夜雨聆风前几天，我用Claude Code从零搭了一个小工具。我，一个不会写代码的人，真的把它跑起来了。那种感觉挺上头的——脑子里有个想法，用大白话跟AI说一遍，它吭哧吭哧搞出来，还真能用。
然后我就飘了。第二天决定做一个稍微复杂的东西，带用户登录、数据存储、导出报表的小应用。结果呢？AI给我生成了一堆代码，登录没反应，修了登录数据又存不进去，修了数据导出又是乱码。来回拉扯四个小时，我放弃了。
后来我复盘了一下，发现问题不是AI不够强，是我一开始的需求就没说清楚。我说的是"做一个带用户登录、数据存储、还能导出报表的小应用"，就这一句话。用户登录是手机号还是邮箱？数据存储是本地还是云端？导出是CSV还是PDF？全没说。AI猜了，猜错了。
后来我用同样的工具做了类似的东西，但这次花了15分钟把需求说清楚。结果AI一次生成的代码基本就能跑，调试只花了20分钟。同一个AI，同一个人，唯一不同的是——需求说没说清楚。
AI编程能力已经强到离谱了，但普通人用AI做软件，还是处处碰壁。
你看数据——超过70%的开发者已在用AI编程工具，编码速度提升55.8%。但另一边，AI生成代码的安全漏洞率高达35.8%，企业中AI代码真正能入库的只有10%到33%，45%的开发者认为调试AI代码比手写更耗时。
很多人看到AI写代码越来越强，直觉是——替代开发者只是时间问题。但这个直觉，从一开始就问错了问题。55.8%的提速够惊人了吧？但入库率只有10%到33%。剩下的不是不能用，是不敢用。因为没人能确认它写对了。
问题从来不是"AI够不够强"，而是你能不能验证它写对了。
代码生成已经不是瓶颈了。验证才是。
所以今天我不回答"AI能不能替代开发者"了。我想做一件事：把软件开发拆开，标注清楚——对不会写代码的普通人，AI在哪些环节是乘法、哪些是除法、哪些是陷阱。然后，给你一条最高效的路径。
乘法区
AI让你效率翻倍的环节
原型设计和界面生成
这是普通人用AI做软件体验最丝滑的环节。你打开v0、百度秒哒或蚂蚁灵光，用大白话描述你要什么，30秒一个可交互的原型就出来了。蚂蚁灵光上线6天下载量突破200万，用户累计创建了超过1200万个闪应用，绝大多数创造者完全不懂代码。前端界面是AI的舒适区，你描述出来它就能生成，好看不好看一眼就知道。
简单代码生成
功能单一的东西，AI已经很强了。有个湖北用户叫李白，对编程一无所知，用Gemini一天做出了一个App，发布到了苹果应用商店。他说："整个过程遇到问题我就截图去问Gemini，就这样毫无障碍地、丝滑地、平顺地完成了。"但复杂的、多文件协调的功能就要小心了，AI开始力不从心。而且不管代码能不能跑，你都需要确认它写对了。这个"不确定"的感觉，会在后面越来越强。
需求理解
这是AI最被低估的能力。你给它模糊的需求，它帮你重新组织成结构化描述，把没想到的都想到。更重要的是，需求越清晰，你验证AI的结果就越容易——因为你一开始就知道"对的"应该长什么样。
把需求说清楚，是普通人用AI做软件ROI最高的一步。没有之一。
除法区
AI反而拖你后腿的环节
调试
最让人崩溃的环节。崩溃的不是改不好，是你连"哪里不对"都说不出来。满屏红色报错，每个字都认识，连在一起就不知道什么意思。你只能把报错复制给AI，它修了A，B又坏了。45%的专业开发者认为调试AI代码比手写更耗时，专业开发者尚且如此，普通人更难。这里又出现了那个问题——你不确定它写对了。在乘法区只是隐隐觉得"好像不太对"，到了调试区，这种不确定变成了确切的痛苦。
复杂业务逻辑
AI特别容易产生"幻觉代码"，看起来对、跑起来没报错，但逻辑是错的。不是每条规则AI都处理不了——单独看库存限制它能做、促销价它能做、满减规则它也能做。问题是规则之间会打架。
