AI 编程已经成为实际工作中的一种常态了，最近和挺多朋友都有相关交流。
有意思的是，那些真正把 AI 用出效果的团队，并不是技术最好的，而是更加注重管理的。
从"一句话要结果"到"提示词"
刚接触，一句话就想实现一个功能，后来发现需要提示词工程才能实现好的结果。
刚接触 Cursor、Trae 等编程工具的时候，你是否有过直接要 AI 帮你写完一个功能？
比如：帮我实现一个登录模块。
结果你发现：
- 要么样式不符合预期
- 要么逻辑存在漏洞
后来，你知道了"提示词工程"。
"提示词"到"上下文"
熟悉提示词后，你发现基础模块的开发真的快了好多。
但总会存在一些细节没法完美符合团队的预期，导致你还需要手动调整。
比如：你让 AI 帮你实现一个时间处理逻辑，结果它放着框架中已经封装的 DateUtils 不用，非要自己造轮子。
后来，你学习了"上下文管理"。
"开发"到"流程"
这时候，你感觉自己已经是一位精通 AI 编程的程序员了。
但你发现，满意并不是一直有的，有时候总会有各种各样的不完美。
比如：一次很久的生成，其他都很完美，唯独缺少了一个关键特性，重新生成又要好久。
也许，这时候，你多同事会告诉你，AI 编程只能如此了，就是不稳定。
后来，你摸索出，通过规范流程，可以大大降低这个不稳定性。比如分析、执行、审查流程，比如"费曼学习法"。
产品经理的利好
如果你经历过以上 AI 编程的情景，你会发现，AI 编程最核心的其实并不是技术有多好，而是是否具备"管理思维"。
这也是我为什么认为懂技术的产品经理才是 AI 时代收益最大的岗位。
你可以借助 AI：
- 快速了解项目业务背景；
- 绘制原型效果；
- 编写需求分析文档；
- 设计界面效果；
- 实现业务功能。
你会发现你的触角已经深入到项目过程中的各个阶段，远比原来人与人协作更加如臂使指。
结语
因此，如果想要真正利用起来 AI，可能除了专业技术外，我们都还需要掌握一些管理知识 ，让我们对 AI 的利用可以不断加深、更加科学、持续进化。