AI帶來的生產力已經過剩了，我們更應該去想清楚為什麼和是什麼。
整理版優先睇
想透骨架，AI填充血肉——先釐清「點解做」同「做乜」，先用AI提速
作者彭俊旗用咗AI三年，雖然產能明顯提升，但「獲得感」反而冇同步增長。佢覆盤後發現，關鍵問題係自己對「AI要開發成點樣、點解咁做」諗得太少。佢習慣邊做邊改，以為係敏捷迭代，其實係用Token同時間買教訓。
以Magic Card項目為例，由於初期定位模糊，UI風格反覆試，功能邏輯打架，燒咗大量Token同生圖額度，最後要緊急剎車，重新梳理業務邏輯先出到實質結果。佢認為盲目依賴AI思考，只會畀AI嘅隨機性帶入無底洞。
核心結論係：AI提升效率唔等於自動產出價值。真正嘅敏捷係「想透骨架，AI填充血肉」。建設者必須自己握緊方向盤，用業務認知引導AI。佢分享咗AI編程嘅四步進階路徑，從前端到後端再到全棧同系統調試思維，強調行動中揾體感，但唔可以冇框架咁亂衝。
- 核心結論：AI提升效率，但若自己冇諗清『點解做』同『做乜』，盲目迭代只會浪費Token同時間。
- 方法：先讓AI出初稿做靶子，再用自己嘅業務認知收斂引導；冇諗法時行動揾體感，但要有收斂框架。
- 差異：『盲目迭代』係用Token買教訓，『真正嘅敏捷』係想透骨架再叫AI填充。
- 啟發：『冇結果嘅瞎試』先係消耗；有結果嘅浪費只係過程中未諗透，最終會迭代出清晰方向。
- 可行動點：AI編程新路徑：先玩前端建立直觀體感 → 再啃後端理解架構 → 建立全棧思維匹配場景 → 掌握系統調試思維破Bug。
真實彎路：Magic Card 項目嘅教訓
初期冇諗清定位就直接開幹，UI 從基礎樣式試到品牌炫酷大圖動效，結果發現只適合前端展示，唔適合工具屬性嘅 AI 應用。功能上「管控生成模式」同「無盡探索模式」底層邏輯打架，燒咗大量 Token 同生圖額度，最後緊急剎車。
如果發起人自己都模糊，AI 嘅隨機性會帶你入無底洞。Token 喺度燒，時間喺度耗，項目看似推進，其實係原地打轉。
兩層思考：唔好將「盲目迭代」當成「敏捷開發」
作者認為消耗巨大嘅核心原因係：自己過度依賴 AI 替自己思考</highlight-inline>。潛意識覺得輸入需求，AI 就能解決「做成點樣」同「點解咁做」，但事實係 AI 畀嘅方向好多時係偏嘅。
分兩層睇
- 1 第一層：當自己真係冇思路時，叫 AI 出初稿係高效嘅。因為佢畀到你一個直觀嘅靶子，有咗初稿你先知「哦，我唔想要呢個，我想要嗰個」。
- 2 第二層：如果冇加思考咁盲目叫 AI 跑，結果通常係災難性。發散可以，但必須有收斂嘅框架</highlight-inline>。真係嘅敏捷係「想透骨架，AI 填充血肉」。
冇想法嘅時候，唔好死磕，行動中攞體感</highlight-inline>比追求完美規劃更重要。因為沉浸喺行動入面，你先真實感受到業務需求同實現難度。完全靠空想反而會限制死思路。
AI 編程新手嘅進階路徑
四步進階
- 1 第一步：先玩前端，建立直觀體感。所見即所得嘅掌控感會話你知「我都開發到應用㗎」。
- 2 第二步：再啃後端，理解架構與邏輯。後端考驗數據處理、服務集成同架構設計，係從玩具到產品嘅分水嶺</highlight-inline>。
- 3 第三步：建立全棧思維，匹配場景。Python 攻數據同AI，Java/Go 扛企業級軟件。按場景揀語言，先進入關鍵階段。
- 4 第四步：掌握系統調試思維</highlight-inline>。遇到 Bug 唔好死磕一行代碼，叫 AI 跳出當前邏輯，從系統層面追溯上游，問「上一步邏輯係乜？數據流喺邊斷咗？」
寫在最後：方向向前，每一步都算數
呢條路本身就不斷向上探索、不斷思維迭代。只要方向係向前</highlight-inline>，每一步都算數。加油。
用 AI 已經三年啦。一個好明顯嘅感覺就係：我嘅生產力真係提升咗，寫 code 快咗，功能堆多咗。但奇怪嘅係，我嘅「滿足感」並冇隨之提高。
檢討咗一下，原因好殘酷：我對「AI 到底要開發成點樣、點解要咁做」諗得太少啦。
