你一定见过这样的演示：一句话丢给 AI，几十秒后，一个能跑的贪吃蛇游戏、一个待办清单网页，就出现在屏幕上。很惊艳。于是很多人得出一个结论：编程这件事，AI 已经搞定了，剩下的只是时间问题。但只要你真的拿它去做一件公司里的实际工作——哪怕只是一个内部用的小工具——你很快就会撞到一堵墙。一句话根本说不清楚。你会发现你说了一大段，AI 也做了一大堆，可做出来的东西，就是不对。这堵墙到底是什么，我想掰开讲讲。因为想明白它，不只是为了把工具做出来，更是为了看清在 AI 时代，一个人真正值钱的能力到底是什么。大家以为卡在"写代码"，其实不是
先说一个反直觉的判断：AI 辅助开发的瓶颈，从来不在代码生成，而在需求工程。为什么一句话能做贪吃蛇？因为贪吃蛇的需求是"共识性"的——全世界对贪吃蛇长什么样、怎么玩，理解高度一致。你不用解释，AI 也知道你要什么。待办清单、登录页面，都是这一类。但企业内部的工具不一样，它的需求是"私有性"的。它长在你们公司特定的业务流程里、特定的数据结构里、特定的历史习惯里。这些东西不写在任何公开资料上，AI 再聪明也猜不到。一句话说不清，不是因为你表达能力差，是因为这件事本质上就没法用一句话说清。我自己做过两个交付给业务用的工具，一个是亚马逊的 Listing 文案生成工具，一个是上架到 Chrome 商店的视频监控插件。回头看，这两个东西真正花力气、含金量最高的部分，恰恰不是跟 AI 对话写代码——那一段反而是最轻松的。真正花力气的，是动手之前那一段：我跑去把业务伙伴的操作流程一节一节抠清楚。每一步怎么操作、为什么这么做、数据从哪来、做了什么处理、又流到哪里去、背后真正的痛点是什么。把这些抠清楚了，写代码就是水到渠成。抠不清楚，AI 再强也是白搭。真正花力气的，是两种说不出名字的能力
那"把需求抠清楚"到底是种什么能力？我琢磨下来，它其实是两种能力叠在一起。第一种，是识别需求的能力。注意，这里的关键不是"听懂用户想要什么"，而是"听懂用户想要的背后那个原因"。用户说"我要一个文案生成工具"，这是他想要的；但他真正的问题，可能是"我每天要写几十条 Listing，重复劳动太多、还容易写跑偏"。前者是表象，后者才是病灶。如果照着表象直接做，你做出来的东西大概率不对——因为你解的不是他真正的问题。第二种，是把需求转化为 IT 解决方案的能力。这需要你对一个系统的能力边界有比较好的掌握：什么能做、什么做不了、什么虽然能做但不值得做、怎么做最合理。这种对边界的判断，没有捷径，靠的是基础知识加上经验的积累，速成不了。这两种能力，我做 IT、做过产品、写过代码，所以它们对我几乎是职业本能，平时根本意识不到自己在用。直到我看着业务同事拿同样的 AI、对着同样的目标，却怎么也做不出来，我才意识到：原来这两样东西，不是人人都有。业务同事会卡在哪里
设想一下，让一个完全不懂技术的业务同事，自己拿 AI 去做一个工具，会发生什么？他大概率能在跟 AI 的反复对话中，磕磕绊绊地把需求逐渐说出来一些。但这个过程会非常波折。最典型的卡点是这样的：AI 把东西做出来了，但这个东西不是业务想要的，而业务又不知道该怎么跟 AI 说、让它改。这一下卡死，特别真实。问题不在 AI 不够强，而在于：他能感觉到"不对"，却没法把"不对"翻译成"具体哪里不对、应该往哪个方向改"。前者是一种模糊的不满，后者是一种精确的指令——而从前者到后者的这段距离，恰恰就是前面说的那两种能力。他没有，所以他过不去。AI 是个好专家，但它不了解你
AI 现在的能力，强得像一个知识渊博、经验丰富的专家。你挂了个专家号，坐到他面前——但你有没有发现，专家再厉害，如果不能对症下药，一样治不好你的病。而对症的前提是什么？是问诊。是医生一句句地问你：哪儿不舒服？什么时候开始的？之前怎么处理的？有没有别的症状？AI 就是那个专家。它什么都懂，但它唯独不了解你——不了解你的业务、你的流程、你真正的痛点。它缺的不是知识，是关于"你"的那部分信息。所以结论其实很朴素：用户得学会问诊自己。在指望 AI 给你开药之前，先得有人，把你自己的病情问清楚。那普通人该怎么办
如果你不是 IT 出身，没有那两种职业本能，是不是就只能干瞪眼？不是。这里有一个几乎零门槛的办法，我觉得是普通人最该掌握的一个动作——别让 AI 直接干活，先让 AI 反过来问你。具体到操作，就是你开口的第一句话别说"帮我做一个 XX"，而是换成："我想做一个 XX，但我自己也说不太清楚到底要什么。请你像一个产品经理一样，连续问我问题，一个一个问，直到你把我的需求搞清楚为止，再开始动手。"
这一句话的转变，威力比看上去大得多。它把"我要把需求讲清楚"这个你做不到的难题，转化成了"我只要回答 AI 的问题"这个你能做到的简单动作。问诊的主动权，从你交给了 AI——而 AI 恰恰很擅长提问。你只需要老老实实回答，需求就在一问一答中被一点点逼出来了。有意思的是，这不是我拍脑袋想出来的偏方。我去看了一个在 GitHub 上被几十万人收藏的开源项目（superpowers），它给 AI 编程助手定义的第一个工作流，不是写代码，恰恰就是"brainstorming"——在动手之前，先通过提问把你那个粗糙的想法refine清楚、把规格一点点套出来，再分段拿给你确认。全球最受欢迎的方案，做的第一件事，和一个医生问诊、和我做工具前抠流程，是同一件事。这件事的重要性，可见一斑。写在最后
绕了一圈，回到最初那个问题：为什么一句话能做贪吃蛇，做不出企业内部工具？AI 越强，这个道理反而越重要。当写代码这件事的门槛被 AI 抹平之后，真正稀缺的、不可替代的，不再是"会不会写"，而是"能不能把那个藏在模糊需求背后的真问题，问清楚、说明白"。这个能力，AI 暂时还替不了你——但它可以反过来帮你练习：让它来问，你来答。
夜雨聆风
