AI降低的不是门槛，是起点

花两天时间，用AI搭了一个系统。跑通了。然后放弃了。

做出来了，但用不了。

这件事让我想了一阵。AI确实让我跨过了一道门。以前要做一个系统，得找技术团队、写需求文档、排开发周期、花不少钱。现在跟AI对话，两天就能出一个能跑的原型。这道门确实矮了很多，矮到非专业人士也能迈过去。

但迈过去之后，面前还有一道门。

做出来和能用之间隔着维护。系统跑通了，不代表它能持续跑。跑起来之后会有Bug，会有环境变化，会有数据量上来之后的性能问题，会有需要加新功能时的架构调整。这些东西，AI帮你跨过了第一道门，但没有帮你跨过第二道。

第一道门是"会不会做"，第二道门是"出了问题能不能解决"。AI把第一道门降到了几乎为零，但第二道门一点没降。你做出来了，跑通了，然后出了一个报错，你看不懂报错信息，不知道是环境依赖的问题还是代码逻辑的问题，也不知道改了这里会不会影响那里。

但"不敢动"不是终点。它逼着你回到一个更基本的问题：你到底想用AI解决什么。

工具迭代太快，你追不上，也不需要追。今天这个模型强，明天那个模型强，对你来说没有本质区别。什么都学等于什么都没学。真正要先想清楚的是：你的需求是什么。

但"清楚自己的需求"这件事，比想象中难。你以为你需要一个系统，其实你需要的是把数据从A搬到B并且让对的人看到。你以为你需要一个自动化流程，其实你需要的是减少重复劳动中出错的概率。比如我当时搭那个系统，真正想解决的就是一件事：让几个人各自报上来的数据，不用我再手动汇总成一张表。就这么简单的事，我以为需要一个系统，其实需要的是一个共享表格加一个自动公式。但这个认知，是搭完系统、跑通、放弃之后才浮出来的。需求不是一开始就清楚的，是在做的过程中慢慢浮出来的。

怎么让它浮出来？没有别的办法，只能做。做一遍，知道哪里不对；再做一遍，知道哪里可以省；再做一遍，知道哪些环节根本不需要你。每一遍都在修正你对需求的理解。