满减和优惠券能不能同时用？退换货时优惠券要不要退回去？退回去后满减还够不够？这些"规则之间的规则"，才是AI的死穴。
部署
服务器、域名、SSL证书、环境配置，每个词对普通人都是天书。不过好消息是，Replit、Lynx等工具开始提供一键部署，门槛在降低。
陷阱区
AI看起来能做，但会坑你的地方
陷阱和除法的区别：除法是你能感觉到的痛，陷阱是你感觉不到的痛。代码跑得好好的，你以为万事大吉，但雷已经埋下了。
安全漏洞
武汉大学扫描了435个AI辅助生成的代码片段，安全漏洞率高达35.8%，其中8个类别属于最严重的安全漏洞。你用AI做一个留言板，如果代码里有SQL注入漏洞，任何人都能用一行特殊字符绕过登录拿到所有用户数据。你都不知道发生了什么，数据就泄露了。
铁律：只要涉及用户数据，安全审查必须请专业人士做。
代码质量维护
AI生成的代码能用就行，但一个简单功能AI给你写300行，一半是重复的，变量名a1、a2、a3，逻辑绕三圈。你想加新功能时发现之前的代码结构太乱，AI自己都接不上，开始"打补丁"，越糊越厚。你的应用像一栋危楼，看着能住人，但随时可能塌。
过度依赖
最温柔的陷阱。你用AI做出第一个能用的东西，觉得做软件也没那么难。直到有一天AI的代码跑不起来了，你改了一版还是不行，再改还是不行。你突然意识到——你从来没真正验证过AI给你的是对的。跑起来了和跑对了，是两回事。
张昕东在讨论Vibe Coding时提过一个很诚实的观点：Vibe Coding需要使用者会Coding，至少现阶段是这样的。
不写代码，不等于不懂代码。门槛降低了，但天花板提高了。
最佳路径
普通人的六步路线
❶ 从最小的东西开始
记账本、打卡器、信息展示页。功能单一、逻辑简单、不涉及用户数据。用百度秒哒或蚂蚁灵光，30秒看结果，不对就改，成本几乎为零。这一步的目标是建立信心。
❷ 把需求说清楚
想象你在教一个特别听话但特别笨的实习生。不说"打卡功能"，说"用户点击按钮记录当天打卡，顶部显示连续打卡天数，断打卡归零"。这一步花10分钟，后面省2小时。
❸ 选对工具
别纠结哪个最好，按你现在的阶段选。如果你连"用AI做软件"是什么体验都还不知道，打开百度秒哒或蚂蚁灵光，零门槛，30秒出结果，先让自己感受到"我能行"。如果你已经确认了想法想做成网页，用v0搭界面、Bolt搭后端。如果你想做手机App，Lynx和Replit都有移动端适配和一键部署。如果你发现这些工具都满足不了你了，再上Cursor或Claude Code——但到了这一步，你其实已经不算"零基础"了。
选工具的逻辑就一条：从最简单的开始，卡住了再升级。别一上来就选最强大的，强大的工具学习成本也最大，你会在"学工具"这件事上先耗光耐心。
❹ 做最小可用版本
先做核心功能，能跑通就行，其他全砍。MVP足够简单，大概率落在AI的乘法区里。
❺ 学会看代码
不写，但要看懂。每次AI生成代码都问它"帮我解释一下这段代码在做什么"。至少做到两层：看懂+敢怀疑（底线），会用+会改（进阶）。
❻ 知道什么时候停下来
卡住了就寻求帮助，找懂技术的朋友、去社区提问、涉及安全就花钱请专业人士。知道自己的边界，不是弱点，是智慧。
那些案例——李白一天做出App Store应用、Mao 3天做出月入2万美元的App——你可能觉得那我也能。能。但他们做的都是简单的东西，正好踩在AI的乘法区里。而你想做的"稍微复杂一点的东西"——带用户系统的、有支付功能的——大概率落在除法区甚至陷阱区里。
AI替代不了开发者。至少现在不能。但AI确实让普通人也能做出"够用的软件"了——只要你选对项目、用对方法、知道边界在哪。
代码生成已经不是瓶颈了。验证才是新的瓶颈。
而验证这件事，AI帮不了你。只有你自己能。
别回头。
