夜雨聆风打开 Claude Code,对话框空空的。光标在闪。你盯着它,想了半天,打了一句话:"帮我做个网站。"AI 回了一大堆代码和专业术语,你看不懂,然后就关掉了。
这个场景,是不是很熟悉?
这不是 AI 不够聪明。
现在的 AI 已经很强了,Claude、GPT 随便一个,让它给你写一个完整的 Web 应用,它能写。
问题出在起点。
你不知道该告诉它什么,它不知道你到底想要什么,于是双方鸡同鸭讲,什么也做不成。
今天这篇文章,我要告诉你:真正卡住你的不是技术,而是缺少一个"翻译层"——一个能把你脑子里模糊的想法,变成 AI 能精确理解的需求的东西。
一句话总览 🔍
AI 编程已经很强了,真正卡住普通人的不是技术门槛,而是缺少一个把人话变成 AI 能理解的需求的"翻译层"。
真正的门槛:不是技术,是认知
有很多人想用 AI 做点东西。
他们有想法,有热情,甚至有很具体的需求。
然后他们就卡住了。
不是因为没钱,不是因为没时间,是因为不知道怎么开口。
不知道应该跟 AI 说什么 不知道 AI 能不能做这件事 不知道做出来之后自己能不能看懂、能不能维护
这是真正的门槛。
技术门槛被压得很低了,但认知门槛还在。
想象一下:
你去餐厅点菜,服务员问你:"想吃什么?"
你说:"我想吃点好吃的。"
服务员愣住了:"好吃的...是什么?辣的还是不辣的?中餐还是西餐?主食还是小吃?"
你也愣住了:"我也不知道...你推荐一下?"
这就是你和 AI 的对话现状。
你说的太模糊,AI 不知道从哪里开始。
dev-planner:给 AI 装的"翻译技能包"
那么,怎么解决这个问题?
答案是:给 AI 装一个"翻译技能包"。
dev-planner 就是这样一个东西。
简单说,这是给 AI 装的一个技能文件。把它装进你使用的 AI 编程工具,AI 的行为就会发生变化。
当你跟它说"我想做个东西"的时候,它不会直接开始写代码。
它会先跟你聊,通过一系列选择题,把你脑子里那个模糊的想法,变成一份清清楚楚的开发计划。
五个阶段:从想法到产品的完整路径
整个流程分五个阶段,每个阶段都有明确的目标和输出。
第一阶段:对话收集需求
AI 会问你一系列问题,都是选择题,选项都是大白话。
项目是网站还是 App? 功能需不需要登录? 想要什么风格? 部署在哪里?
每道题都有"让 AI 帮我决定"这个选项。
你可以全程什么都不懂,照样完成规划。
第二阶段:生成开发文档
确认规划之后,AI 会自动生成三份文档:
开发文档(含架构图、数据库设计、流程图) API 接口文档(含请求/响应示例) 代码规范文档(含命名规范、目录结构)
这三份文档是后续所有开发的"宪法",AI 必须严格按照它们来写代码。
第三阶段:检测工具链
AI 会扫描你的环境里有哪些可用的工具。
GitHub 接口、数据库连接、Docker、网络搜索等,能用的都用上,不依赖任何一个工具,用不了就换方案。
第四阶段:编排 Agent 团队开发
这是最酷的部分。
AI 会把自己分裂成几个"子 Agent":
后端工程师 前端工程师 测试工程师 文档工程师
各自负责自己的部分,能并行推进,每个节点完成都要自我测试,测试通过才能提交代码。
第五阶段:交付报告和使用手册
全部做完之后,AI 会输出一份最终报告。
包含完整的项目结构、代码提交历史,以及三个版本的使用说明:
技术人员版 普通用户版 手把手部署教程版
六步实战:从安装到交付
很多人看到"安装技能文件"就已经犹豫了。
别担心,整个过程非常简单。
第一步:选一个 AI 编程工具
如果你什么都没装,我推荐从 Claude Code 开始。
第二步:安装技能文件
打开终端,把下面这行命令复制粘贴进去,回车:
