夜雨聆风用 Cursor 或者 Claude Code 写代码，最顺的时候真的像开了挂。
你说一句「帮我把登录页做好」，它自己读文件、改代码、跑命令，几分钟给你一版能跑的。那种速度，我第一次体验的时候，确实有点上头。
但坏掉的时候，我的肌肉记忆也很诚实：
终端里红字一冒，我下意识就是复制，粘贴，再补一句「报错了，帮我修」。
我以为这是在「配合 AI」。 后来读了一篇 Robusta 创始人 Natan Yellin 的文章，我才意识到：我其实在拖慢它。
他说得很直：AI 写代码时，背后可能已经做了几千次工具调用、改文件、跑测试。你中间插一手复制粘贴，就像医生花 90% 时间一个字一个字敲键盘——人成了瓶颈。
真正卡住人的，不是模型不够聪明
我作为一个不太会写代码的产品经理，以前总以为是「模型还不够强」。
报错 → 粘贴 → 再报错 → 再粘贴。
循环几轮之后，我会产生一种错觉：AI 也就这样，最后还得靠我盯。
Natan 换了一个角度看这个问题：
如果你需要手动粘贴错误，说明 AI 根本没能力自己验货。
不是它不想修，是它看不到你看到的那个世界。
- 你在浏览器里发现按钮错位，它没眼睛。
- 你连着真数据库跑通了，它只有本地假数据。
- 你测了一个完整 Agent 流程，发现回答跑偏，它没法自己重跑 eval（评估测试）。
所以问题不在「再粘贴一次错误信息」，而在：为什么 AI 不能自己发现这个错误？
我的判断：2026 年做 AI 产品，拼的是「闭环」，不是「提示词」
这句话可能有点硬，但我现在越来越信：
会用 AI 写代码的人，下一步不是更会写 prompt，而是更会搭「让 AI 自己跑完一圈」的环境。
Natan 在文章里给了几个很具体的场景，我翻译成产品经理能听懂的版本：
场景一：你跑通了完整链路，AI 没有
比如你把网站从头到尾点了一遍，连上真实数据库，才发现接口超时。 解法不是把报错贴回去，而是：给 AI 数据库权限、测试账号、可复现的脚本。 让它下次自己连上，自己测，自己修。
场景二：你肉眼看到 UI 有问题，AI 看不到
解法：给它 headless browser（无界面浏览器自动化工具），甚至登录凭证。
让它自己打开页面、截图、对比，而不是等你描述「左边按钮偏了 2 像素」。
场景三：你在测 AI Agent，发现它答错了
解法：给它 LLM API Key，让它写 eval、自动重跑失败场景、再改代码。
Natan 说他们开发 HolmesGPT 就是这么干的，每天如此。
场景四：你的项目必须上 AWS 或 K8s 才能跑
解法：给它一个隔离的云账号，让它在真实环境里测。
听起来重，但他说这是让 Agent 真正「闭环」的代价。
读到这里，我后背有点发凉——
因为我过去大量时间，都花在「当 AI 的眼睛和手」上，而不是「给 AI 装眼睛和手」。
我试了什么：从「报错搬运工」到「环境搭建者」
拿我自己的习惯复盘，以前我的流程是这样的：
1. 让 AI 写功能 2. 我本地跑一下 3. 报错 → 复制 → 粘贴 4. AI 改完，我再跑 5. 循环到我能用为止
现在我在刻意改成：
1. 先告诉 AI：这个项目怎么启动、怎么测、什么叫成功 2. 能给的权限先给：.env 里的测试 Key、本地数据库、Playwright 脚本 3. 任务描述里加一句：改完你自己跑测试，通过了再告诉我 4. 只有 AI 确实碰不到的环境（比如生产环境、付费 API 限额），我才介入
效果上，不是第一次就完美。
但明显少了很多「你帮我看看这个红字什么意思」的来回。
有一次我在改一个前端页面，以前我会截图说「这里不对」。 后来我让 Cursor 直接跑 Playwright，让它自己打开页面检查。 它改了 CSS，又自己跑了一遍，才说「好了」。 那一轮我几乎没有粘贴任何东西。
我发现了什么：复制粘贴是信号，不是解法
Natan 文章里我最认同的一句话是：
你的角色不是复制粘贴，而是诊断「Agent 闭环哪里断了」，然后让它跑得更久、更少需要你。
对产品经理来说，这句话可以翻译成：
复制粘贴不是高效协作，是系统还在半自动状态的报警器。
这对普通人有什么用
如果你也是「想法很多、代码一般」的人，这篇外文博客其实给你一个挺省心的判断标准：
下次想粘贴报错之前，停 10 秒，问自己：
「我能不能让 AI 下次自己碰到这个问题？」
能 → 去补环境、权限、测试脚本，而不是补一句 prompt。
不能 → 再粘贴也不丢人，但至少你知道瓶颈在哪。
长期看，这会帮你少做很多重复劳动。 短期看，setup（搭环境）会多花一点时间。 但 Natan 说他在写这篇文章时，顺手开了几个新功能，写完后已经测完修完了——因为他不在 loop 里。
和我做 AI 产品的关系
我关注 AI Coding，不是为了学语法，是为了把想法做成能跑的东西。
不管是 MangaVideo 的漫剧流水线，还是小云雀这类开源小工具，真正耗时间的从来不是「写第一版代码」，而是：
- 改完不知道有没有改坏
- 测一遍要我自己点
- 下次换会话，AI 又失忆
所以这篇文章给我的启发很具体：
产品经理指挥 AI，下一层能力不是更会描述 bug，而是更会设计「AI 自己验 bug」的流程。
- 项目里要有「怎么跑、怎么测、什么叫完成」
- 规则文件里要写清楚边界，减少 AI 猜
- 能自动化的验证，不要用人肉粘贴代替
我现在还在练。
经常还是会手快粘贴报错。
但至少我知道那不是一个「正常步骤」，而是一个「待修复的闭环缺口」。
最后说两句
AI 写代码的速度，已经是人类手搓时代很难想象的快了。
如果我们还在中间当「报错快递员」，那就把最大的优势浪费掉了。
Natan 的核心观点其实就一句：让 AI 跑更长的闭环，你退到后面去搭环境、定方向。
我会持续记录一个不会编程的产品经理，怎么用 AI 写代码、做开源工具、把想法一点点做成产品。
如果你也在用 Cursor、Claude Code 这类工具做东西，不想永远当「复制粘贴修 bug 的人」，可以关注一下。
我们一起试，怎么让 AI 多跑几圈，少喊我们几次。
参考原文 Natan Yellin, You really shouldn't copy-paste errors into Claude Code, Robusta Blog, 2026-06-29 https://home.robusta.dev/blog/you-really-shouldnt-copy-paste-errors-into-claude-code