我想分享一个故事:一个 Computer Architect 如何借助 AI,从解决自己的一个小问题开始,慢慢做出了一个越来越多人愿意使用的工具。
就在这周,有一个团队在了解这个工具之后,问了我一个很直接的问题:
“为什么我们要用你的工具?”
我当时愣了一下。
这个问题并没有冒犯我,只是我从来没有从这个角度思考过。我没有想过要推广它,更没有想过要说服别人使用它。它最开始只是一个 personal project,用来解决一个让我自己很头疼的问题。
而现在,已经有不同团队的人主动使用它,甚至有人开始为它贡献新的功能。
这让我重新思考,AI 时代的产品究竟应该如何被创造。
从一个令人头疼的文档开始
我是一名 Computer Architect。但我第一次真正感受到 AI 改变自己工作方式的潜力,和硬件设计完全没有关系。
当时,我正在 review 一份技术文档。里面有一些非常复杂的表格,又长又宽,阅读起来十分痛苦。
传统的处理方式需要在不同的工具和文档格式之间反复转换。每次内容有更新,都可能需要重新生成文件、打开、定位,再开始 review。
Oh god, my eyes hurt.
最烦人的是,这些事情本身并没有创造什么价值,却占据了我们不少时间。身边一些经验丰富的同事也一直深受其扰。
我就在想,为什么不能直接把这些内容放进浏览器?让页面适应屏幕大小,可以自由导航、拖动,甚至支持一些更符合我们使用习惯的交互方式?
问题是,我完全没有 Web Development 的经验。
我在 University of Michigan 读书时,曾经选过一门 Web Development 课程,EECS 485。结果上了两个星期,我就退课了。
但到了 2026 年初,AI coding agents 的能力已经发展到了一个很有意思的阶段。我决定试试看。
花了一百多美元的 tokens,大概两三天时间,我一边做日常工作,一边通过 AI 不断实现和修改自己的想法。
一个可以实际使用的网站就这样诞生了。
当然,它还有很多不完善的地方。但让我印象最深的,是自己第一次发现:
我不需要先掌握一门完全陌生的技术,才有资格尝试解决一个问题。
原本,我会根据自己掌握的技术来判断什么可以做、什么不可以做。但 AI 让我开始反过来思考:如果暂时不考虑自己的技术背景,什么才是解决这个问题最好的方式?
这个思维方式上的转变,对我的影响远比那个网站本身更大。
从 personal project 到 shared asset
最开始,我只计划让身边几个同事使用这个小工具。
后来,我们在一次日常协作中遇到了信息管理上的问题。虽然最后解决了,但整个过程相当折腾。
我当时就想,既然已经有了一个更方便的阅读界面,为什么不能顺便把协作体验也改善一下?
于是,我开始逐渐加入新的功能。
随着使用场景越来越丰富,工具也不断演化:从最初简单的内容展示,到协作、配置、可靠性,再到一些 AI-native 的功能。
很多功能并不是我最初规划好的,而是在日常使用中逐渐发现需求,再一点点实现的。
大概半年以后,这个小网站已经成为一些同事日常工作中的工具。越来越多的其他团队开始主动联系我,希望能用它解决自己遇到的类似问题。
但真正让我觉得这个项目发生了变化的,是第一次看到其他同事主动贡献新的功能。
那一刻,我意识到它已经不再只是我自己写给自己用的东西了。
其他人不仅愿意使用它,也开始投入自己的时间,让它变得更好。有些功能甚至来自我完全没有考虑过的使用场景。
一个 personal project 就这样慢慢变成了 shared asset。
也正因为如此,这周有人问我“为什么我们要用你的工具”时,我才会有些意外。
我的回答其实很简单:
我并不知道你是否应该使用它。
我创造这个工具,是因为自己遇到了一个问题,而且想把它解决好。如果你也遇到了类似的问题,觉得它对你有帮助,那我非常欢迎你使用它,甚至一起参与改进。我也很乐意提供支持。
但如果它不能解决你的问题,那就没有必要为了使用一个新工具而改变自己的工作方式。
I don’t believe in shoving a product down people’s throats.
我更愿意相信,一个好的工具应该通过解决真实的问题来赢得用户。
这半年来的经历,也让我对 AI 时代如何创造产品,有了一些新的认识。
1. Start with a problem, not a hammer
有一句很经典的话:
When all you have is a hammer, everything looks like a nail.
我觉得这句话在 AI 时代特别值得重新思考。
过去,我们每个人都有自己的专业背景、熟悉的工具和擅长的方法。面对一个问题时,我们很自然地会从自己已经掌握的能力出发,寻找解决方案。
我是 Computer Architect,所以我习惯于从计算机架构的角度思考问题。一个 Software Engineer 可能首先想到写程序,一个擅长 Excel 的人可能首先想到设计一个 spreadsheet。
这些方法本身都没有错。问题是,我们很容易让自己已经拥有的工具,限制了对问题本身的理解。
但 AI 正在改变这件事。
What if we no longer have just a hammer, but a Swiss Army knife?
AI 让我们每个人都拥有了更多以前不具备的能力。我们可以去探索不熟悉的领域,尝试不同的方法,甚至创造过去根本不会考虑的解决方案。
既然如此,为什么还要执着于用原来的锤子寻找更多钉子?
