提效 10 倍,AI 顛覆軟體開發,這五條經驗是關鍵分水嶺
AI 正在改變軟體開發的底層範式。
我們正處在一個技術驅動的悖論中:AI 工具正在以前所未有的速度加速開發流程,卻也暴露出巨大的能力差距——相同的工具,不同的團隊,產出的差異可以是十倍甚至百倍。
這意味著,所謂“AI 原生開發”,遠不是把工具接入流程這麼簡單,而是一次對整個研發體系的重構:從原型、協作到部署,每一步都要為 AI 的介入重新設計。
在這份關於「AI 驅動的全棧研發方法論」中,我們試圖從源頭解答一個問題:真正懂得與 AI 協作的開發者,到底做對了什麼?
不久前,Bessemer(美國 SaaS 領域最專業的投資機構之一)對話了 Perceptron AI 的創始設計師 Cedric Ith ——Perceptron 是一家致力於構建 AI 原生產品的前沿公司,專注於將生成式模型融入研發工具鏈,打造具備自動優化與自我學習能力的開發平臺。
在 Cedric 看來,AI 並不是插入在流程某一節點的工具,而是應嵌入整個設計系統的“語義層”,在編碼、交互、調試、部署的每一個環節中,主動生成、判斷和反覆運算。
本文將分享 Cedric 總結的五條關鍵經驗,帶你理解 AI 在現代研發流程中真正應扮演的角色:從氛圍編碼(vibe coding)到品味引導,從自然語言原型到全棧交付。 這是一個關於人與 AI 如何共同構建產品的時代信號。
01 品味是護城河,設計思維是新的超能力
在 AI 幾秒就能寫出代碼的時代,差異化已經不在於“誰能構建”,而在於“誰知道該構建什麼”。
Cedric 曾提出一個判斷:我們正進入一個軟體資源極度豐富、創造門檻極低的世界。 這意味著,技術本身不再構成護城河,真正的競爭力轉向了設計思維和產品直覺。
當所有人都能用自然語言生成功能原型時,誰能提出精準的問題定義、優雅的解決路徑和令人愉悅的用戶體驗,誰就能佔據優勢。 執行速度、產品感知力、UI/UX 細節,正在成為 AI 時代的新壁壘。
與此同時,AI 也在重新定義設計流程。 新的生成演算法讓設計師可以用前所未有的速度探索大量設計概念,這不只是為了“更快做出圖”,而是讓團隊可以在使用者定義的參數下,自動生成、評估並反覆運算出更符合人性的解決方案。
所以,這不再是一個“會不會寫代碼”的問題,而是一個“能不能提出好問題,並迅速做出打動人心的產品”的問題。
最終的贏家,不是技術最強的團隊,而是那些能把 AI 的執行力與人的品味、判斷力結合得最自然的團隊。 他們才是新一代的「產品創造者」。
02 自然語言,是一種新的設計介面
在 Cedric 的工作流中,我們觀察到一個非常深刻的轉變:他已經不再依賴傳統設計工具,而是將自然語言作為主要的設計媒介。 他說:「關鍵技能已經不再是寫代碼,而是如何清晰、準確地表達你的想法和變化,讓 AI 明白你在說什麼。 ”
這種變化,正在重新定義設計師的核心能力。 設計師正在從「畫圖的人」轉向「用語言驅動產品結構的人」。
新興的關鍵技能,被 Cedric 稱為「設計詞彙」——這不是指能否寫代碼,而是能否用準確的語言描述現代框架、CSS 屬性、交互邏輯。 例如,他會用「4 圖元圓角」、「0.2 不透明度」、「懸停態」這樣的術語與 v0 交互,將一個帶有座標跟蹤的邊界框交互,在幾分鐘內通過提示生成原型,而過去這可能需要工程師數天時間才能完成。
這背後隱藏著一種新的提示能力:明晰、一致、共享語言。
明晰:把複雜的請求拆解為簡單的、可執行的語言。 例如,不是“在圖像上加個標籤”,而是“為圖像上的每個邊界框,在左上角添加一個粗體白色文本,顯示框編號(如 Box 1、Box 2)”。
一致性:一旦你把某個功能命名為「分段模式」,就始終如一地使用這個稱呼,而不是在後續提示中用其他詞替代。
共享語言:就像傳統團隊用標準術語協作一樣,現在你也需要“教會 AI”你的詞彙表。 Cedric 會在設計初期就引入關鍵術語,並反覆使用,讓 AI 也能“和你講同一種語言”。
最適應這一變化的設計師,往往有兩點共性:強烈的學習能力和工具切換能力。 他們能在 Figma、V0、Cursor 等工具之間無縫流轉,不斷適應新介面,快速掌握 AI 能力,並用“語言”而非“代碼”去構建產品邏輯。
正如 Cedric 所展現的那樣:未來的設計師,未必需要成為工程師,但一定要成為高語言解析度的系統構建者。
03 “設計工程師”正在崛起
我們正見證設計與工程之間那條傳統分界線正在迅速消解。 Cedric 的工作流程就是一個典型案例:從 Figma 起步,在 V0 中完成可交互原型,最後直接用 Cursor 在代碼庫中進行最終調整。
這不僅提升了效率,更重新定義了產品的製造方式:
閉環擁有權正在成為新標準
設計師不再只是視覺方案的提供者,而是能在整個技術堆疊中直接操作的產品推動者。 正如 Cedric 所說:「我可以直接貢獻代碼,並將 PR 提交到代碼庫中。 這是一個閉環系統,作為設計師我從未擁有過這樣的控制力。 “設計的意圖不再依賴工程師”還原“,而是由設計師自己貫通全流程交付。
靜態模型正在過時
