AI写代码时如何思考 🤔

AI模型价格对比 | AI工具导航 | ONNX模型库 | Vibe Coding教程 | PLC在线仿真器 | Tripo 3D | Meshy AI | ElevenLabs | KlingAI | ArtSpace | Phot.AI | InVideo

你一定也遇到过一些人，他们能在整个下午就拉出一个完整的工作网站或应用。 提示、生成、运行、修复、发布！

没有学位。没有多年苦练LeetCode。只有清晰的思考和一个聊天窗口。

而我在观察他们时，在自己身上注意到一些有趣的事情。

一部分的我印象深刻。一部分的我感到不安。 不是因为代码不好。它不是。

我感到不安是因为我意识到那个房间里重要的技能不是打字。而是思考。而我们大多数人花了多年时间训练错误的肌肉！

这是整个行业现在正在谈论的转变，用他们自己的话说：我们正在从"编写代码"转向"表达意图。" 这个短语听起来很抽象，直到你坐下来面对它实际上对你的要求。所以让我们坐下来面对它。

1、AI希望你思考，最好早点培养！

大多数人认为AI写代码意味着人类变得可选。机器在做思考，而你只是批准或拒绝。

现实恰恰相反。

AI没有消除思考的需求。

它消除了逃避思考的借口！

多年来，语法给了人们一个躲藏的地方。 你可以花几个小时调试一个缺少的分号，并感到有生产力，而从不问你正在构建的功能是否真正解决了正确的问题。

语法是一个舒适的笼子。它让你忙碌。 它让"我正在做它"即使在方向错误时也是一个真实的句子。

AI现在编写语法。这意味着笼子的门打开了。而一个打开的笼子只有对知道他们想去哪里的人才有用！🚀

2、从语法到系统

让我简单地说，因为原则比术语更重要。

语法是"怎么做。" 系统是"为什么"和"接下来会发生什么。"

当你逐行编写代码时，你的注意力自然会缩小。 你在思考循环、变量名、函数签名。 必要的工作，但是低空工作！

当AI写代码时，你的工作提升了一个层次。 你不再问"我如何让这个数组正确排序。" 你在问：

• 这个系统实际上是为了什么？
• 如果这个失败了，谁会崩溃？
• 当这个扩展到十倍用户时会发生什么？
• 我正在做什么假设而我没有测试过？

一开始这让人不舒服。

缩小感觉比放大更不具体。

调试语法错误有明确的终点。 调试你自己的意图则没有。

但这正是区分那些构建持久事物的人和那些构建在演示中令人印象深刻但在生产中崩溃的人的技能。

你不再是在写代码。你是在对一个系统说话，就像这个文档说你应该对读者说话一样。清晰地。带有意图。期望被理解，并在不被理解时承担责任。

3、替代"我如何编写代码"的四个问题

我想在这里给你一些可操作的东西，而不仅仅是一个你点头然后忘记的思维转变。

下次你坐下来用AI构建东西时，在你写一个提示之前，问这四个问题

3.1 我实际上在解决什么问题？

不是功能。功能下面的问题。 如果你要求AI"构建一个登录系统，"你会得到一个登录系统。 如果你问"我如何让值得信任的用户进入，让不值得信任的用户出去，便宜、没有摩擦，"你会得到更接近你实际需要的东西。

模糊的意图产生模糊的输出。清晰的意图产生清晰的输出。 这是因果。

3.2 成功具体是什么样子的？

"它有效"不是一个规范。"用户可以在30秒内注册，并且永远不必每年重置密码超过一次"是一个规范。

AI极其擅长击中你能描述的目标。 它极其不擅长猜测你不能描述的目标。

3.3 我假设了什么而我没有检查过？

这是大多数人跳过的问题，也是最重要的问题。你构建的每个系统都建立在假设之上。 关于用户行为、负载、边缘情况、"完成"是什么意思的假设。

AI会愉快地在糟糕的假设上构建，而从不告诉你它是在不稳定的地面上。 那是你的工作。不是模型的！

3.4 如果这个失败了，谁负责？

总是你负责！ AI生成的代码不会稀释责任。它会集中责任。 如果你不能解释为什么系统以它的方式运行，那么无论谁或什么编写了语法，你都不够理解它来发布它。

注意四个问题中的所有内容。它们都不需要你成为一个更好的打字员。

它们都需要你成为一个更清晰的思考者。

4、执行仍然胜过过度思考。只是不是盲目的执行。

现在，我想在这里小心一点，因为我不想让你离开时想"所以我需要在接触AI之前完美地计划一切。" 那也不是。那只是穿着新AI形状服装的旧完美主义陷阱。

验证，然后执行，然后学习，然后迭代。这个顺序仍然成立。实际上，它比以往任何时候都更成立，因为单个迭代的成本已经崩溃了。 过去你需要几天来测试一个想法。现在你可能只需要二十分钟！这不是跳过思考的理由。这是快速廉价地思考的理由，在小循环中，而不是一次性思考大而慢。

缩小到系统和意图并不意味着在生成一行代码之前，在房间里用白板坐三个星期。 它的意思是你构建，你看看返回了什么，然后你问"这是否确实服务于我的意图，或者我只是得到了一些能编译的东西。" 那是非常不同的标准。

大多数人会使用AI来在错误的方向上更快。少数人会用它来思考正确的方向更清晰，然后快速前进。那第二组人就是我写这篇文章的对象。

5、真正正在打开的技能差距

这里有值得思考的东西。好的构建者和伟大的构建者之间的差距过去主要是技术性的。谁知道更多语言、更多框架、更多技巧。

随着AI拉平了很多技术深度，那个差距正在缩小。

但一个新的差距正在打开，而且它根本不是技术性的。

• 它是能够清晰表达他们想要什么以及为什么重要的人和不能的人之间的差距。
• 是理解系统和后果的人和只理解语法的人之间的差距。
• 是对结果负责的人和躲在"好吧，AI写了它"后面的人**之间的差距。

这实际上是好消息，如果你让它成为的话。 它意味着你现在可用的最深层次的工作不是再学一个框架。

而是变得更善于清晰地思考、精确地表达意图，以及理解你正在构建的系统。

这是几乎任何愿意投入努力的人都能学会的。 你不需要一个花哨的学位来清楚地思考一个系统应该做什么以及它应该服务谁。

你需要好奇心，对你还不知道的东西的诚实，以及愿意在公众面前犯错并改正的意愿。

6、从哪里开始，今天

不要被你明天早上的工作方式所颠覆。 从更小开始！

下次你打开AI工具构建东西时，在输入提示之前暂停。

• 写一个句子描述实际问题，而不是功能。
• 写一个句子描述成功是什么样子的，用一种你可以衡量的方式。
• 然后写你的提示。

就这样。这就是整个第一步。 它花费你两分钟，它会改变返回给你的东西的质量，因为你终于会瞄准一些真实的东西，而不是一些模糊的东西。

做足够多次后，它就不再是一个清单了。 它变成了你的思维方式。而这真的是整个重点。

工具会继续改变。模型会继续变得更好。 不会改变的是你是否理解你实际上试图构建的东西，以及它为什么重要，它服务谁。

原文链接: How to Think When AI Writes the Code 🤔

汇智网翻译整理，转载请标明出处