我觉得,AI 时代最重要的能力之一,是愿意重新审视自己手中的工具箱。
不要因为自己擅长某种技术,就试图用它解决所有问题。先理解问题是什么,再决定应该使用什么工具。
而这也让发现一个好问题变得更加重要。
AI 可以帮助我们实现很多过去难以实现的想法,但它不会自动告诉我们,什么问题真正值得解决。
最好是自己亲身经历过的问题。如果不是,至少应该有足够深入的第一手观察,知道别人究竟在为什么而苦恼,以及为什么现有的方法无法很好地解决它。
AI expands what we can build. But we still need to figure out what is worth building.
2. Eat your own dog food
这是我在这个项目,以及其他一些个人项目中,一直非常坚持的原则。
如果我自己就是工具的目标用户,那么从 Day 1 开始,我就会尽可能把它应用到真实工作中。
即使最初的版本并不完善。
实际上,我越来越觉得,只有真正把自己创造的工具融入日常工作,才能发现很多在设计阶段根本想不到的问题。
有些功能看起来很漂亮,但用起来却并不自然。有些设计在 Demo 里很 impressive,但真正使用时会带来额外的 friction。
反过来,也有一些最初没有被赋予太多期待的小功能,在日常使用中意外地变得非常有价值。
这并不局限于这个网站。在其他项目里,我也经常发现,自己最初设想的使用方式和最终真正有价值的使用方式,并不完全一致。
有时候,你需要先把工具创造出来,并且真正使用它,才能逐渐理解它应该成为什么样子。
AI 让这个过程变得更加容易,因为从发现问题到尝试新的解决方案,中间的距离被大幅缩短了。
当然,自己的使用体验不能代替所有用户的反馈。但如果连创造者自己都不愿意使用这个产品,那可能值得重新思考,究竟解决了什么问题。
3. Rethink the workflow, not just optimize it
这是我整个经历中最重要的收获。
很多人在讨论 AI 的时候,仍然习惯于把它看作现有 workflow 中的一个优化工具。
原来需要十个步骤,现在 AI 帮你自动完成其中三个。原来需要两个小时,现在只需要二十分钟。
这当然很好,但我认为这只是 AI 潜力的一小部分。
AI should not merely optimize an existing workflow. It should make us question whether that workflow should exist in the first place.
回到我最初的例子。
一开始,我只是想让阅读技术文档变得更方便。如果沿着传统思路继续优化,也许我会尝试减少文件转换的步骤,或者写一个脚本,让整个流程更自动化。
但当我开始用 AI 构建一个完全不同的工具时,我逐渐发现,自己真正想改变的,并不只是文档的显示方式,还有围绕这些文档展开的整个工作流程。
如果今天重新从零设计这个 workflow,知道 AI 已经具备这样的能力,我们还会选择相同的工具、相同的流程和相同的分工吗?
很可能不会。
这也是为什么我认为,AI-native 不应该只是给已有的软件加上几个 AI features。
真正的 AI-native,是愿意从头重新思考一个问题应该如何被解决。
这并不意味着所有旧的 workflow 都需要被推翻。有些东西经过多年打磨,依然非常有效。
但至少,我们不应该因为一个流程已经存在了很多年,就默认它仍然是最合理的选择。
尤其是当 AI 已经改变了许多基本假设的时候。
4. Iterate with AI. Constantly.
最后一点,是 AI 时代独有的一种产品开发体验。
传统的软件开发中,一个功能无法实现,可能是因为技术限制,也可能是因为开发成本太高。我们通常会接受这个现实,转而寻找其他方案。
但现在,我开始觉得,很多这样的判断都应该有一个 expiration date。
在这个项目早期,我尝试过一些相对复杂的交互功能。当时 AI 生成的实现存在不少问题,我花了很多时间调试,最终还是决定先放弃。
几个月后,我重新尝试了同样的功能。
出乎意料的是,这一次实现得非常顺利。
我并没有突然掌握大量新的 Web Development 知识,需求本身也没有发生根本变化。
真正改变的,是 AI 的能力。
这让我意识到,在 AI 快速发展的今天,几个月前做不到的事情,并不意味着今天仍然做不到。
更重要的是,AI 不仅降低了创造新功能的成本,也在不断降低重新设计和重构已有系统的成本。
这意味着我们可以更频繁地重新审视过去的设计决定。
曾经因为实现难度而放弃的功能,可以重新尝试。曾经因为开发成本而保留的妥协,也可以重新评估。
当然,这不代表我们应该为了使用最新的 AI 技术而不停地推翻已有系统。稳定性、可维护性和真实用户的需求依然重要。
但我确实开始相信:
In the age of AI, “done” is becoming a temporary state.
一个产品的当前形态,除了取决于我们的想象力和需求,也受到当时技术能力与实现成本的影响。
当这些约束不断变化,我们也应该愿意重新思考,什么才是更好的解决方式。
最后
回过头看,这个项目最让我开心的,是它改变了我看待问题的方式。
过去,面对一个令人烦躁但又习以为常的工作流程,我可能会选择接受它。毕竟,解决问题所需要的知识和时间,往往超出了我愿意投入的范围。
但现在,我越来越习惯先问自己:
Why does it have to be this way?
有了 AI,我们不再需要仅仅根据自己已经掌握的技术,来决定哪些问题值得尝试。
我们也不应该仅仅因为一种工作方式曾经有效,就认为它应该一直存在。
也许对我而言,AI 最大的价值,是让我开始重新思考,什么才是值得做的工作,以及它本来应该如何被完成。
The real opportunity of AI is not just to do things faster, but to rethink how things should be done.