AI 无法生成产品，那仍是你的工作
AI doesn't generate working products, that's still your job
用自然语言描述想法，几分钟内就能在屏幕上看到一个带 UI、连数据库的原型，这对非程序员来说如同魔法。但原型在负载下会崩溃，缺乏错误处理，甚至可能泄露 API tokens，数据模型在增加用户时也会崩塌。AI 加速了从想法到原型的进程，却并未缩短原型到生产级产品的距离。软件工程的难点从来不是语法，而是判断力：何时构建、如何架构、何时拒绝。计算机科学的价值在于建立系统如何运行和失效的心智模型，让你能识别 AI 生成的代码中隐藏的致命缺陷。机械编码的需求正在下降，但能利用 AI 放大深度知识的工程师将拥有前所未有的生产力。不要将 AI 视为理解的替代品，而应作为知识的倍增器。原型只是简单的部分，真正的挑战在于之后的工程判断。
原型是容易的部分，真正的区别在于，原型之后依然困难，依然需要真实的工程判断，这依然将交付可靠软件的构建者与仅交付演示的人区分开来。
HN 评论区
22- ThePhysicist
我更喜欢文章自己的标题“原型不是产品”，因为这似乎更能概括讨论的核心。
有了 AI，用“感觉编码”的方式快速制作一次性原型或个人使用的应用变得极其容易，只要“看起来大部分能跑”就算合格。但更难、更慢的依然是软件工程——构建那些对质量和可维护性至关重要的东西。
关于这方面的讨论很少——我们大多看到的是人们炫耀他们刚用“感觉编码”做出来的炫酷演示，却很少讨论 AI 在处理大型遗留代码库或日常专业工作中那些枯燥、非琐碎的任务时，到底有没有用。
你不太可能因为自己用“感觉编码”做的 3D 游戏原型坏了而在周日早上 6 点接到家里的电话，但如果那个刚刚更新的 24x7 生产系统出了个 Bug，你肯定会被叫醒。