做出一个AI工具只是起点,真正的分水岭在后面三步

做出一个AI工具只是起点，真正的分水岭在后面三步

    Vibe Coding 现在很热。用自然语言跟AI说清楚要什么，它就能给你做出一个小程序、一个网页、一个工具，解决你自己生活和工作里的具体问题。媒体上也在陆续报道编程小白做出真实工具的案例。

    但我越来越觉得，这件事的门槛不在"做出来"，而在"做出来之后"。

大多数人都停在同一个地方

    自己用、别人用、数据同步、迭代升级，背后是很浩大的工程。我们往往止步于一个阶段：做出一个工具，像工作流一样解决自己的问题，自己用。

    这个阶段本身已经很了不起。但它是终点还是起点，取决于你往下一步走不走。

第一步：让AI自我迭代

    人工智能有一点特别好，它可以通过自我矫正的方式实现自己的进步。

    你把问题清晰地描述给它，它就会有一个回馈和反应，有它对这个事的见解，然后可以自我修正。这一点在试运行的时候能够解决很多问题。

    关键在"清晰地描述"。含糊地说"这里不太对"，它只能猜；说清"我输入这三个词，它返回空，我期望它返回这三个词的释义"，它才有修正的着力点。所以这一步真正练的不是技术，是你能不能把问题说到可执行。

第二步：让AI给AI做矫正

    我们能看到很多用AI做出来的小工具，可以让另一个AI工具给它查错。这样能最大限度避免使用过程中造成的问题。

    同时，通过交叉比对、交叉检查的形式，更容易发现问题，也更容易提供更好的方案。俗话说，三个臭皮匠顶个诸葛亮。如果用三个AI工具相互交叉对比，它出问题的概率就会非常小。

    这一步的道理不复杂：单一模型的盲区是稳定的，换个模型看同一段东西，盲区就错开了。这跟学校里的听课评课是一个逻辑，一个人听三遍，不如三个人各听一遍。

第三步：用真实反馈和真实数据去调

    任何一个程序，它再复杂，都没有真实的社会生活复杂，也没有真实的情境复杂。

    只有在真实情境中，大家体会和感受AI的变化，在对话和缝补的过程中看到能力提升，这时候你自己的需求也会不断变化。用的人多了，还会有新的变化，包括给小程序接入AI能力，这些都是后期要逐渐解决的问题。

    我听过一位老师讲他做个性化字词学习单的经历，很能说明这件事。他最早的版本是让全班练同一份字词，后来想，能不能让A同学只做他不会的词，B同学也只做他不会的，效率会高很多，也不需要那么多无谓的练习。做完之后学生反应不错，因为"我会的不用再练了"。可纸质学习单反馈太慢，于是他又做成了网站。再往后，班里二十几个孩子同时在线，服务器一分钟不到就撑不住了。他去问AI微信是怎么做到消息秒达的，才知道有个叫 WebSocket 的技术，可以建立双向的长连接。他不懂代码，但他知道自己要什么，然后让AI把它实现出来。

    这就是真实情境的力量。需求不是坐在办公室里想出来的，是被真实的使用顶出来的。

技术上每一步都在劝退，前进只有一个理由

    技术上每一个对新手来说都是劝退的理由。但前进只有一个理由，那就是我们想把AI用好，更多地让它服务学生、服务老师的成长。

    这条路挺漫长的。当我看到我们学校老师做出来的AI工具，能够以小程序的形式分发出去，那个过程中收获的不仅是在人工智能推进过程中一件很有成就感的事，更重要的是看到老师那种内驱力的激发。

    这大概是成长过程中遇到的最美的收获，还有风景。

留给校长和老师的一个问题

    如果只把AI当工具用，我们得到的是一批效率更高的老师。但如果老师能自己做出工具、自己迭代工具，我们得到的是一批开始重新定义自己工作的人。

    这两者的差别，不在技术能力上，在于他是否相信"这件事我可以自己动手改"。

    所以值得问一句：在我们学校，老师做出第一个能用的工具之后，有没有人陪他走第二步和第三步？如果没有，那所有的培训，可能都停在第一步。

做更好的自己！