为什么有了AI，我们依然很难打磨出“完美”
这篇文章，是我在大量Vibe Coding实践后对自己使用AI行为的一些思考。这篇文章在两个月前就想要动笔，只是个性懒惰，迟迟不开动。
前不久GPT-6 Astra发布，网上各种令人惊叹的Computer Use demo满天飞，我自己体验下来也发现代码能力提升不小，于是又想到了这个问题。我觉得把我的思考链路记录下来，也是一种很好的反思。
非程序员 + AI > 程序员 ？？
先回答我对这个最核心问题的看法：不会。
回答的这么干脆，并不意味着我从一开始就是这么认为的。我的观念在这个最核心、社区讨论最多的问题上反复横跳过许多次。最终到现在，我越来越认为答案是“不会”。
在我最开始接触到Coding Agent 的时候，我对AI的能力是十分惊讶的：只需要给一段提示词，然后就可以看着电脑屏幕一片绿闪闪地瀑布般涌出代码。原来可能要古法编程数个小时的代码量，AI只需要几分钟就可以给你完成。更重要的是，他还会自己启动终端跑测试，收到运行结果，然后回去定位bug，修复后再跑一次，循环往复。
对我而言这简直不亚于爱迪生发明了灯泡，即便当时Agent能力还十分粗糙，我已经明显地感觉到，我现在的水平，已经被AI取代了。
在后面一段时间，Token的价格还不太贵的时候，我用AI制造过许多的“小垃圾”。比如做一个音乐播放器，比如一些格式转换器，比如做一些文件解析器。每次我都像许愿一样，给AI一段或长或短的提示词，然后抱着拆盲盒的心情，希望AI做出一个能用的东西。
事实是，东西确实能用，但是各种细节和体验，让人一言难尽。
每次遇到一些小bug或者不舒服的体验，我又回到对话框，像个小孩子请求自己母亲一样，“请把界面做的好看些”，“请把动画做的流畅些，不要遮挡到这个按钮”，“请把颜色变得舒适一些”……
模糊的提示词往往带来潦草的应付，结果就是“道理越讲越不清”。
许愿，恰恰是没有专业知识的人最初接触到AI时一直在做的事情，不是说专业的人不许愿，只是专业的人很快会发现许愿的质量实在不稳定，会更快的收敛。
而问题很多时候在于：非专业者不知道怎么去收敛AI的输出。
一个前端照片墙，如果一个用户不了解前端的术语，可能这样描述：
照片从上往下排列，每个照片的宽度固定，高度不固定，列与列之间间距相等，对于每一列，照片会自动向上补齐空白。
这个描述还算比较详细了。但是如果让专业前端开发的人来讲，可能是
照片墙采用 Masonry 样式
一个懂前端相关知识的，在prompt的设计上，天然就擅长将自己专业领域的术语代入。而AI的输出本质是 下一个token的预测，所以聚焦些，AI输出的效果也更好一些。
再比如：
把这个文字和边框的间距变大些，然后边框和上面的部分的间隔也大些，每个按钮的间距还可以增大些
如果让专业的人来说，或许就是：
相对应的增大 padding 和 gap
这些例子都是在说明，完成同一件任务，如果在这个领域有相关的知识，验收的质量其实往往更好，大模型输出的结果也更加稳定可预测。
专业素养
垃圾的输入会产生垃圾的输出，垃圾的输出再继续作为垃圾的输入，最后得到的是无穷无尽的屎山。
任何写出的代码，从诞生的时候起，就会慢慢地开始腐朽。不投入精力去有意识的精简和不断地小范围重构，最后只会变得实在难以维护而被抛弃。
自从Coding Agent出来后，GitHub上各式各样 Vibe Coding的项目层出不穷，或许你在各个网络平台都能看到作者的宣传。
但是如果我们长期追踪，会发现90%以上的项目在最后都不了了之。立项之初频繁地迭代，但维护没过多久，就基本无人问津。
这并不是针对没有编程经验的人，很多程序员有几十个抛弃不管的仓库也是不少见的。但我们来想想如果想要让一个项目持久下去，需要怎样的投入呢？
至少，对于整个架构需要有个比较深的理解；至少，对于一个系统的行为和预期有个大致的判断；至少，知道这个模块用来负责什么业务，能不能删，删了会影响其他什么模块。
简单而言，不能把他当成黑盒（除非你只是做着玩）。
而如果我只是一个遇见报错就复制给AI说一句“修这个bug”，从不考虑改动对其他模块影响只是顺着心情说一句“把这块动画变成XX样”的用户，天才知道AI到底造了多大的屎山呢？到了最后，发现屎山已经达到连AI自己都处理不了，这时候该怎么办呢？
当然，有人会说了现在 GPT Astra在架构的设计上比大部分人类还强，这还有什么好担心的呢？这没错，但是“判断这个架构好，为什么好”，是不是依然要有专业知识的储备呢？
心态最重要
讲了这么多，终于到了我觉得和标题关联最强的一个部分了。也是我认为可以让我接受的一个解释，那就是──心态的不同。
现在AI如此强大，每个人获取到Token的成本其实已经十分低了。当人们有了大量的Token之后，就会愿意花费──或者说“浪费”──Token。比如扔给AI一段模棱两可的提示词，然后期待着AI做出让人惊艳的作品。大多数情况下，结果并不那么惊艳，偶尔有少部分，或许由于“天时地利人和”，的确给人一个惊喜。
而这些寥寥不多的惊喜上传到了社交媒体，不专业的人看到这些炫酷的demo，下意识的会认为AI强大了，AI可以取代人的创作力了。
都说“隔行如隔山”，在使用AI上也是如此。大众对于这个领域并没有一个正确的认知，就容易将花哨的demo等效为这个领域最需要的能力。然后真正进入到专业领域，会发现一个昙花一现的demo意义不大，行业需要的是一个稳定运行的系统，需要的是一套稳健，能够持续演进和沉淀的工作流。
能快速做出一个玩具，并不等同于能做出一个大家都愿意用的产品，更不等于能长期维护这个项目。而想要长期维护，最重要的就是人的投入。AI可以帮你把项目立起来，但让一个项目活下去的，从来都是项目后面那个人。
专业软件从来不只是把软件操作一遍，给出一个看得过去的作品，它还包括目标怎么拆，工具怎么选，结果如何判断以及做错后从哪里改。── 浮之静
写到这里，标题里那个问题，我也可以给出自己的答案了。
就像我现在维护的这个博客，不少代码就是和AI一起写的，AI给出的版本当然能用，但每一个让我自己满意的细节，几乎都是我开着页面一遍遍看、一遍遍亲手改出来的。AI把从0到“能用”的路缩短到了几分钟，可从“能用”到“完美”的那段路没有任何捷径，它枯燥、缓慢，也没有demo可以炫耀──但恰恰是这部分，AI替代不了。
这大概也算是一种安慰吧：最难的那部分，依然是我们自己的。