目录

AI生产

AI的冲击

最近我深刻感受到,AI对程序员的影响真是前所未有地强!为了应对这种变化,我把自己的工作模式记录下来,尽量抽象、通用一点,不盯着某个具体模型或工具。因为技术迭代太快了,盯着细节容易过时,但一个通用的流程,至少在未来一年应该不会落伍。

现在我感觉,初、中级程序员几乎完全可以被AI取代。大多数项目80%的研发工作就是增删改查(CRUD),这些活儿AI干得比谁都溜。一个会用AI的程序员,完全可以把精力集中在架构、业务逻辑和核心代码上,其他琐碎的部分直接丢给AI就行。我是做后端开发的,但靠着AI,我现在已经能轻松搞定全栈开发了。

我的研发流程

  1. 先搞懂需求
    如果客户给的需求很笼统,让AI帮我梳理清楚。

  2. 拆解模块
    根据需求,把研发任务拆成一个个模块,再规划好开发流程。

  3. 快速搭页面
    用AI编辑器(比如Cursor)直接生成基础页面,省得画原型图,我感觉原型图的作用不存在了。

  4. 需求对接
    原型图就是实际的产品页面,直接和产品经理对需求看看哪里要调整。

  5. 页面OK后开干后端
    等页面差不多符合需求了,我就开始搞后端。

  6. 架构设计
    如果是中小项目,架构都不用太费心,AI能搞定大部分。

  7. 核心逻辑落地
    把关键部分的代码写好。

  8. API生成
    用AI生成每个模块的API,比如拿Swagger生成JSON。

  9. 前后端联动
    把Swagger JSON丢给AI,直接转成前端代码。

  10. CRUD搞定
    这时候,前后端的增删改查基本就完成了80%。

  11. 细节调整
    每个模块的业务细节再前后端调一调(毕竟现在是2025年3月,AI还不能完全完美搞定所有细节)。

  12. 功能成型
    整个项目的基本功能就出来了。

  13. 优化收尾
    根据业务需求,调优前后端,交付项目。

整个过程下来,我从码农变成了监工。AI干活,我负责审查和把关。

学习方式的转变

我觉得,普通的产品研发程序员得换个思路了。以前我们追求技术深度,现在得转向技术广度和业务理解。架构能力、业务敏感度才是关键。AI就像个超级助手,你得学会指方向,偶尔纠正一下它的代码风格或架构偏差,其他细节开发完全可以交给它。

以前我们得死磕数据结构、算法,还有各种新技术。现在有个大概印象就行,知道有什么技术,具体选型和实现交给AI。比如,你告诉AI你的业务并发量多少、数据量多大,它就能帮你挑技术方案,细节开发也包办了。所以要把时间花在业务逻辑和更高层的架构设计上。

问AI的方式

虽然AI很强,但还是得程序员来把控方向。完全不懂代码的人,顶多拿AI当个生产力工具,想做大项目还是不行。问问题是个技术活儿,我觉得要把业务需求尽量抽象化,直接丢给AI一堆细节,它开发起来很费劲,出了Bug你还得自己查半天。

我的经验是,先把复杂业务抽成简单的流程,问AI一些高层次的问题,让它生成简洁的代码框架。等流程跑通了,自己测试、理解代码后,再让AI填充细节,或者自己根据业务补上具体内容。AI的记忆力有限,别指望一次性把整个项目丢给它(至少现在还不行)。所以,聪明点,先靠自己的经验把项目拆成模块,分块问AI,这样它生成的代码才靠谱。

其他方面的提升

像运维这种活儿,AI已经完全能胜任了。装系统、写脚本,压根不用自己动手。不过,你得知道些常用工具和技术名词,比如Docker、Kubernetes啥的,这样问AI问题才顺畅。大部分情况下广度学习比深度学习重要。

关于产品开发的未来

以前产品得设计各种界面给用户操作,我觉得以后完全不用这么麻烦。AI能直接理解产品需求,操控产品。想象一下,产品可能就一个输入框,用户输入业务需求,AI直接生成页面、文档、报告什么的。

总结

总的来说,AI是把双刃剑,提升了开发速度,失业了大批人。上述文字是我自己写后让AI调整格式优化文字表现的,真可怕。