以前做數字員工、AI 應用項目，我習慣直接落手做。一路測一路改，發現唔掂就推冧。好多人叫呢啲做「敏捷開發」，但我而家意識到，呢個其實係「用 Token 同精力買教訓」。
如果發起人自己都模糊，AI 嘅隨機性就會帶你入無底洞。Token 在燒，時間在耗，項目睇落好似喺度推進，其實係喺度原地踏步。
一個真實嘅冤枉路：Magic Card 項目
用最近嘅 Magic Card 項目做例子。初期我未諗清楚定位，就直接開波。
UI 由最基礎嘅樣式，試到人哋品牌嗰啲炫酷大圖動效。行咗一排發現，呢種視覺只係適合前端品牌展示，根本唔適合工具屬性嘅 AI 應用。於是又剷咗，轉返傳統嘅 SaaS 樣式。
功能上更加亂。「管控生成模式」同「無盡探索模式」底層邏輯互相矛盾。我試咗無數次，燒咗大量 Token 同生圖額度，最後焗住緊急剎車。停低，將業務邏輯重新梳理咗一次，先至真正產出有實質意義嘅高質量結果。
核心認知 呢啲成果的確係喺操作中慢慢磨出嚟嘅。但前提係：我中途醒悟咗，重新攞返個方向盤。 |
唔好將「盲目迭代」當成「敏捷開發」
你可能會話，喺開發過程中慢慢諗，唔係一個好好嘅思路咩？
係，但前提係你心裏面要有"錨"。
我認為消耗咁大嘅核心原因係：自己過度依賴 AI 幫我諗嘢。我潛意識入面覺得，只要輸入需求，AI 就能幫我解決「做成點樣」同「點解要咁做」。
但事實證明，AI 畀出嘅方向，好多時係偏嘅。直到我自己真正介入，用我嘅業務認知去引導佢，佢先至輸出我想要嘅嘢。
呢個並唔矛盾，我哋可以分兩層嚟睇：
| 第一層：當自己真係冇思路嗰陣，叫 AI 出初稿係高效嘅。 |
| 第二層：如果冇加思考就盲目叫 AI 行，結果往往係災難性嘅。 |
真正嘅敏捷，係「諗透骨架，AI 填充血肉」。 |
冇想法嘅時候，唔好死撐。行動起嚟。喺行動中攞感覺，比起追求完美規劃更加重要。因為沉浸喺行動中，你先至真係感受到業務需求同實現難度。完全靠空想，反而會將思路限制死。
關鍵判斷 冇結果嘅亂試，先至係真正嘅消耗。如果有結果，咁所謂嘅「浪費」只係說明你當時仲未諗透，然後喺過程中不斷迭代、最終諗清楚咋。 |
畀 AI 編程新手嘅進階路徑
作為一個由 0 開始摸索嘅 Builder，如果問我應該點樣用 AI 做開發，我嘅感覺路徑係咁樣嘅：
第一步：先玩前端，建立直觀感覺
唔理做出嚟嘅頁面好睇唔好睇，前端係最快令你感受到 AI 魅力嘅地方。你打一段指令，屏幕即刻畀反饋。呢種「所見即所得」嘅掌控感，會迅速打開你嘅視野，令你相信「我都可以開發應用啦」。
視覺係最簡單嘅切入點，亦係靈感嘅孵化器。
第二步：再搞掂後端，理解架構同邏輯
後端相對枯燥，但核心價值在於：將應用變成一個真正嘅 API、MCP 或者可擴展服務。佢考驗嘅係數據處理能力、服務集成能力同架構設計能力。
喺 AI 編程入面，只有重視架構嘅形式、模式同設計方式，你先至真正接得住中高級嘅複雜項目。呢個係由「玩具」到「產品」嘅分水嶺。
第三步：建立全端思維，匹配場景
前端行得通，後端搞掂，接下來就係全端。唔同嘅語言適用唔同嘅戰場：
| Python： |
| Java/Go： |
當你能夠根據場景選擇語言，而唔係死撐單一技術棧嗰陣，你嘅 AI 編程就進入咗關鍵階段。
第四步：掌握「系統除錯思維」
呢條路註定充滿折磨。遇到一個 Bug，除錯一日、三日解決唔到係常態。
呢個時候，唔好死撐一行 code。要用系統思維：叫 AI 跳出當前嘅邏輯死結，由系統層面向上追溯指令。問佢：「上一步嘅邏輯係咩？數據流喺邊度斷咗？」由架構鏈嘅角度去研判，往往能夠瞬間破局。
寫喺最後
呢條路本身，就係一個不斷向上探索、不斷思維迭代嘅過程。幾得意嘅，又幾磨人嘅。
唔好成日盯住自己嘅弱點死撐，冇想法就行動，行動中揾想法。只要方向係向前嘅，每一步都算數。
加油啦。
冇諗清楚就出發，係最貴嘅消耗。 諗透骨架，AI 填充血肉。 |
Resona · 鳴 · 令每一次對話，都有迴響 2026-05-01 · 彭俊旗 |
用 AI 三年了。一個很明顯的體感是：我的生產力確實變強了，代碼寫得更快，功能堆得更多。但奇怪的是，我的"獲得感"並沒有隨之提升。
