夜雨聆风一个10年架构师的2小时实验：从写PRD到拆解近百个任务，AI完成了编码。但真正让我震撼的，不是“快”，而是“可以随便改了”。
01 、一个2小时的实验
我先说个真事。
我自己，10多年编码经验的架构师，之前从没用过AI编程。前段时间好奇，试了一下Trae，想做个正经的B端业务管理系统。
功能不算少：登录、操作日志、系统配置，还有核心业务——批量AI处理文献、提取数据入库、自定义AI角色做不同分工。
按常规，这套东西从零编码，至少3天。
结果呢？2个小时。
我不是让AI自己瞎搞。我的做法是：先写PRD，再写技术实现文档，最后拆解出近百个开发任务，逐个喂给AI。
AI负责写代码。启动后一堆bug，AI自己修了大半小时，主流程就通了。
但今天我不想聊“AI多厉害”。我想聊的是这件事背后，一个对行业更深远的冲击：
软件行业试错成本，几乎归零了。
02 以前为什么不敢改？
传统软件开发，最大的隐性成本不是写代码，而是试错。
你想想，为什么要有PRD、设计、FSD、评审、编码、测试这么长的流程？为什么要把需求想得清清楚楚才敢动手？
因为写代码太贵了，改代码更贵。
一个需求变更，可能意味着：
前端改页面
后端改接口
数据库改表结构
联调、测试、回归……
这一套下来，少则半天，多则几天。所以大家养成了一个习惯：一次做对，尽量别改。
但现实是，业务需求本来就是模糊的、变化的。你越想“一次做对”，前期投入就越大，后期越不敢改。这是个死循环。
03 现在可以随便改了
AI编程改变了一切。
我给你举个真实的例子。我在那个B端系统里，想加一个左侧菜单栏，支持折叠展开，菜单上放不同功能模块，每个模块配不同图标，还要有合理的排布。
如果是传统开发，我需要：
跟前端说清楚需求
菜单结构
折叠逻辑
图标库
响应式……
前端写代码
联调、改bug……
但现在呢？我用文字描述我的需求：
“左侧菜单栏，支持折叠展开，包含模块A、B、C，A用图标a，B用图标b，默认展开状态……”
等3-5分钟，AI生成完了。不满意？改一下描述，再等3分钟。
以前半天的活，现在5分钟。
再比如，我在PRD里定义“会话消息列表和详情页一起展示”。我需要写清楚：
列表页占画面多少比例
包含哪些操作按钮（重做、删除、下载、查询）
包含哪些条件输入框（标题、时间区间）
列表展示哪些信息（标题、状态、快捷操作按钮）
这些细节，如果让研发去理解、沟通、编码，至少半天。但AI编程，你写清楚，它就做出来。
关键不是AI写得快，而是你改得起。
04 但免费试错不等于自动成功
有人会说：那是不是我随便说一句“给我做个系统”，AI就能搞定？
我试过。直接给AI一句话需求，比如“帮我生成一个批量上传文件调用DeepSeek接口的应用”，它确实会生成一个东西。但问题百出：跨域、API-KEY存储、提示词设置、甚至模拟假响应。
为什么？因为AI不理解你的业务上下文，它只是猜。
试错免费了，但如果你描述模糊，AI试一百次也跑偏。
那正确的做法是什么？
像我这样：先写PRD，细化到字段展示、按钮位置、文案内容、全局参数；再写技术文档，定义接口路径、业务逻辑、数据库表；最后拆解成一个个小任务，喂给AI。
这不是写代码，这是设计实验。你把“要什么”定义得无比清晰，AI只是执行。
AI是你的实验室助理，但实验方案得你自己写。
05 那1%的bug呢？——它是基础，不是全部
我也遇到了AI修不好的bug。
流式返回大模型内容时，打字机效果出现频闪，文本突然消失。AI试了好几次，改代码，不行。甚至开始模拟假响应，假装修好。
最后我自己看代码，发现是React渲染机制和流式数据更新的时序冲突。
这种bug，需要理解上下文、凭经验定位。AI确实不行。
但这只是兜底能力。就像开车，你会换备胎很重要，但你不是靠换备胎吃饭的。你是靠安全、快速地把人送到目的地。
真正的核心能力，是上游的定义与转化。
06 一个量化规律：节点越多，AI偏差越大
我还总结了一个规律。
假设一个功能节点，AI做出来有5%的偏差。一个节点，准确率95%。两个节点串联，90%。10个节点呢？95%的10次方——只剩60%。
（如图的小工具，节点短，做数据加工处理等，AI编码轻松搞定）
这就是为什么小工具，一句话让AI出个脚本，基本能用。但做大系统，流程节点一多，AI自己搞就容易跑偏。
那60%的准确率，在真实业务里不可用。
怎么办？需要专业人员在每个节点把关、修正、对齐。这个人懂业务、懂技术、能把模糊需求翻译成精确任务。
这个人的角色，就是架构师或高阶产品经理。他做的事不是写代码，而是校准方向。
07 对两类人的启示
对一线程序员：别只学“怎么用AI编程”——那太简单了，半小时就会。你要学的是：写PRD、拆解任务、精准描述。这是从“执行者”到“设计者”的跃迁。同时，别丢了解决深层bug的能力——那是你的底线，但不是你的上限。
对决策者（CTO、总监、产品负责人）：别再堆编码人力了。试错成本已经归零，你的竞争优势不再是“大规模编码团队”，而是快速验证业务假设的能力。团队结构应该从“大量编码+少量设计”转向“少量转化专家+AI”。最重要的投资：培养能写PRD、能拆解任务、能跟AI高效协作的人。
08 最后
回到那个2小时的实验。
它让我震撼的，不是“AI多厉害”，而是“我居然可以像做实验一样做软件了”。
过去，做一个新功能要犹豫半天，因为改起来太麻烦。现在？让AI生成，看一眼，不行就改描述。试错几乎免费。
这不仅仅是效率提升，这是开发范式的转移：从“瀑布式的一次做对”到“敏捷式的快速迭代”，到现在AI编程迭代成本低到可以忽略。
但前提是，你得会“设计迭代”——也就是把人的需求，翻译成AI能执行的任务。
AI替你打工，但你要替AI指路。指路的能力，就是下一个十年的核心竞争力。
往期文章：
