我用AI做了两个工具:一个不停修改,一个主动放弃

 AI能很快做出第一版，却不一定能把它变成真正可用的产品。

上一篇写完“普通人用 AI 找出路”，我想继续讲讲自己的两次实际尝试。

一个是处理照片的安卓软件，另一个是摩托车出行地图小程序。

两个项目都真的写了代码、做了界面，也跑出了可以看到的版本。但最后，一个陷入反复修改，另一个被我主动停掉了。

原以为只是做个简单的修图工具

最初的目标很简单：修改照片尺寸、压缩到指定大小、裁剪、转换格式，再给证件照换个背景色。

这些功能听起来都不难。借助 AI，页面和第一版安装包很快就做出来了。

可安装以后，应用直接白屏。

解决白屏后，又发现有些手机拍摄的照片格式不兼容；处理“压缩到100KB”时，图片质量和尺寸需要反复计算；换证件照背景时，头顶碎发会被削掉，蓝色背景还会残留在发梢。

我们换过处理方法，比较过不同的人像分割模型，又增加本地 AI 模型和边缘优化。效果确实越来越好，但安装包也从一个很小的工具，变成了约70MB。

并不是没做出来，它只是让我明白：AI可以迅速写出第一版，却不能消灭后面的细节。

白屏必须修，这没有争议。可为了几根头发继续增加几十MB，值不值得？一款特殊格式要不要兼容？处理速度慢几秒能不能接受？

AI可以继续改代码，却不会替我决定应该改到什么程度。

摩托车地图，难的不是画一张地图

第二个项目，是做一个摩托车合规出行小程序。

最初的想法是，把交警公开的监控点以及摩托车禁行高架、快速路等信息标在地图上，方便骑行者查看。

我们先从某城市开始，编写工具抓取交通设备公告。很快发现，很多点位不是规整的网页数据，而是藏在图片和 PDF 里。

于是，项目不断增加新环节：下载公告、识别表格、整理地点、调用地图服务解析经纬度，再把点位导入小程序。

地图上很快出现了一个个标记，看起来已经像个产品了。

但有坐标，不代表位置准确。

公告里的地点可能写着“某村周边”“某学校门口”或者“某路口东口”。地图服务虽然能返回坐标，却可能标在村庄中心、学校中心，甚至路口的另一侧。

为了修正这些偏差，我们又做了一个本地点位校正页面，可以用鼠标重新点位置，也可以输入 GPS 坐标。

做到这里，后台需要核对的点位已经达到两千多个。

我原来想做一个小程序，后来却发现自己正在做数据采集、图片识别、地址解析、坐标转换和人工审核。

真正缺的不是代码，而是数据

位置不准，还可以人工修改。更难的是，公开数据和用户真正需要的信息之间有很大差距。

公告写着“闯红灯设备”，却不一定说明它是否专门识别摩托车；电动自行车抓拍点，也不能直接算作摩托车抓拍点。

禁行规则同样不能想当然。有明确依据的高架快速路可以提示，但不能因为部分隧道禁行，就把所有隧道都标成禁行。

地图上的每一个结论，都需要继续确认：信息来自哪里？现在是否有效？针对哪类车辆？设备有没有迁移？规则变化后谁来更新？

这些问题不能靠 AI 猜答案。

如果继续做下去，还需要路线规划、实时定位、道路属性、语音提醒和长期数据更新。做到最后，它已经越来越像高德地图或百度地图。

可我没有它们的底层地图数据，也没有团队维护每一条路的规则。

地图界面可以做得很像，最核心的数据能力却模仿不了。

所以，我停掉了这个小程序。

不是因为代码写不下去，而是继续写代码也填不上最重要的缺口。交通地图一旦给出错误提示，做得越像真的，反而越容易让人误信。

一个能慢慢改，一个应该及时停

现在回头看，这两个项目的区别很清楚。

修图软件虽然问题很多，但大部分仍在自己手里。白屏、格式、抠图效果，都可以通过测试和修改逐渐改善。

摩托车地图的核心价值却依赖外部数据。数据不完整、不准确、无法持续更新，再漂亮的页面也没有意义。

这让我多了一个判断项目的方法：不要只问 AI 能不能把它做出来，还要问它最重要的资源是否掌握在自己手里。

如果问题能够逐个测试、逐个修正，那就值得继续。

如果核心依赖自己拿不到的数据，越做越接近大平台的基础能力，及时停下来可能比坚持更重要。

这两个项目目前都没有带来收入，但也没有白做。

AI没有消灭失败。

它只是让我用更低的成本，更早看见一个项目会在哪里失败。