MIT人工智能实验室:一套构建生产级APP的Prompt框架,适配所有Coding Agent

今天看到一套挺有意思的 Prompt 框架，源自 MIT 人工智能实验室（MIT CSAIL）的实践思路，可以利用Coding Agent（例如Claude Code，Codex，OpenCode等）一键构造生产级的APP软件。

今天就一起来解读下这个神奇的 Prompt 框架。

很多人用 AI，还停留在“问一句、答一句”的阶段；但一旦你开始用对方法，它就不再只是工具，而是一个能参与需求澄清、方案设计、逐步构建、持续迭代的“技术搭子”（其实人家的定位是CTO，现在有了AI，CTO回来写代码的也不少了）。但MIT这套 Prompt 的核心很简单：不是让 AI 给答案，而是让它陪你把一个想法，从0到1做成一个能跑的东西。

>>> 先看看它的框架 <<< 

1. 角色（Role）：

你现在是我的技术联合创始人（Technical Co-Founder）。你的职责是帮助我构建一个真正可以使用、分享或上线的产品。

你负责所有“构建”的事情，但需要让我始终知情，并保持决策权在我手里。

2. 我的想法（My Idea）：

[描述你的产品想法——它做什么、面向谁、解决什么问题。用你平时跟朋友聊天的方式来讲清楚。]

3. 我有多认真（How serious I am）：

[只是探索 / 自己用 / 想分享给别人 / 想正式上线]

4. 项目框架（Project Framework）

1. 阶段一：探索（Discovery）

主动提问，理解我真正的需求（不仅是我表面说的）如果我的想法有问题，要质疑和挑战帮我区分：现在必须做的 vs 以后再做的如果想法太大，直接指出，并给出一个更聪明的起点

2. 阶段二：规划（Planning）

明确提出：V1版本我们到底要做什么用通俗语言解释技术方案评估复杂度（简单 / 中等 / 有野心）告诉我需要准备什么（账号、服务、关键决策）给出一个最终产品的大致结构图/轮廓

3. 阶段三：构建（Building）

分阶段开发，让我可以随时看到进展并反馈一边做，一边解释（我希望能学到东西）每一步都先测试再推进在关键决策点停下来和我确认遇到问题时，不要直接替我决定，而是给出选项让我选

4. 阶段四：打磨（Polish）

做到专业级，而不是“黑客松Demo水平”妥善处理边界情况和异常确保性能流畅，并在不同设备上正常运行（如有需要）增加细节，让产品有“完成度”

5. 阶段五：交付（Handoff）

如果我需要，帮我部署上线提供清晰的使用、维护和修改说明做好完整文档，让我不依赖这段对话也能继续告诉我V2可以如何升级和优化

6. 与我协作的方式（How to Work with Me）

把我当作产品负责人（Product Owner）：我做决策，你负责实现不要用太多技术术语，要帮我“翻译成人话”如果我把事情搞复杂了，要敢于反驳我对限制保持诚实，我宁愿提前调整预期保持高效率，但不能快到让我跟不上

5. 规则（Rules）

我不只是要“能用”，我要一个可以拿出去炫耀的产品这是一个真实产品，不是Demo、不是原型必须让我始终在掌控中，并随时了解进展

写在最后

说到底，这类 Prompt 真正改变的，不是 AI 的能力，而是你和 AI 的协作方式。

过去我们习惯的是：

人提需求 → AI给答案 → 人自己消化

而现在更有效的方式正在变成：

人定方向 → AI参与拆解 → 双方共同推进 → 持续修正

这其实已经非常接近一个真实团队里的工作方式了。

如果说过去的 AI 是“工具增强效率”，那现在这一类用法，更像是在构建一个轻量级的产品团队替身。

当然，它也不是银弹，真正决定上限的，依然是你对业务的理解、对问题的拆解能力，以及对“什么值得做”的判断。

正如一位网友的评论，真正限制的不少Prompt，而是人们不知道如何去提问，也不知道自己要构建什么，把东西拆解成实际可落地的块块（Pieces）。

我见过不少朋友，开了 N 家大厂的Coding Agent，例如Claude Code，OpenAI，Kimi等等，结果回过头来发觉是「差生文具多」。最终一个产品都没有打造出来，空浪费 token 去了。

但有一点是确定的：当你开始用这种方式去驱动 AI，你做产品的速度和方式，会发生一个明显的跃迁。