夜雨聆风
AI来了以后，我们的工作方式发生了什么变化？
不是概念，不是预测，是真实发生的事。
过去一个月，我们和三位同事聊了聊——测试工程师、安卓开发、算法方向。没有提前准备问题，就聊他们日常用360安全龙虾最真实的感受。
聊完有一个共同的发现：AI没有改变他们的岗位，但改变了他们做事的方式。
下面是三个真实的故事。
李学媛是测试资深专家。
做测试十几年，她的感受很直接——AI来了以后，开发速度快了，但测试的压力反而更大了。
"以前验证一个功能，可能需要逐条点一遍。现在开发速度提上来了，每次迭代的东西也变多了。如果还是用老办法，肯定跟不上节奏。"
她特别强调了一件事：很多人觉得测试就是点按钮，但测试的核心其实是思考。
"用户会怎么用？边界情况是什么？异常情况怎么处理？这些东西很多时候不是规则，而是经验。"
她做了一件很小的事——花了一两个小时，自己做了一个打点测试工具。
把需要验证的东西做成打点，以后每次跑一遍就行。以前逐个人工验证的测试点，现在一键完成。整个团队的测试效率大幅提升。
360安全龙虾制作的打点工具
"这种边界清晰、重复性高的工作，特别适合交给AI。"
但她也说了另一句话：
"AI确实帮我们处理了很多重复的工作，但真正决定一个产品质量的，很多时候还是人的判断。测试的本质不是点按钮，是思考用户会怎么用。这些东西不是规则，是经验。"
对她来说，AI最大的价值不是替代谁，而是把机械的工作接过去，让人把时间花在更重要的判断上。
焦阳是安卓开发工程师。
他们团队四个人，都是做安卓的。接到一个网页项目，没有人懂前端。
按常理，这种情况要么找人做，要么先自学。但他们选了另一条路——用龙虾来做。
"需求拆成五个页面，每个页面当成一个小项目，一点点推进。最后真做出来了。"
这是他第一次不写一行代码，做出了一个完整的产品。
360安全龙虾打造的视频生成网站
视频生成页面 — 生成你的第一个视频
他的方法论很实在——"给AI挖好河道，让它自己流。"
具体做法是三件事：
第一，拆需求。把大目标拆成小模块，一个页面一个页面来。
第二，定边界。告诉AI什么能做、什么不能做，就像治水一样提前挖好河道。
第三，不参考旧的。不拿已有项目当模板，让AI自己判断最优方案。
与360安全龙虾的对话过程 — API层搭建
与360安全龙虾的对话过程 — 功能升级总结
"需求文档不是在限制AI，而是在帮助AI。边界越清晰，结果越可控。"
"如果完全让AI自由发挥，到最后反而容易失控。"
他打了一个比方——AI像一面镜子，你厉害它就厉害。
"以前代码在自己脑子里，现在代码是AI写的。出了问题以后，很多时候得先定位。这其实跟改别人代码是一样的。所以我觉得现在很多行业都会遇到类似问题——AI把生成速度提高了，但管理复杂度也提高了。"
正因为如此，他觉得需求文档比以前更重要了。
"没有需求文档，只有一句话'帮我做一个视频网站'，那最后做出来什么样，其实谁也不知道。AI会按照自己的理解去做，但你也不知道它理解得对不对。"
"但如果有需求文档，哪些地方符合要求，哪些地方不符合，就有标准了。"
张立峰的方向是风控和算法方向。
他讲了一个事——有个做算法的同学，用360安全龙虾半天时间做了一个APP Demo。
放在以前，这种事想都不敢想。
"AI帮你突破了能力的边界——不是你不会做，而是以前没有工具让你做。"
但他特别强调了一个前提：你得知道自己要什么。
"方向对了，AI才能帮你加速。"
他举了个例子。前段时间听一个资深产品经理分享，做产品的时候不是把需求一次性丢给AI然后等结果，而是不断纠偏。
整个过程一直在纠偏。
因为那个产品经理本身经验非常丰富，所以他知道什么是对的、什么是错的、什么结果能接受、什么结果不能接受。他可以同时操控很多龙虾、很多智能体帮他干活，但前提是他自己心里特别清楚产品应该长什么样。
"否则的话，你会被AI折磨疯掉。因为它会不停地产生内容，不停地产生方案。如果你自己没有判断能力，最后做出来的东西会变得不可控，甚至不可用。"
所以他觉得：
"AI不会让经验变得不重要，反而会让经验变得更重要。因为最后决定结果质量的，还是人。"
"AI可以帮你分析，可以帮你提供方案，可以帮你干活，但最后到底往哪个方向走，还是得人来决定。"
"AI 在干活，但对结果负责的还是在人，所以方向盘必须在人手里。"
三个故事，三种岗位，三个视角。他们都在用自己的方式验证同一件事：
AI时代，真正拉开差距的，还是人。
你的能力越强，AI放大的效果越明显。你的经验越丰富，AI给你的回报越大。
AI不会让人自身的经验和能力变不重要，它只会让这些经验变得更值钱。
你的能力，准备好进入AI时代了吗？
360安全龙虾，帮你把能力放大。人手一支专家团，人人都是超级个体。
官网：claw.360.cn
安卓 · iOS · PC · Mac
一个账号，各端通行
扫码下载，立即体验
