夜雨聆风
煎牛排几乎不需要什么技巧。
放进热锅里，等一会儿，翻个面，最后总能弄出个勉强能吃的玩意儿。但一块真正的好牛排——从里到外都是三分熟，表面焦香，调味恰到好处，每次都能稳定出品——那完全是另一回事了。
用AI做软件开发，也开始有这种感觉了。
我们现在没日没夜地开发。有AI也好，没AI也好，通勤路上、上厕所时、甚至睡觉时都在搞。我们创建代理（agent）、工具链、工具、技能、提示词（prompt）、反馈循环、复杂的工作流。然后一股脑全扔给模型，指望它给我们想要的东西，却从不去理解这些到底是怎么运作的。
我们想要的是能跑、好看、用起来顺滑、而且完全符合我们想象的软件。最重要的是，我们希望每次结果都一样。
但现实是，不是每次都能如愿，甚至离“每次”差得远。
有时候模型会给我们一个惊喜，好得让人意外。但有时候，它端上来一块黑炭，上面插根百里香，还硬说是三分熟，撒谎撒得理直气壮。
我们花钱买高级AI产品，雇外包团队，订阅另一个编程助手，跳到号称能出专业结果的新框架。我们指望别人已经替我们解决了问题。有时候确实如此，但很多时候，并没有。
这就剩下两条路：要么自己学会好好做饭，要么继续问朋友推荐餐厅，同时准备好钱包迎接下一次昂贵的失望。
我们大多数人想用AI做出自己在意的东西，但不想陷进实现细节里。我们想把它当成自家厨房里的专业大厨：告诉它要什么，然后走开，等晚饭好了再回来。
但AI不是大厨。充其量，它就是个牛排机。
它能照着食谱来。盯温度、在正确时机翻面、加黄油。给它足够的工具和指令，它就能快速、大规模地重复这个过程。但它不会做的，是知道你到底想要什么。
它看不到你脑子里的画面，除非你把它翻译成需求、约束、示例、测试和反馈。即便如此，它还是被自己的能力、上下文窗口（context window）以及包裹它的系统质量所限制。你可以站在机器旁边，每三十秒纠正它一次。那可能会有点帮助，但不会把机器变成米其林星级大厨。
最后，你被逼急了，决定干脆花钱买那块梦想中的牛排。
你挑了一家贵餐厅。坐下来，研究菜单，终于，你能满怀信心地点单了。你等着第一口咬下去。
端上来的，还是你在家做糊的那块牛排。
为什么？因为城里每家餐厅都雇了同一个AI大厨。
“成本优化，”管理层说，“大多数人不会察觉的。”
他们可能说对了。大多数人确实不会。多数时候，软件只需达到“可接受”就行。用户会忍受古怪的界面、没用的功能、奇怪的bug，以及那些由没人真正理解的生成代码拼凑起来的系统。
但你会注意到，因为这是你真正想做的菜。
于是你失望地回家，饿着肚子，有点尴尬，从架子上抽出那本食谱。现在只剩一个选择：学做菜。
你学会热到底是怎么回事。哪个锅重要，为什么。为什么厚度重要，为什么静置重要，为什么光靠定时器永远救不了你。你又毁了几顿晚餐。然后你再次尝试。一次又一次。
最终，你不再依赖运气——你是靠硬碰硬学来的。
AI能让你更快。它自动化重复性工作，给出起点，解释代码，帮你试探想法。但它无法替代你的判断。它不能替你定义“好”，不能决定哪些取舍可接受，也不能总在某个东西技术上正确、却在所有关键方面都错的时候，及时抓住问题。
要用AI构建好软件，你仍然得懂软件。
你得知道自己到底在要求什么，如何评判返回的结果，以及何时机器只是在自信地给你端上一盘炭。
继续学，继续做，继续失败。直到你能稳定产出想要的结果，而不是指望碰运气撞上。
然后，练到足够好，开一家自己的小餐馆。
再雇几个AI厨师。大多数人还是尝不出差别。
