AI生产

目录

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。

  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。

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。

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。

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。

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。

Related Issues not found

Please contact @heisenbergv to initialize the comment