過去的線性交接模式——設計師交圖,工程師翻譯——正在被更具協作性的工作方式取代。 現在的設計交付不再是靜態圖片,而是包含交互邏輯的高保真原型,甚至是具備集成能力的代碼框架。 工程師面對的不再是一堆註釋圖,而是幾乎可直接上線的可用元件。
設計與開發的反覆運算速度被大幅壓縮
以往樣式修改、功能調整動輒幾天,如今設計師可在代碼層直接處理,不再需要一輪輪截圖、註釋、溝通。 設計評審與功能實現之間的間隔從天縮短為小時,推動產品快速打磨和上線。
這種範式轉變正深刻影響團隊結構和招聘邏輯。 最高效的團隊往往具備跨學科能力——既能寫代碼,又懂產品和體驗。 那些能夠在設計與工程之間流暢切換、構建原型、推動落地的人才,將在 AI 驅動的新生產範式中脫穎而出。 未來屬於那些既有技術手感,又有品味判斷的混合型團隊。
04 四種人工智慧原生設計原則
隨著人工智慧應用加速落地,圍繞 AI 產品的設計原則也在逐步成型。 Cedric 總結了一些區別於傳統軟體設計的新關鍵點,正在被越來越多優秀團隊採納。 以下是其中最值得關注的四條原則:
減少認知負荷,讓 AI 主動理解使用者
最好的 AI 體驗,應該像“與一個聰明的人自然對話”。 這意味著,使用者不需要反覆點擊、設置參數、思考指令結構,而是能將注意力集中在表達意圖上,讓 AI 自動處理上下文與細節。 例如 Recall AI 和 Granola 就很好地體現了這一點,它們能在無需使用者預設的情況下,從對話中自動提取關鍵資訊與洞察,真正實現“無感操作”。
接受非確定性,並優雅地處理“脫軌”
與傳統軟體不同,AI 系統的輸出往往是開放性的、多路徑的,可能出現不穩定或偏離意圖的情況。 好的設計不是避免這一特性,而是提供適當的“監督軌道”。 例如 OpenAI 通過 Temporal 支援長流程任務的中斷重試,Cursor 和 V0 則引入“執行樹”和“回退檢查點”,允許使用者在 AI 偏離預期時快速回溯並切換路徑,避免“眼睜睜看著它跑錯而無能為力”的挫敗感。
讓 AI 顯示它在“想什麼”
雖然底層模型可能是黑盒, 但交互邏輯和推理過程應盡可能透明 。 Perplexity 展示了極佳的引用機制,讓使用者知道資訊從何而來; Deepseek 展示了多步驟推理路徑; Anthropic 則在「思路鏈」可視化上持續推進。 這些做法不僅提升使用者信任,也幫助他們更好地校準 AI 輸出,從而實現“可控性”與“可解釋性”的結合。
設計是為了監督,而不是操作
隨著 AI 越來越具備代理性,使用者將從“執行者”轉變為“指揮者”。 這要求設計圍繞「協調多個智慧體」展開,而不是傳統的按鈕加操作流。 早期的探索已經出現,比如 Perplexity 的“後台研究通知”、Codex 的多線程進度條提示、Comet 的生成式表單交互等。 這些都在構建一種新的互動範式:使用者不再逐步驅動,而是高層指令+智慧反饋的閉環。
這些原則仍在演進,但有一點可以肯定: 今天就開始圍繞這些維度構建產品的團隊,將率先打造出更自然、更值得信賴的 AI 體驗 。 未來的 AI 產品,不是讓人“會用”,而是讓人“想用”。
05 在崛起在 AI 時代,速度就是一切
在 AI 工具日新月異的時代,變化的速度令人驚歎。 正如 Cedric 所說:「也許在我們討論結束時,v0 就已經不是最好的工具了。 “這並不是一句玩笑,而是對當前產品環境最真實的寫照。 快速變動的生態,正在迫使企業從“構建完美產品”轉向“構建快速學習型組織”。
從我們與 Cedric 的對話中,可以提煉出幾條在這種環境中脫穎而出的組織特徵:
允許團隊主動嘗試新工具,不以技術穩定性作為唯一評估標準;
優先推進「先交付再優化」,把學習和反饋速度放在第一位;
構建模組化、API 驅動的架構,使系統具備快速整合能力;
強調“學習速度”與“專業經驗”同等重要,鼓勵主動適應變化。
對於大型企業而言,這種轉變尤其重要。 Cedric 的建議很實際:即使你無法直接影響生產系統,也可以用 AI 工具快速製作高保真的交互原型,從而贏得組織內部的認可。 設計不再只是“設計”,而是推動組織變革的試驗田。
這種加速是複合性的——設計師能夠更快地製作原型,工程師能更快地實現功能,團隊能更快地獲取用戶反饋。 整個產品開發週期被壓縮,創新密度變得前所未有地高。
Cedric 的 AI 設計堆疊,正是這一趨勢的縮影 :
Figma:依然是視覺設計的“真相來源”,用於布局、結構和初步框架,但在處理動態交互、狀態管理等方面存在限制。
v0/Lovable/Bolt.new:承接 Figma 輸出,支援自然語言定義動態行為。 比如通過對話提示即可繪製座標邊界框,實現即時交互邏輯。
Cursor/Windsurf:直接在代碼層精調樣式與交互,比如“設置角半徑為 16px”、“依次編號每個框”,並生成 PR 提交給工程團隊。
Shadcn / Tailwind / UntitledUI/HeroUI 等元件庫 :為 AI 提供標準元件語義,極大降低幻覺風險。 例如,使用者可以直接說「使用 Shadcn 的 toast 元件」或「應用 Tailwind 不透明度 20」,從而實現一致、可控的代碼生成。
本文來自微信公眾號 “烏鴉智慧說”,作者:智慧烏鴉,36 氪經授權發佈。