【成为 AI Native Builder · 01】开篇:为什么 AI 总在返工?

这是「成为 AI Native Builder」连载的第 1 篇,全系列目录见文末。

哈喽,我是 lv。

先说一下近况。

我现在在一个 AI Native 团队,岗位是需求交付工程师。

简单说就是:接到一个需求,它可能清晰,也可能模糊,然后由我 + AI 交付一个需求的完整闭环。

比如你看到的:canvasagents.dev/ 这个产品也是我一个人 + AI 搞定的一个产品,包括从需求梳理、产品设计、UI/UX、全栈研发、测试验收、部署上线运维、运营宣发等。

我更愿意把这个角色叫做:AI Native Builder。

这段时间,我把一路踩过的坑、总结出来的方法,整理成了一本《成为 AI Native Builder》小册。

总共 9 篇,接下来,我会在这里逐篇开源连载。

这一篇是开篇,先聊一个几乎每个用 AI 的人都遇到过的问题~

两种体验

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。

有同学用 AI 的时候可能是这种体验:

一个需求丢给 AI,过一会儿就交付了,质量还不错,上线也没出什么事,就算有什么 bug 也能快速地修复。

但是也有的同学是这样子的:

  • 让它做个功能,它很快就写完了,一跑,不是自己要的;

  • 你补充说明,它改了,又把另一个地方改坏了;

  • 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,心里嘀咕:还不如我自己写。

  • 一旦出了问题要改 bug 的时候,效率就更低了。

尽管 AI 生成的很快,但是感觉交付不稳,而且反复返工。

算下来,效率并没有想象中那么高,甚至还要给它擦屁股,背黑锅。

问题不在 AI 不够聪明

同一个模型,在不同的人手里,交付质量差别很大。

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一个需求做对。

模型越来越强,只能说明它出错的概率越来越小,不代表它不会出错。

既然它一定会出错,真正的问题就变成了三个:

1. 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。

2. 你怎么知道它做对了?

它说"做完了",你信吗?凭什么信?

3. 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,就会一直陷在返工里。

带着上面这三个问题,我们下面来介绍一下「成为 AI Native Builder」这个系列。

这个系列要聊什么

我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:

  • 是什么:AI Native Builder 是一个什么样的角色?「AI 原生」到底原生在哪里?

  • 为什么:AI 的能力已经走到了哪一步?为什么人人都在用 AI,团队却没变快?应届生卷不过 AI,资深程序员反而像老中医?

  • 怎么成为:一个保证 AI 交付质量的模型,加上一个真实的实战案例,把成为 AI Native Builder 的两条路说清楚。

以上三部分就是整个系列的主题,我不太想聊用 AI 写代码能有多快,速度现在已经不稀奇了。

我更想聊的是:怎么让 AI 交付出来的东西,稳定地对。

写在最后

如果你也在用 AI 干活,也遇到过返工,希望提升 AI 交付的质量,这个系列应该能帮你理一理思路。

下一篇,我们从一个定义开始:到底什么是 AI Native Builder? 一个人 + AI,真的能把原本一整个团队的活干完吗?


「成为 AI Native Builder」连载目录

  1. 开篇:为什么 AI 总在返工?(本篇)
  2. 什么是 AI Native Builder:一个人 + AI,交付完整闭环
  3. 真正意义上的 AI 原生,原生在哪里?
  4. 人人都在用 AI,团队为什么没变快?
  5. 应届生卷不过 AI,资深程序员像老中医
  6. 怎么保证 AI 的交付质量:AI Native 交付质量三角模型
  7. 实战(上):一句话,让 AI 做出一个产品演示官网
  8. 实战(下):从 0 到 1 做一个产品官网,我迭代了 5 轮
  9. 收官:成为 AI Native Builder 的两条路

觉得有用的话,点个赞、收藏一下;关注我,连载更新会第一时间推送给你。

相关推荐
MysTic_Zhong11 分钟前
【3】核心引擎:LangGraph 编排与多路召回重排
人工智能·agent
vivo互联网技术13 分钟前
研发数字人 Agent:从 0 到 1 的架构与实践
人工智能·agent·mcp
练习两年半的攻城狮14 分钟前
企业级 AI Agent 架构知识点讲解(一):从知识型到业务型,从 LangGraph 到生产落地
人工智能·架构
得物技术38 分钟前
从研发经验到团队知识:Akashic知识工程实践|得物技术
数据库·程序员·架构
Cosolar42 分钟前
从 50ms 到 3 分钟:淘特动线 Agent 如何把 LLM 塞进一个有预算约束的实时系统
人工智能·后端·agent
Cosolar1 小时前
拆开「研发数字人」:一个 Agent 系统真正的护城河,是被结构化的判断力
人工智能·后端·架构
前端双越老师1 小时前
程序员 1v1 访谈系列第十六期:裸辞后失业半年了
前端·ai编程·全栈
艾莉丝努力练剑1 小时前
【QT】系统相关:TCP的API介绍
开发语言·前端·c++·人工智能·qt·学习·tcp/ip
AI英德西牛仔1 小时前
智谱清言导出word指令失效?PC端深度用户正在用“AI导出鸭”重构内容归档流
人工智能·重构·word·excel·deepseek·ai导出鸭