覆盤了一下，原因很殘酷：我對"AI 到底要開發出什麼樣子、為什麼這麼做"想得太少了。
過去做數字員工、AI 應用項目，我習慣直接上手。邊測邊改，發現不對就推翻。很多人管這叫"敏捷迭代"，但我現在意識到，這其實是"用 Token 和精力買教訓"。
如果發起人自己都模糊，AI 的隨機性會把你帶進無底洞。Token 在燒，時間在耗，項目看似在推進，其實是在原地打轉。
一個真實的彎路：Magic Card 項目
拿最近的 Magic Card 項目舉例。初期我沒想清定位，直接開幹。
UI 從最基礎的樣式，試到別人家品牌那種炫酷大圖動效。跑了一陣子發現，這種視覺只適合前端品牌展示，根本不適合工具屬性的 AI 應用。於是又砍掉，切回傳統的 SaaS 樣式。
功能上更亂。"管控生成模式"和"無盡探索模式"底層邏輯打架。我試了無數次，燒了大量 Token 和生圖額度，最後不得不緊急剎車。停下來，把業務邏輯重新捋了一遍，才真正產出有實質意義的高質量結果。
核心認知 這些成果確實是在操作中慢慢磨出來的。但前提是：我中途醒悟了，重新拿回了方向盤。 |
別把"盲目迭代"當成"敏捷開發"
你可能會說，在開發過程中慢慢想，不是一種很好的思路嗎？
是，但前提是你心裏得有"錨"。
我認為消耗巨大的核心原因是：自己過度依賴 AI 替我思考。我潛意識裏覺得，只要輸入需求，AI 就能幫我解決"做成什麼樣"和"為什麼這麼做"。
但事實證明，AI 給出的方向，很多時候是偏的。直到我自己真正介入，用我的業務認知去引導它，它才能輸出我想要的東西。
這並不矛盾，我們可以分兩層看：
| 第一層：當自己真的沒思路時，讓 AI 出初稿是高效的。 |
| 第二層：如果沒加思考地盲目讓 AI 跑，結果往往是災難性的。 |
真正的敏捷，是"想透骨架，AI 填充血肉"。 |
沒想法的時候，別死磕。動起來。在行動中拿體感，比追求完美規劃更重要。因為沉浸在行動中，你才能真實地感受到業務需求和實現難度。完全靠空想，反而會把思路限制死。
關鍵判斷 沒有結果的瞎試，才是真正的消耗。如果有結果，那所謂的"浪費"只是說明你當時還沒想透，然後在過程中不斷迭代、最終想清楚而已。 |
給 AI 編程新手的進階路徑
作為一個從 0 開始摸索的 Builder，如果問我該怎麼用 AI 搞開發，我的體感路徑是這樣的：
第一步：先玩前端，建立直觀體感
不管做出來的頁面好看還是難看，前端是最快讓你感受到 AI 魅力的地方。你敲下一段指令，屏幕立刻給出反饋。這種"所見即所得"的掌控感，會迅速打開你的視野，讓你相信"我也能開發應用了"。
視覺是最簡單的切入點，也是靈感的孵化器。
第二步：再啃後端，理解架構與邏輯
後端相對枯燥，但核心價值在於：把應用變成一個真正的 API、MCP 或可擴展服務。它考驗的是數據處理能力、服務集成能力和架構設計能力。
在 AI 編程裏，只有重視架構的形式、模式和設計方式，你才能真正接得住中高級的複雜項目。這是從"玩具"到"產品"的分水嶺。
第三步：建立全棧思維，匹配場景
前端跑通，後端搞懂，接下來就是全棧。不同的語言適用不同的戰場：
| Python： |
| Java/Go： |
當你能根據場景選擇語言，而不是死磕單一技術棧時，你的 AI 編程就進入了關鍵階段。
第四步：掌握"系統調試思維"
這條路註定充滿折磨。遇到一個 Bug，調試一天、三天解決不了是常態。
這時候，別死磕一行代碼。要用系統思維：讓 AI 跳出當前的邏輯死循環，從系統層面往上追溯指令。問它："上一步的邏輯是什麼？數據流在哪斷了？"從架構鏈的角度去研判，往往能瞬間破局。
寫在最後
這條路本身，就是一個不斷向上探索、不斷思維迭代的過程。挺有意思的，也挺磨人的。
別緊盯着自己的短板死磕，沒想法就行動，行動中找想法。只要方向是向前的，每一步都算數。
加油吧。
沒想清楚就出發，是最貴的消耗。 想透骨架，AI 填充血肉。 |
Resona · 鳴 · 讓每一次對話，都有迴響 2026-05-01 · 彭俊旗 |