AI编程很厉害，为什么你还是做不出好产品？
最近经常看到这种情况：几个人认真讨论技术问题，突然有人插一句：“现在都是AI时代了，你们讨论这些有什么用？”
这种说法让人不太舒服。
更关键的是，有这种想法的人还不少。我觉得这种思维方式不太对。
我们先承认一个事实：现在的AI确实很强。各种AI模型不断出现，代码生成速度很快，错误率降低，能处理很长的上下文。
那么正常的逻辑应该是：AI编程变强了，程序员能做出更好更强的产品，对吧？
但实际情况呢？
看看周围，很多程序员连自己的个人网站都没有，更别说做出什么像样的产品了。不少人还是每天做重复的工作，然后在社交媒体上说“AI帮我一天干完了一周的活”，或者抱怨“前端已死”。
这就很奇怪了。AI编程这么强，你的作品在哪里？为什么没有？不就是输入几句提示词的事情吗？或者你们公司的产品因为用了AI变得更有竞争力了吗？
实际情况是，很多程序员因为AI的强大，走向了另一个极端：觉得AI这么强，我没用了。
这是一种自我限制，一种害怕困难的习惯。表面上大家都在用AI写代码，效率提高了，但做出来的产品还是很普通。这不太正常。程序员反而越来越焦虑，越来越没信心。
所谓的“幻觉生产力”
我上面说的话可能有点直接，但这个问题值得认真思考。主动去实践，能帮我们快速了解AI编程的能力边界，而不是沉浸在焦虑里。思考这个问题，也有助于我们在AI时代找到自己的位置。
这种错误认识的根本原因是：工具变强了，市场对产品的要求也提高了。但你还在用原来的标准要求自己。
AI确实能在很短时间里做出80分左右的demo，看起来很不错。但当我们用生产环境的标准来衡量，要求性能、用户体验、代码可维护性，不只是简单的增删改查，这时候用AI编程真的更快吗？
最近有个新词叫“幻觉生产力”。
有个叫METR的机构找了16位经验丰富的开源开发者。他们来自大型开源项目，平均在项目上贡献了5年以上，对代码库很熟悉，大多数人也有丰富的AI工具使用经验。
他们做了一个测试：总共246个真实任务，来自开发者自己的项目仓库，包括修复bug、增强功能、代码重构等。这些都是实际工作中有价值的任务，不是故意设计的小练习。
开发者先提供任务列表，METR随机分配，一半人可以用AI，一半人不能用AI。
通过屏幕录像记录完成时间。结果和大家想的不一样：可以用AI的那组，完成任务的时间比另一组多了19%。
有个有趣的现象：测试前，参与者预测AI能让他们快至少20%。测试后，在知道数据前，他们还是觉得自己更快了。
这就很有意思了。
“幻觉生产力”这个词就是这么来的。
当我们用生产环境的标准来看这个测试结果：
首先得承认，AI确实很强，完全用AI也能完成所有工作
要求提高后，开发者要花大量时间写提示词，提高准确性，有意降低AI的错误率。有的需求需要读更多上下文，等待时间变长，效率反而降低
一旦AI理解错了，产出和预期不一致，反复修改提示词会大大增加解决问题的时间
因为长时间等待不需要花精力，编程变得更轻松，不像手动写代码那么累，我们会觉得AI更快，但实际可能不是这样。当然，你可以同时做多个项目，在等待时写其他项目的提示词，这样确实能提高效率
实际上，大多数普通人在写提示词方面，比参与测试的人更差。当我们不是在写简单的增删改查或demo项目时，输入的提示词量可能不比写的代码量少。很明显，AI更擅长从零开始做项目，因为这时候限制条件最少。但在已有项目基础上修改，需要输入更多限制条件，AI的能力就会减弱。
80分的产品
AI最擅长做80分的产品。我有个朋友做AI培训，他分享过一个真实案例：客户花10万块钱能把产品做到80分，但想把产品做到100分，半年花了50万也没做到。
今年是AI快速发展的一年，也是大家更清楚认识AI的一年。
限制AI做到100分的，不是AI写代码的能力不够，它已经能写出所有代码。限制在于其他因素，它需要有人引导。
怎么引导，就是瓶颈所在！
想把产品做到100分，就必然要提高要求，不能停留在学生作业、练习demo或者粗糙产品的水平。你需要更多提示词、更准确的描述、要求AI更稳定地输出。这时候对提示词的要求，和你亲自写代码也差不了多少。
很多时候，代码本身就是最简洁的输入。
所以在AI编程时代，学习基础知识不是没用，而是很有用。只不过很多程序员停留在80分项目的阶段，感受不到而已。
你要做的是，尝试做一个像样的产品，跳出重复工作的范畴，亲身感受一下。
架构思维在AI时代很有用，因为它能大大减少提示词的输入和AI代码的输出，降低你和AI的沟通难度。
关于AI的几个问题
AI时代，前端要不要学后端？
AI时代学习成本降低了。如果你掌握了正确的学习方法，成长会很快。所以学习后端知识是很自然的事，不是要不要学的问题。
如果你还在纠结要不要学后端，说明你潜意识里觉得学习后端成本很高。这时候你要做的不是纠结要不要学，而是尝试在前端的某个方向学习中，找到适合自己的学习方法。
前端要不要学RAG开发？
RAG开发更适合专业后端的发展方向。如果你想研究这个方向，要明白一个前提：找工作时，你是和后端程序员竞争，因为很多后端程序员都在研究这个。
容易产生的误区是，你可能还觉得自己是在和前端群体竞争，这样是不是更有优势？实际上不是。
如果需要在这个方向上有高精度输出，对后端基础能力的要求非常高。不是一个前端简单转过去就能做好的。
在这个前提下，如果你觉得自己还有强大的竞争力，当然可以学RAG开发。
另外，RAG开发有很多数据清洗、数据结构转换、数据向量转换这样的繁琐工作，还有大量数据库、向量数据库、混合检索的操作。如果你喜欢这类工作，也可以尝试。
当然，你也可以从技术新手的角度出发，用Dify或Coze调参数，这样学习成本很低，外行也能学，有空可以试试。
总结
AI是强大的工具，但不是万能药。它能帮我们快速做出能用的东西，但要做好产品，还是需要人的思考、设计和判断。
关键是找到平衡：用AI提高效率，但保持自己的思考能力。不要因为AI强大就放弃学习，也不要因为害怕被替代而抗拒AI。
真正重要的是做出有价值的产品，无论用什么工具。
本文内容仅供个人学习、研究或参考使用，不构成任何形式的决策建议、专业指导或法律依据。未经授权，禁止任何单位或个人以商业售卖、虚假宣传、侵权传播等非学习研究目的使用本文内容。如需分享或转载，请保留原文来源信息，不得篡改、删减内容或侵犯相关权益。感谢您的理解与支持！