最近我用 AI Coding 连续手搓了两个 App：一个职业发展测评，一个会员陪跑系统。
做完以后，我最大的感受：
AI 把写代码的门槛打下来了，但并没有把做产品的门槛打下来。
如果一个过去从来没有接触过软件开发、也没有做过产品的人，打开 AI，直接靠自然语言说一句：“帮我做一个App”，大概率第一次都会失败。
因为 AI 很会执行，但它不会替你想清楚：到底给谁用、解决什么问题、业务流程怎么跑、数据怎么流转、什么是正确结果。
我在做大辰商学院之前做了15年产品经理，这次自己下场做 AI Coding，踩完坑以后，总结了几个特别重要的经验，分享给大家：
第一，千万别一上来就让 AI 写代码。
先把产品最基本的事情想清楚：
用户是谁？
需求是什么？
这个产品到底解决哪个具体问题？
核心使用场景是什么？
跑在 H5、App 还是小程序？
这一步看起来“没有产出”，其实决定了后面80%的效率。
很多 AI Coding 项目最后做成四不像，不是代码写错了，而是一开始产品定义就是模糊的。
第二，先写 PRD，再写交互和 UI 规范，最后才开始 Coding。
以前我们做产品，是产品经理写PRD、设计师出稿、工程师开发。
现在这几个人可能都变成了 AI，但流程不能消失。
甚至因为 AI 执行速度太快，前期定义反而要比过去更精准。
否则它会非常勤奋地，用两小时帮你做出一个方向完全错误的东西。
第三，修改产品一定要从大到小，千万不要一个模块一个模块地抠。
先确认整体信息架构、页面关系、业务流程，再逐渐进入按钮、间距、字体、交互这些细节。
否则你今天把A页面磨得特别漂亮，明天突然发现整体流程要重构，前面所有工作全部推倒重来。
AI Coding最大的浪费，很多时候不是写代码慢，而是反复返工。
第四，真正麻烦的往往不是前端，而是后台和接口。
页面其实AI很快就能做出来。
真正开始复杂，是会员信息、订单、测评结果、权限、数据库、后台之间怎么连接。
我的经验是，最好提前整理一份清晰的接口文档，一个接口一个接口调。
千万不要一句话告诉 AI：
把会员、订单、测评、课程几个系统全部帮我打通。
这句话最后通常会得到一个巨大而混乱的Bug现场。我就亲身经历过了😤
第五，一定要提前定义“测试数据”和“正式数据”。
这个坑非常容易踩。
AI Coding很多时候没有我们传统开发那么成熟的灰度发布机制，你在测试过程中，会产生大量假的会员、假的订单、假的测评结果。
所以必须提前告诉AI：
哪些是测试数据，哪些是系统默认数据，上线以后哪些要保留，哪些必须清空。
否则最可怕的不是产品上线不了，而是——
产品上线了，正式数据没了。
第六，版本管理一定要做。
做到一个关键节点，我现在都会留一个版本。
因为 AI Coding 最大的特点之一就是：改得非常快。
但改得越快，越容易出现一个问题——
你本来只是让它改一个按钮，它顺手把另外三个模块也改了。
等你发现的时候，已经不知道怎么回去了。
所以每完成一个阶段，都要保存代码版本。
AI让开发速度提升了10倍，版本管理的重要性可能也提升了10倍。
第七，如果你第一次做，优先从 H5 开始。
H5最简单，有域名、有服务器，基本就能跑起来。
App、小程序则分别涉及打包、证书、审核、平台规则，是另外两套工程体系。
如果你不是技术背景，最好选择工程化能力比较强的 AI Coding 平台，而不是只看“它能不能生成一个漂亮页面”。
因为做Demo很容易，真正上线、稳定运行、持续迭代，才是产品。
这次做完两个产品之后，越来越确定一件事：
AI Coding 一定会改变整个商业世界。
过去做一个软件，需要产品经理、UI、前端、后端、测试、运维，一个小团队才能启动。
未来，一个懂行业、懂用户、懂业务的人，真的可能带着几个AI，就做出过去一个团队才能完成的产品。
所以未来最值钱的人，不一定是代码写得最好的人。
而是那种：
懂业务，能定义问题；
懂用户，能设计产品；
又懂得如何调动 AI，把想法迅速变成现实的人。
这会催生大量真正意义上的“超级个体”。
企业也是一样。
过去很多想法因为开发成本太高，只能躺在PPT里；以后大量内部工具、销售系统、客户服务产品，都可能被一线业务人员自己做出来。
Ai coding 正在从“专业技术团队的生产资料”，变成每一个普通人的生产工具。
我越来越觉得产品、运营、销售、咨询、创业者、管理者，更应该尽早掌握。
我打算拉一个ai 编程的兴趣群，群里除了分享ai编程知识外，9月份打算开线下的实操课，感兴趣的可以加我微信，务必备注（城市-行业-岗位）。
