零基础用AI开发软件?第二课:学会向AI“提问”,把模糊想法变成清晰方案

高级的“许愿”，是提出一连串的好问题

在上一篇文章，我分享了如何向AI“许愿”——用简单的描述，让想法变成可运行的代码。但当你开始面对真实的、复杂的业务需求时，可能会发现，仅仅“许愿”似乎不够用了。

今天，我就用一个真实的开发故事，分享下我的进阶心得：如何通过与AI进行一场高效的“专业对话”，把你的模糊需求，梳理成一份可直接开发的清晰方案。

这是一个真实发生在我身上的故事。

一个看似简单的需求

我需要在一个现有的商品溯源码系统里，增加一种新的“发货码”。听起来很简单，对吧？

如果是以前，我的工作流程会是这样的：

1. 自己琢磨：在大脑里反复推演，画各种流程图。

2. 到处翻代码：手动查找所有可能受影响的文件和函数。

3. 边写边想：在开发中不断发现遗漏，然后回头修改，甚至重构。

这个过程，充满了不确定性，也很容易在思维盲区里“踩坑”。

但这一次，我换了一种方式。我没有立刻开始写代码，而是打开了AI编程助手，像请教一位资深同事一样，开始了下面这场对话。

一场价值千金的“六连问”

我对AI提出的，不是模糊的“许愿”，而是一系列结构清晰、层层递进的具体问题：

第1问（勘察战场）：

“检查当前代码，我想在生成溯源码的时候再生成一种码，这个码专门用来发货。你帮我检查下文件，看下要改哪些文件，要怎么改？不需要帮我改好，只需要告诉我怎么改。”

（我的意图：让AI快速帮我理清代码结构，锁定核心修改点，避免我自己大海捞针。）

第2、3问（评估影响）：

“发货和装箱的时候是否要改？”

“装箱入库的时候，发货码也要支持可以装箱入库。”

（我的意图：确保新功能能融入现有业务流程，提前发现所有需要适配的环节，避免开发完才发现流程走不通。）

第4问（方案选择）：

“刚才说的发货码，我是在溯源码增加一个字段，生成溯源码的时候同时生成发货码好，还是增加新表？”

（我的意图：在技术设计的关键决策点，获取AI基于通用最佳实践的分析，辅助我做出更合理的架构选择。）

第5、6问（寻求最优解）：

“发货的时候，是否可以通过映射去修改，相当于让我改很少的代码，就能实现通过发货码去发货？”

“Laravel是否有相关方法，在不影响性能的情况下把这个功能实现？”

（我的意图：追求优雅、高效的实现方案，而不仅仅是“能实现”。这是从“功能实现”到“质量实现”的跨越。）

对话的结果：我“抛弃”了AI的方案，却获得了最大的成功

经过这六轮高效的问答，AI给了我一份非常详尽的“开发方案建议书”，包括了具体的文件、推荐的技术路径（如在原表增加字段，使用Laravel的访问器）等。

但故事的结局是，我最终并没有采用AI写的具体方案。

为什么？因为在与AI这一问一答的过程中，我自己的思路被彻底激活和梳理清晰了。AI像一个完美的“提问者”和“信息整理者”，它强迫我把模糊的需求拆解成具体的问题，在回答这些问题的同时，我基于对自身业务代码更深的理解，脑海中已然形成了一条更简单、更直接的实现路径。

按照自己思考出的最简方案，顺利完成了开发。

核心：从“许愿”到“结构化提问”

通过这个案例，我想告诉你，对于复杂任务，AI最大的价值往往不是它给出的“答案”，而是它帮你理清“问题”的过程。

“许愿”适用于从0到1的创造（“给我一个官网”）。

“结构化提问”适用于从1到N的优化和复杂问题解决（“在现有系统上，如何增加X功能，并确保Y和Z不受影响？”）。

如何提出高质量的“灵魂六问”？你可以遵循这个框架：

1. 现状诊断：“检查当前代码，影响范围是什么？”（搞清楚我们在哪）

2. 影响分析：“动了这里，其他地方会受影响吗？”（预见连锁反应）

3. 方案抉择：“有A和B两种做法，哪个更适合我？”（做出关键决策）

4. 实现寻优：“有没有一种更优雅、改动更小的方式？”（追求代码质量）

5. 技术咨询：“用我现在的技术栈（如Laravel），最佳实践是什么？”（借助先进知识）

6. 风险评估：“你看出我这个思路里，有什么潜在的问题吗？”（主动查漏补缺）

当你学会这样提问时，AI就从一个“许愿机”，变成了你的私人技术顾问、代码审计员和头脑风暴伙伴。它帮你扫清信息迷雾，让你能把所有精力，集中在最需要人类创造力和判断力的核心决策上。

所以，真正的进阶技巧不是写出更复杂的“咒语”，而是学会像专业人士一样思考，并把思考过程，转化成一系列高质量的问题，去驱动AI为你工作。

下次当你面对一个让你有点头疼的任务时，不要直接说“帮我把这个做出来”。试着停下来，像剥洋葱一样，把你的大问题，拆解成几个连续的小问题，然后开启一场有序的对话。

你会发现，最好的方案，往往就在你与AI共同梳理问题的过程中，自然而然地浮现出来。

这，就是人机协同的魔力。