curl -o CLAUDE.md https://dashen.wang/article/8818.md这行命令会把技能文件下载到当前目录,命名为 CLAUDE.md。Claude Code 启动时会自动读取这个文件,技能就生效了。
第三步:直接开口说你想做什么
不需要想太多,就像跟朋友说话一样,把你脑子里的想法说出来就行。
比如:
"我想做一个帮我管理读书笔记的网站" "帮我做个微信机器人,能自动回复关键词" "我想爬取京东上某个商品的价格变动,做成图表"
第四步:回答选择题,完善规划
AI 会开始问你问题,全部都是选择题,大概八轮左右。
每道题都有**"让 AI 帮我决定"**。
如果你完全不懂,每题选这个就行,AI 会根据你的项目类型做出合理推荐。
第五步:确认规划,生成文档
回答完所有问题,AI 会给你一份完整的规划总结。
包括技术栈、功能模块、开发节点明细。
你确认没问题,回复"确认",AI 就开始生成三份开发文档。
文档生成之后,你可以看看,也可以直接回复"开始开发"让 AI 开干。
第六步:等待,偶尔回答问题
AI 开始开发之后,大部分时间不需要你做任何事。
它会一个节点一个节点地往前推进,每个节点完成都会告诉你:
完成了什么 生成了哪些文件 测试是否通过
遇到真正需要你决策的问题——比如你的付款 API 密钥是什么、某个功能你到底要不要——它会停下来问你。
除此之外,放着让它跑就好。
五个关键实践建议
第一,需求描述越具体,结果越好
"我想做个网站"和"我想做一个给我的读书俱乐部用的网站,成员可以记录自己读过的书、写评分和笔记,管理员能看到所有人的动态"——这两句话触发的规划质量天差地别。
不需要懂技术,但你得想清楚:
这个东西给谁用 用来干什么 最核心的功能是什么
想得越具体,AI 在对话阶段需要问的问题就越少,规划出来的东西也越符合你的预期。
第二,规划阶段多花时间,开发阶段省很多麻烦
很多人想快,规划刷刷过了就让 AI 开始开发。这是最容易踩的坑。
规划是整个流程的地基。规划阶段没有确定清楚的东西,到了开发阶段会变成一个个"这个要改"、"那个不对"。
而每次返工,AI 都要重新理解上下文,成本是指数级增长的。
我建议在规划确认之前,认真检查几件事:
功能列表里有没有漏掉你真正需要的功能 技术方案有没有你不满意的地方 开发节点的顺序是否合理
第三,文档是你最重要的资产,不要跳过它
很多人对"生成开发文档"这一步无感,觉得自己又不是团队开发,要什么文档。
这个想法是错的。
文档不是给团队看的,是给未来的你和 AI 看的。
三个月后你想修改这个项目,如果没有文档,AI 需要从头理解整个项目——这会花掉大量时间,而且容易出错。
有了文档,AI 可以直接对照文档做精确修改,效率完全不一样。
更重要的是,文档是约束 AI 的"宪法"。
这个 Skill 设计的一个核心约束是:AI 必须严格按照已生成的文档开发,不能擅自更改技术栈,不能跳过测试。
这个约束只有在文档存在的前提下才能生效。
第四,遇到错误不要慌,让 AI 自己处理
开发过程中一定会遇到错误。
这是正常的,不是你的问题,也不是 AI 的问题,是软件开发本来就会有这些。
这个 Skill 的设计原则是:遇到问题必须记录、必须解决,不能跳过,不能掩盖。
所以当你看到 AI 说"遇到了一个问题,正在处理"——这是好事,说明它在认真工作,不是在糊弄你。
你不需要懂那个错误是什么意思。等它处理完就好。
如果它问你某个具体的问题(比如某个配置的密钥),你提供信息就行。
第五,部署这一步可以单独处理
很多新手做出来之后卡在"怎么让别人也能访问"这一步。
