AI编程半年后,我发现真正拉开差距的不是技术

用AI编程半年后我才明白，AI不会让你从普通变成高手。它只会放大你原本的效率——往哪个方向放大，是你自己决定的。

去年底我开始认真用AI编程。Claude Code、Codex、Cursor轮着用，到现在差不多半年。

半年前我以为：谁能写出更好的prompt，谁就赢。

现在的结论完全相反。

工具没有差距，方向有差距

先说一个很反直觉的事实。

用AI编程半年，我刻意观察了周围同样在用AI写代码的人。我发现一个规律：用同样工具的人，半年后产出差异可能是10倍甚至50倍。但他们的「AI使用技巧」几乎一模一样。

谁都会写「帮我实现一个XX功能」。谁都学会了把上下文喂够、把需求说清楚。技巧层面的差距，用两个月就拉平了。

拉开差距的不是「怎么用AI」，是「让AI去做什么」。

我见过最典型的两种情况：

A 用AI做了一个功能完整的内部管理系统，前后端分离、权限控制、数据看板一应俱全。花了两个月。最终发现不需要。

B 用AI做了一个单页工具站，只有一个功能——图片压缩。花了两天。上线两周后从Google开始进自然流量。

同样的AI能力，一个走了弯路，一个走了直路。跟代码能力无关，跟选题眼光有关。

以前写代码慢。做一个功能可能要一周，做错了方向，浪费的是一周。

现在AI帮你写代码，同样的功能一下午就能做完。做错了方向，浪费的还是一下午——但频率高了十倍。

AI没有让方向错误变少，只是让你犯错的速度变快了。

这就是为什么有人用AI编程半年产出翻倍，有人用AI编程半年只是更快地生产了一堆没人用的东西。

我以前也犯过这个错。刚上手AI编程的时候兴奋得不行，觉得什么都能做。一个周末就写出了三个小工具。结果呢？没有一个找到了真正的用户。

后来我给自己定了一个规则，现在还在用：AI帮你写代码之前，先用自然语言跟一个人说清楚「谁会用它解决什么问题」。说不清楚就不写。

不是说不清楚代码怎么写——AI会帮你写。是说不清楚为什么有人需要它。

半年前我以为程序员最大的焦虑是「写不出来」。

现在我知道，真正折磨人的是另一个问题：AI一天能写出的功能量太大了，大到你必须学会砍掉90%。

你想象一下。以前你一天只能写出一个功能，你天然就会想「哪个功能最值得今天做」。现在AI一天能写出十个功能，你得自己从十个里面砍掉九个。

这个「砍」的能力，比「写」的能力值钱一百倍。

怎么练这个能力？我试过的最有效的方法是：每加一个功能之前，问自己「没有这个功能，用户会不会走」。

如果答案是「会」→ 做。如果答案是「可能」或「不会」→ 不做。

听起来简单。实际上极其反人性——因为你刚花了半天让AI写出了一个看起来很酷的功能，你舍不得砍。但舍不得的代价是：你的产品变成了一个功能堆，没有人能一眼看明白它到底是干什么的。

把用AI编程的人按照产出来看，大致分三层：

底层：用AI帮忙写代码，但还是按老思路做东西。 效率提升了30-50%，但做的事和以前一样。这层人最多。

中层：用AI做以前做不到的事。 一个人做一个全栈应用、一个人维护一个产品线。效率提升是3-5倍。这层人开始意识到AI不只是工具，是改变了「一个人能做什么」的边界。

上层：把大部分时间花在「决定让AI做什么」上，而不是「让AI做」。 写代码的时间可能只占20%，80%的时间在研究需求、看数据、跟用户聊。这层人知道：AI已经把「做」的成本降到几乎为零，真正的稀缺资源是「做什么」的判断力。

三层之间不是技术差距。是认知差距。

给你三个建议，是我踩了半年坑后觉得最有用的：

第一：先想「谁需要」，再想「怎么做」。 AI能帮你做任何事情，但它没法帮你判断什么事情值得做。这个判断只能你来。

第二：每两周删一个功能。 不是加。是删。产品不是功能越多越好——用户来你的产品是为了解决一个问题，不是为了参观你的功能列表。

第三：把你的判断过程记下来。 为什么选择做这个而不是那个，当时是怎么想的。半年后回看。你会发现当初很多「深思熟虑」的决定，现在看来跟抛硬币差不多——这就是判断力在进步的证据。

AI编程这件事，门槛确实降低了。但降低的是「做」的门槛，「判断」的门槛一点没降。

或者说，它把门槛从「技术」转移到了「认知」。

而认知这个东西，AI目前还帮不了你。