登录
第一次用 AI 把一个想法跑起来，很容易上瘾。
对对话框说一句“做个记账小程序”，几分钟后页面能点，数据也能存进去。
真正的麻烦不在这一晚。
上线几周后，客户要加一个会员等级。你发现代码里到处是写死的判断，改一个字段，三个页面一起报错。支付偶尔超时，用户重复点两次，订单就多出一条。
你想让 AI 修，它也确实在修。但每修一次就多一层补丁，直到你打开文件，已经认不出这是自己做的产品。小红书36氪
一篇《第一批 Vibe Coding 创业的受害者，已经出现》拿到两千多赞。
作者列了五类问题：需求一改系统就塌、数据模型一开始就错、没有异常处理、权限形同虚设、上线后自己维护不了。
最后一条最扎心：不是写不出产品，而是看不懂自己的产品。
开发者“这是特性不是Bug”在长文里，给了一个更底层的解释：容错率。
做 Demo 是在发散探索。提示词里写“赛博朋克弹幕射击”，AI 给一艘能发射光球的飞船，光球速度是 500 还是 800 像素，你都会觉得“居然真的能动”。
这个阶段，是人在向下兼容 AI 的随机输出。
上线是另一回事。画风要统一，交互要自洽，数值曲线要在几十小时流程里合理，手感要精确到毫秒。
你能用一句话让 AI 做出二段跳，却说不清为什么现在的跳跃像踩在棉花上。
上升段和下落段的重力加速度该是什么比例，角色离开平台后的土狼时间该给 0.08 秒还是 0.12 秒。知乎
自然语言是有损的。Demo 阶段这点损失叫惊喜，产品阶段就叫事故。
也不是没有走通的例子。
开发者易三维用一年时间，做出三维建模软件 Yi3D，14 万行 C++，从数据框架、事务系统到渲染和 Qt 界面都自己来，并已在 GitHub 开源。知乎
他算过：纯手写大概三年，纯靠 AI 更不可能。最后跑通的，是“一个有判断力的人加 AI”，做到以前一个小团队才能做的事。
CAD 的事务系统要支持嵌套、合并、组内 undo/redo，AI 能写出 Demo，却写不出精妙的框架。拓扑命名这类难题，FreeCAD 被骂了十几年，AI 同样搞不定。
这些地方，AI 不缺代码能力，缺的是对“什么算对”的判断。
36 氪十月的一篇访谈里，首席架构师 Carlos Kelkboom 讲了一个更日常的翻车。
他让 Agent 写编译器，一个月后发现同一个功能被重复实现了五次。36氪
每次修改只解决眼前问题，叠加起来就没法维护了。
Carlos 的办法，是先把骨架搭好。
动手前，他花 20 分钟到 1 小时，手动建好目录、关键文件和函数签名，写下语言规范、示例和模块之间的关系。
“Agent 很擅长用蛮力找到一种解决方案，但经常忘记这套方案该如何融入整个应用。”
骨架定好，他才让 Agent 一次性完成较大的任务。Agent 擅长从零写一整块，不擅长在改乱的代码上反复打补丁。
有条原则很狠：看不懂的代码，直接扔掉。
不是看不懂语法，而是实现已经偏离了你设定的结构。这时回退重做，比在错误的地基上继续装修便宜。
美团技术团队五月公开过一个实践：31 万行代码的业务系统，90% 以上由 AI 生成。36氪
他们做的不是限制 AI，而是把工程规范变成 AI 能执行的规则，提交前再加一道 AI 自查。
代码生成得越快，检查越要跟上。
这些做法指向一件事：AI 应用开发的瓶颈，从“写”移到了“定义”和“验证”。
定义目录结构，定义模块边界，定义哪些行为不能变，定义怎么证明任务完成了。
Anthropic 分析过约 40 万次 Claude Code 会话：新手一次指令平均触发约 5 个动作、输出 600 个词，专家是 12 个动作、3200 个词。知乎
这里的专家不是指会写代码，而是对任务足够专业。
你越清楚什么是好，AI 越能逼近好。
下次打开对话框前，不妨先花十分钟写三行字：要解决什么问题，哪些行为不能变，怎么验证它做完了。
但会让它在三个月后，还改得动。
