夜雨聆风最近负责的业务需要在移动端上架一个小工具，因为之前移动端是有专门的团队和人员负责，但是现在因为移动端可以用H5来开发，经过部门调整，都归到后端这边了，但是后端因为资源紧张，身为产品，也想用AI Coding的方式去试一下。
开发用了4天的时间，当真正跑完全流程，上线后，我却并没有很开心~
一、 Coding 的流程
① 评审阶段
撰写需求文档，生成原型进行评审，和后端确认好相关接口，确认接口提供时间和联调时间。
这几步产品经理应该很熟悉了，就是日常工作，现在基本都是用 AI 来生成。
这个阶段我跟以前唯一的区别是，写接口那部分的时候，我心里第一次有了「这些字段最后是我自己去接」的自觉。以前我写完就丢出去了。
② 开发上线阶段
申请仓库权限，拉代码，建分支，本地开发调试，用 APP 扫码在真机上看效果，遵守编码规范，提测发 fat，CR，发布上线。
仓库权限批下来之后，我先把历史代码拉了下来，让 AI 去学项目里已有的写法。新开发的这个应用，就按历史的代码规范来。
这一步现在回头看，是整件事里最关键的一步。它决定了我后面写出来的东西是能进这个仓库的，而不是一个自己在旁边另起一摊的野生项目。
开发过程，全程就是纯自然语言跟它聊，然后点击 run 执行。有任何问题就问它，或者直接截图发它。中间也遇到了一些问题，但 AI 都能解决。
整个过程其实并没有很多的问题。当真的打包发布到 fat 环境，测试用了一圈没有任何问题的时候，我是开心的。
但更多的是危机感。
那一刻我终于体会到，为什么这两年老有人说前端被 AI 干掉了。
二、遇到的坑
① 不同模型能力差异很大
一开始我用的是 Claude Opus 4.6。因为日常只是写文档画原型，看不出什么差异，完全够用。
真的用来开发软件写代码，模型之间的差异就显出来了。
差一点的模型会写出一些问题代码。你让它解决，它就会陷进无限循环里。提出一个方案，改好了，又引发别的问题，然后它自己回退，继续找方案，继续试，不行又回退。
来来回回，时间浪费了，问题还在那儿。
有一轮我盯着它自己改、自己退、自己再改，看了快二十分钟，屏幕上代码翻来翻去，我一个字没打。
当我把模型切换到最新的 Claude Opus 5.0 之后，就变得聪明了许多，问题少了很多，解决问题的效率也很高。
这件事挺爽的。但爽完我有点不舒服。
我卡了那么久的东西，换个模型就过去了。那些时间算什么。
也提醒一句，别拿写文档的手感去判断一个模型能不能写代码。这两件事对模型的要求根本不在一个量级上，日常写文档你感觉不出差别，写代码差别是几个小时几个小时地体现出来的。
② 按照文档进行自检
开发完，我自测的时候发现，有一些细小的功能和交互它没给我实现。
不是做错了，是漏了。文档里那种一句话带过的、藏在括号里的、写在异常分支里的小逻辑，它跳过去了。
所以我又让 AI 对照我写的需求文档和后端给的服务接口，做了一轮自检，又补充和优化了不少点。
这一步我建议所有用 AI 写东西的人都加上。AI 干活儿的时候是顺着主线走的，边角料它会自然地丢。你不拿文档去点一遍，它不会主动告诉你我这儿少做了三条。
三、感悟
我最早是干过 IOT 开发的，但年代久远，早忘干净了。这次 AI Coding 让我对开发、对代码的实现，重新有了一次感同身受。
最直接的一条，对于需求，一定要明确。
要知道每上一个功能的价值和意义。现在开发也是用 AI，但也要尊重他们的劳动。并且在文档描述的时候不能有含糊其辞的地方，不然理解和最终的实现就会有偏差。
我自己写文档时那些均可触发、视情况提示，以前觉得是留有余地，这次自己去实现，发现那就是把选择题扔给了下一个人。
其实说实话，我一直对待 AI 这个东西都比较焦虑，因为它发展实在太快了。
就比如这次 Coding 的经历。说实话，当软件开发上线之后，我并没有因此有很大的成就感，因为在这过程中感觉我并没有做更多的事情，就是纯聊天，点击运行，让 AI 执行程序而已。
那些真正难的地方，是我去问的人告诉我的，是文档里写着的，是我踩了一脚才知道的。剩下的活儿，都是它干的。
自从工作中引用 AI 之后，工作方式确实有很大的改变，日常工作就是对着 AI 进行聊天，通过不断的沟通交流，最终产出一个相对完善的解决方案。
之前我们总说，产品经理在于行业经验。但是现在其实只要知识库丰富，AI 也能磨平行业经验。
我时常在想，我的工作真的是不可替代吗？
没有 AI 的时候好像不能，但是有了 AI 之后，好像是变得可以替代了。
我们好像并不能阻止这一切的发生，这就是技术的进步。我们能做的，就是尽量多接触多学习，在信息差、认知差被磨平的时候，尽量能通过 AI 获得一些财富。
关于效率这个事情，我也了解了其他大公司。因为 AI 的引入，开发模式、团队组织模式都有了变化。
本来一个业务线的配比是产品、前端、后端、测试。现在前端可能调去其他业务线转为全栈，一个业务线的配比变成了产品、后端。很多公司会觉得 AI 的效果非常显著，所以都会有一定比例的裁员。
这就会导致一个现象。
产品经理这块虽然提效了，输出的方案多了，但因为负责业务线的总人数其实变少了，虽然有 AI 提效，每个迭代消化的需求并没有变多，有时候甚至会变少。
方案在我这儿堆着，下游接不住。所以产品经理有时候会往前走一步，用 AI Coding 的方式做一些研发的工作。
最后，我不开心的从来不是这个工具，是我在这件事里的位置变了，而我还没想明白新的位置该怎么站。
在这之前，我只能不断学习、前进~