dev-planner 最后会生成一份手把手的部署教程,但部署涉及到服务器、域名、HTTPS 这些东西,有一定门槛。
我建议:
如果是个人工具、只有自己用,先在本地跑,不用急着部署 如果是前端项目(纯网页),用 Vercel,免费,三分钟搞定 如果有后端和数据库,可以考虑 Railway 或者国内的轻量级云服务器
三个深刻洞察
洞察一:提示词工程的本质是"上下文翻译"
很多人把 AI 编程工具当成搜索引擎,输入模糊问题然后期待魔法发生。
但真正有效的方式是把 AI 当成编程伙伴,需要提供足够的上下文。
2026 年的提示词工程研究证实:有效的 AI 编程提示需要包含现有系统架构、安全要求、UI 模式和边界情况——就像你给人类开发者分配任务时会做的那样。
dev-planner 的设计哲学正是基于这个洞察:通过结构化的对话(选择题)来系统性地收集上下文,而不是期待用户一次性说清楚所有需求。
这种"渐进式上下文构建"比"一次性完美提示"更符合人类的思维方式,也更容易产出高质量的需求文档。
洞察二:文档是"AI 协作的共享记忆"
传统软件开发中,文档常被视为"不得不做的麻烦事"。
但在 AI 辅助开发时代,文档的角色发生了根本性转变——它不再只是给人看的,更是给 AI 看的"共享记忆"。
AI 的一个特点是"上下文窗口有限"——它不能像人类一样长期记住整个项目的所有细节。
文档就是外部化的、持久的上下文存储,让 AI 在每次对话时都能快速"加载"项目的完整状态。
在 AI 时代,文档的价值从"事后记录"变成了"事前约束"和"持续同步"。
洞察三:从"单体 AI"到"Agent 团队"
dev-planner 最有前瞻性的设计是:AI 会把自己分裂成几个'子 Agent'——后端工程师、前端工程师、测试工程师、文档工程师,各自负责自己的部分,能并行推进。
这不是简单的功能拆分,而是反映了 AI 协作的一个重要趋势:从"单一大模型做所有事"转向"多个专门化 Agent 协同工作"。
每个 Agent 有明确的职责边界、输入输出契约和质量标准。
这种设计解决了单体 AI 的两个核心问题:
认知负载过高:让一个 AI 同时处理所有事,容易出现"顾此失彼" 质量控制困难:没有明确的检查点和责任划分,错误容易累积
未来的 AI 开发工具不应该是"一个超级智能",而应该是"一个智能团队"。
写在最后
软件开发在过去是一件需要专业门槛才能入场的事。
你要学编程语言,要懂数据库,要理解网络协议,要会用版本管理工具——每一项都是单独的知识体系,光是把这些东西都学会就要好几年。
现在不一样了。
AI 把这个门槛压低了很多,但没有压到底。
还差一截。
差在哪里?差在普通人和 AI 之间缺少一个"翻译层"——一个能把人话变成 AI 能精确理解的需求的东西。
dev-planner 想做的就是这个翻译层。
它不是让你变成程序员,而是让你能够清晰地表达你想要什么,然后让 AI 去做它擅长的事——写代码。
能做的:
各种规模的 Web 应用 自动化脚本 API 服务 Telegram/Discord Bot 桌面工具 接入 AI 大模型的应用
不太适合的:
游戏 iOS/Android 原生 App 特别依赖硬件的嵌入式系统 对性能有极端要求的底层系统
如果你一直想做点什么,但不知道从哪里开始——
现在就是最好的时候。
下载并安装这个skills：https://pan.quark.cn/s/a058eb5fa9da 开始你的第一个 AI 项目吧!
如果您正在学习AI Agent，想利用Coze/dify/n8n做一些RPA方面的工作流搭建，欢迎在评论区留言或入群交流！
喜欢本篇内容请给我们点个在看
欢迎【关注】&【星标】&【转发】
