外观
前言 · 为什么 AI 总在返工
同样用 AI,有人能稳定交付,有人在「生成 → 不对 → 再生成」里打转。差别不在 AI,在人。
两种体验
你身边可能有这样的人:一个需求丢给 AI,过一会儿就交付了,而且质量不错,上线也没出什么事。
你自己用 AI 的时候,体验可能是另一种:
- 让它做个功能,它很快就写完了,一跑,不是你要的;
- 你补充说明,它改了,又改坏了另一个地方;
- 来回几轮,你开始怀疑:AI 是不是没那么聪明?
- 最后你自己上手改,心里想:还不如我自己写。
这是现在很多人用 AI 的真实痛点:生成很快,交付不稳,反复返工。算下来,效率并没有想象中那么高。
问题不在 AI 不够聪明
同一个模型,在不同的人手里,交付质量天差地别。所以问题大概率不在模型。
AI 很强,但它是一个概率模型。没有人能保证它百分之百把某个需求做对。模型越来越强,只能说它出错的概率越来越小,而不是不会出错。
既然它一定会出错,那真正的问题就变成了:
- 你知道什么是对的吗? 如果你自己都说不清这个需求做到什么样算对,AI 只会做得更乱。
- 你怎么知道它做对了? 它说「做完了」,你信吗?凭什么信?
- 它做错了,你接得住吗? 上线之后出了问题,你能多快发现、定位、修复?修不了,能不能回滚?
能稳定交付的人,未必有意识地这样想过,但他们的做法一定回答了这三个问题。答不上来的人,就会陷在返工里。
这本小册讲什么
这本小册把这三个问题整理成一套可以复用的方法论,我叫它 AI Native 交付质量三角模型:定义正确、验证正确、失败可恢复。
围绕它,小册分三部分:
- 第一部分 · 是什么:AI Native Builder 是一个什么样的角色。
- 第二部分 · 为什么:为什么现在必须成为这样的人。
- 第三部分 · 怎么成为:三角模型是什么,以及我用它做一个产品官网的真实过程,包括走过的弯路。
读完你会拿到一张完整的地图。路怎么走,你可以自己探索,也可以直接用我已经走通的那条。