Skip to content

09 两条路 ​

一个官网,只是产品研发里一个很小的场景。把它放大到一个完整的产品,你打算怎么走?

从一个官网,到一个完整的产品 ​

回顾一下第 8 章:一个官网,一个页面,几乎只涉及「前端 + 设计」这一小段。为它从 0 到 1 搭出交付三角模型,用了 6 周、45 个提交,放弃了 3 个方向。

现在把场景换成你工作中真实的项目:

  • 要从一句模糊的需求开始,梳理用户旅程,产出 Spec;
  • 要做产品的信息结构、高保真设计,沉淀设计系统;
  • 要写前端、后端、数据库,可能还有移动端;
  • 要有单元测试、集成测试、E2E 测试,要有预发布环境;
  • 要部署、监控、告警、回滚;
  • 上线之后还要持续迭代:大功能、小功能、Bug 修复同时进来,好几个需求在不同分支里并行流转。

每一个环节,都要回答同样的三个问题:什么是对的?怎么证明它做对了?出了错怎么办? 而且这些环节之间还要互相衔接:设计的验收标准要流进 E2E 测试,分支策略要支撑回滚,项目架构要让 AI 读得懂、改得动。

如果让你自己从 0 到 1 搭这样一套交付模型,第 8 章的那些弯路,会在每一个环节上重演一遍,而且会更多。

第一条路:自己摸索,让 AI 辅助你来做 ​

这本小册已经把地图交给你了:

  • 是什么:一个人 + AI,用 AI 原生的方式,构建从需求到交付的完整闭环;
  • 为什么:AI 能跑完流水线,人和组织还在按环节用它;
  • 怎么成为:为每个需求构建一个交付质量三角模型,也就是定义正确、验证正确、失败可恢复;
  • 怎么搭:像第 8 章那样,从一个虚线三角开始,一圈一圈地转,把每一次失败变成下一圈的定义。

你完全可以拿着这张地图,从手上的下一个需求开始,自己摸索。当然,不是自己从 0 到 1 来摸索,同时也让 AI 辅助你来做。

具体来说,就是用这本小册配套的答疑 Skill(见附录 D),把你的需求描述清楚,交给它。让 AI 基于小册里的知识,判断什么样的路径最快,帮你更快地建立这个需求对应的交付质量三角模型。

AI 可以结合小册里的理论、它自己的经验,必要时再去查外部的资料,还会反过来问你一些问题,来判断怎么最快地把这个三角模型搭起来。

下面是一个通用的提示词模板,把 { } 里的内容换成你自己需求相关的内容,直接交给你的 Agent 就行:

text
用 ai-native-builder-tutor,帮我为下面这个需求搭一个「AI Native 交付质量三角模型」。

我的需求:{一句话描述你的需求,比如:给我们的记账 App 加一个「导出 Excel」功能}
项目背景:{项目类型、技术栈、现在的测试和部署方式}
我的期待:{做到什么程度算好;有没有可以参照的样本}

请你:
1. 先基于小册里的方法,判断这个需求适合多重的三角,以及最快搭起来的路径;
2. 有不清楚的地方先问我,一次只问一个问题;
3. 需要小册之外的知识(框架、工具、最佳实践)时,去查资料补上,并告诉我来源;
4. 最后给我这个需求的三角模型:验收标准(定义正确)、自动化加人工的验证方式(验证正确)、上线后的发现、修复和回滚方案(失败可恢复)。

提醒

AI 生成的三角模型建议仅供参考。最后拍板的还是你自己:验收标准对不对、验证够不够、回滚方案能不能用,都要你逐条过一遍。

我也是这么走过来的。这条路的代价是时间:你会把我踩过的坑再踩一遍,然后长出属于你自己的模型。

第二条路:走一条捷径 ​

如果你还是想走得更快、更稳一些,可以看看我是怎么把一套成熟的交付模型,运用在产品的全流程研发中的。我把这个过程整理成了一门课,算是另一条捷径,感兴趣可以看:canvasagents.dev/course。

怎么选 ​

两条路都能到达终点,区别在于你想花多少时间、走得多稳:

  • 如果你愿意花时间,享受摸索的过程,就走第一条路:拿着小册这张地图,让 AI 辅助你,一圈一圈地把自己的三角模型转出来。
  • 如果你希望少踩坑,尽快在完整的产品研发里跑通,就走第二条路:先看一套成熟的交付模型是怎么用起来的,再根据自己的项目去调整。

无论选哪条,有一件事是一样的:下一个需求来的时候,先别急着丢给 AI。 先问自己三个问题:

  1. 什么是对的?
  2. 我怎么证明它做对了?
  3. 它错了,我接得住吗?

能回答这三个问题,你就已经在成为 AI Native Builder 的路上了。

《成为 AI Native Builder》1.0 · 程序员版