夜雨聆风当孩子说"我会用AI写代码"，然后呢？
上周，一位家长跟我分享了她儿子最近的"战绩"：用Cursor一键生成了一个小游戏，兴奋地跑来报喜。我问他："那游戏后来改版了吗？"孩子摇摇头——他不知道怎么改，因为提示词一变，原来的代码就面目全非。
这是很多孩子学AI编程的现状：能跑起来，但跑不远。
今天我想聊聊一条更长的路——从"会用到会用得深"，中间其实隔着一个很值得理解的概念：软件工厂。
你可能正在经历的那个阶段
你肯定听过"vibe coding"这个词。就是那种感觉——给AI一句话，它给你一整段代码，复制粘贴，运行成功，成就感满满。
见过很多孩子在这个阶段特别有热情。输入一句描述，得到一个俄罗斯方块、一个计算器、一个自己的小网页。这种即时反馈太吸引人了。
但问题也来了。
当孩子想做"稍微复杂一点点"的东西——比如加个排行榜、加个存档功能、加个登录系统——你会发现，单靠一句提示词已经搞不定了。代码变得混乱，AI开始胡说八道，整个项目变成一堆没人敢动的技术债务。
这不是AI不行。这是方法到了边界。
软件工厂：AI编程的下一站
最近我读到一篇文章，讲的是怎么用Claude Code构建"软件工厂"。作者是个开发者，但他描述的工作流，我觉得特别像给孩子搭一个可持续的学习系统。
核心思路是这样的：
不再让AI只执行命令，而是让它像一个分工明确的团队一样工作。
具体怎么分？文章里提到一个五层模型：
- Context层
：给你的AI一个清晰的上下文，就像交接工作时说清楚"这是什么项目、谁会用、什么场景"。 - Knowledge层
：把项目的规则、约束、约定写下来，让AI每次都能读到一致的信息，而不是靠记忆。 - Agents层
：设置多个专门的"小AI"——有的负责读代码库，有的负责写功能，有的负责测试，有的负责验证实现。它们各司其职。 - Workflow层
：把这些小AI串起来，形成一个自动的流水线，就像工厂里的流水线一样，每个环节做自己的事。 - Delivery层
：最后输出一个质量稳定的成果。
听起来复杂，但关键是：不要让一个AI同时做所有事。
这跟我们养孩子一个道理——你不会让一个十岁的小朋友同时当厨师、司机和老师傅，他需要先学会一件事，再学下一件。AI也是。
我的一个观察
见过一个十二岁的孩子，用这个思路重新组织了自己的项目。他不再一次性让AI写完整段代码，而是先让AI帮他"研究"代码库——搞清楚现有代码是怎么组织的；然后再让它"写"新功能；写完再让另一个AI"验证"有没有问题。
听起来多了很多步骤，但结果呢？他的项目从"改两下就坏"变成了"可以持续迭代"。
这就是从"vibe coding"到"软件工厂"的距离——不是多了一道门槛，而是多了一层理解。
很多家长觉得编程是学一门技术，但我觉得，比技术更重要的是工作的方法论。知道怎么组织一个复杂项目、怎么让不同的工具协同、怎么在出问题之前就设好关卡——这些能力，不会过时。
写给正在考虑让孩子学AI编程的你
如果你家孩子已经开始用AI写代码了，恭喜你，他已经领先了很多人。但接下来，可以试着问问他一个问题：
"你现在是怎么组织你的代码的？"
如果他说不清楚，那这个"软件工厂"的思路，其实就是一个很好的起点。不需要什么高深的技术，只是换一个更大的视角。
至于孩子能不能做到？相信我，他们比你想的厉害得多。
参考来源：
How to Build a Software Factory with Claude Code: From Vibe Coding to Agentic Development — freeCodeCamp.org
