我能不能把这个功能实现？
现在：
这个功能到底值不值得做？
过去：
我能不能一个人完成？
现在：
我能不能利用 AI，让一个人完成过去一个团队才能完成的事情？
最后，我想说一句
我做了二十年程序员。
如果在十年前有人告诉我：
“未来有一天，你做软件的时候，大部分代码都不是你亲手写的。”
我可能会觉得：
那还叫程序员吗？
但是现在我真的进入了这个时代。
而我的感受不是：
“程序员没用了。”
反而是：
“程序员终于可以把更多时间用在真正重要的事情上。”
代码只是工具。
产品才是目的。
技术只是手段。
解决问题才是价值。
而 AI 给我们最大的礼物，也许不是：
让一个人写代码快十倍。
而是：
让一个人的能力边界，第一次可以被机器大规模地扩展。
以前，一个人的想法，受限于：
时间。
技术。
精力。
团队。
资金。
而现在：
AI正在把其中很大一部分限制逐渐打破。
所以我觉得，我们真正应该问的已经不是：
“AI会不会取代我？”
而应该问：
“如果我真正学会使用 AI，我一个人究竟可以创造出什么？”