夜雨聆风这个假期，我把之前自己做的小程序带回了乡下。
最近我一直在做这个面向农村老人和种养殖场景的 AI 工具。
它叫"种养一拍"——种植、养殖遇到问题，先拍一下看看。
设计稿里，一切都很顺。按钮，图片，路径都很清楚。
但真正回到田里拍了一圈、拿给老人看了一下以后，很多问题不是坐在电脑前拍脑袋就能想明白的。
一、包心菜烂叶了，不知道什么原因
老人说，地里的包心菜烂叶了，不知道是什么原因。
这句话很普通，但很真实。对他们来说，问题不是"AI 能不能赋能农业"，而是很具体的一件事：这个菜叶为什么烂了？是不是病？要不要管？
我说这个小程序可以拍一下，看看可能是什么情况。
家里老人听完觉得很神奇——手机拍个照就能看出来？
在过去，遇到这种问题，要么靠自己猜，要么问邻居，要么问卖农资的人。
现在手机拍一下就能给个初步判断，对很多老人来说不是一个普通功能，而是一个新的入口：原来手机还能帮我看看地里的问题。
但这种"神奇感"也提醒我：越是让用户觉得神奇的东西，越不能把自己包装得太绝对。因为他们很可能会相信。
二、老人不是不会用，而是不敢点
在实际操作观察中，我原以为老人最大的障碍是不会操作。但观察下来发现不是。
家里老人平时会刷视频、看微信、扫码。但打开小程序以后，手指悬在屏幕上，就是不敢点下去。
不是不会，是不确定——点了会不会出问题？会不会扣钱？拍了照片会不会传出去？
我需要在旁边说"点这里，没关系，这个只是拍照，不确定后面还能重来"，老人才继续操作。
操作完看到结果以后，反而觉得挺简单。但如果没人在旁边，第一步可能就放弃了。
以前说适老化，我很容易想到字体大一点、按钮大一点。
但这次我更深地感觉到：给老人做产品，不只是让他们看得清，更重要的是让他们敢点下去。一个按钮前的犹豫，可能就是一次使用的中断。
三、"拍一下"这件事本身，就需要被设计
这次我自己也去田里拍了一圈。一台手机打开小程序拍照，另一台手机记录操作过程。
我原本想拍茭白和生姜——这些是我最早设定的识别范围。但回到地里才发现，家里没有种这些。最后拍到的是芋头、土豆、蚕豆和包心菜。
拍照过程也让我发现，设计稿里的照片永远是清楚的——叶子在画面中央，光线刚好，背景干净。
但田里不是这样。太阳一照叶片反光，离远了问题区域看不清，靠太近又拍糊，背景里有泥土杂草，手机也不一定能准确对焦。
所以拍照页上那几句"光线要亮""对准问题""手稳一点"，以前看起来是辅助文案，放到田地里才知道它们是关键引导。
AI 能不能识别，不是从模型开始的，而是从用户能不能拍出一张可用的照片开始的。
四、确认比选择容易
这次之后，我更加确定了一个设计决策。
最早我想让用户自己选择症状：叶斑、卷叶、缺素、虫咬……但老人看到包心菜烂叶，只知道"叶子烂了"，你让他判断是病害还是缺素，他不知道怎么选。
这些选项对我们是分类，对他们是一道题。
后来我改成：系统先根据照片给出可能的特征，用户只需要点"是"或"不是"。
这个变化看起来很小，但逻辑完全不同。选择是让用户做判断，确认是让用户做验证。 对老人来说，确认比选择容易得多。
这也是我现在最核心的设计原则：复杂判断交给系统，简单确认留给用户。
五、AI 不应该假装自己是"医生"
这个小程序最早叫"庄稼医生"。后来我改成了"种养一拍"。
不只是因为认证问题。"医生"太有权威感，容易让用户把系统的初步参考当成确定结论。
但一张照片能提供的信息有限——同样是烂叶，可能和病害有关，也可能和雨水、通风、土壤有关。
"种养一拍"更诚实：拍一下，先看看，不确定就记录下来再问人。它是一个帮手，不是一个假装什么都懂的专家。
对 AI 产品来说，有时候克制比聪明更重要。
最后
这次假期最大的收获，不是证明了 AI 有多厉害，恰恰是更清楚地看到了它的局限。
老人站在田边，看着包心菜烂叶，不需要一个很专业很绝对的结论。
需要的只是一个简单的开始：先拍一下，看看可能是什么，记录下来，不确定再问懂的人。
技术不需要显得很聪明。它只需要让人敢点下一步，敢拍第一张照片，敢把问题说出来。
AI 产品最后拼的，可能不是谁更智能，而是谁更懂真实的人。
目前业务逻辑是通了，本来打算放二维码让大家试用，但图像识别出了点问题，所以这两天打算再优化下。不管怎么说也算是我对"AI 如何真正进入真实生活场景"的一次小实验。
