【AI】Vibe Working:重新思考 AI Coding
AI Coding从个人工具到团队协作的系统性转变。作者基于85%的AI开发实践,指出效能核心在于思维转变(50%)和协作机制(20%),而非单纯技术。团队复盘中暴露的流程问题(如规范对齐、重复任务处理)揭示AI产研的瓶颈在于组织方式,需通过制定AI操作指南、Prompt资产化等"隐形杠杆"重构工作流。未来将探索产品、测试等环节的AI化,推动从"管理AI"到
AI Coding 已经不是“要不要用”的问题,而是“怎么用好”的问题。
当我开始想写这个系列的时候,心里其实有点虚。因为我的目标是:打造一个真正能跑起来的 AI 产研团队。但说实话,我自己都还在摸索。
目前,我日常 85% 的开发工作都通过 AI Coding 完成。但这背后,远不止是“让 AI 写代码”那么简单——它是一场关于思维、角色与协作方式的系统性转变。
如果让我拆解“用好 AI Coding”的关键要素,我会这样分配:
- 50% 是思维转变(从“写代码的人”变成“引导 AI 的架构师”)
- 20% 是使用技能(Prompt 工程、模型选择、上下文管理…)
- 20% 是团队协作机制(规范对齐、知识沉淀、流程重构…)
- 10% 是大模型本身的性能
如果是纯个人开发者,思维转变甚至要占到 70%。
视野太窄了
过去我更多是单打独斗:自己对接需求、自己画 UI(虽然没标准)、自己写前后端、自己测试、自己上线。这种“全栈”听起来很酷,但其实很危险——我的视野太狭隘了。
我一直以为 AI Coding 是个人效率问题。直到最近,我和整个产研团队开了两场复盘会,聊大家怎么用 AI、卡在哪儿、哪些地方反复返工……我才突然意识到:
AI Coding 的瓶颈,根本不在模型,而在流程;不在技术,而在团队协作。
聊到了产品需求怎么结构化、UI 怎么给 AI 描述、开发怎么对齐规范、测试怎么验证 AI 输出……但聊完发现,这些讨论还远远不够。正因为不够,才值得做。
会议结束后,我最直观的想法是:
- AI Coding 不仅仅是开发个人的事,它应该扩展到整个公司,从研发一直穿透到客户。
- 当每个人都具备了基础的 AI Coding 能力后,你和别人真正的差异化能力是什么?
从“用 AI 写代码”到“用 AI 重构产研”
复盘会上,有几个问题反复出现:
- 为什么同样的任务,有人一次成功,有人反复返工?
- 为什么 AI 总是“忘记”项目的规范?
- 为什么前后端联调时,接口对不上?
- 为什么“新增渠道”这种重复任务,AI 永远差那 20%?
这些问题的答案,不在 AI 里,而在怎么组织工作。
于是我总结了一些 AI Coding 的 “隐形杠杆”,比如:
- 为不同项目写一份
ai_onboarding_guide.md:让 AI 像新人一样,先“读文档”再干活。 - 把重复任务变成 AI 可执行的 SOP:做完一次,就让 AI 自己总结操作手册,下次照着做。
- 在 Code Review 里评审 Prompt 质量:好 Prompt 是可复用的资产,不是一次性消耗品。
- …

这些做法听起来琐碎,但它们在悄悄改变一件事:不再把 AI 当“黑盒”,而是把它纳入工作流的一部分。
复盘整理的 “隐形杠杆” 远远不止这些,在之后的文章会慢慢分享。
AI 产研中,人的角色转变
这次复盘最直观的感受是:大多数人还是把 AI 当做“辅助工具”使用,并没有重新思考人在产研里面的角色转变。这里不仅涉及技巧,也涉及管理,更是领导。
但这里面有两个层次。把 AI 当“同事”只是第一步,这涉及**“管理”。而更重要的一步,是在协作中实现从“管理”到“领导”**的跨越。
- 管理是“安排”,是组织 AI 被动接收需求,让它做事。
- 领导是“指引”,是激发 AI 主动思考,让它帮你做事。
这种思维的转变,正是“低效工具”与“卓越队友”的核心区别。
接下来,我想走得更远一点
目前我的探索还局限在开发侧。但我知道,这只是开始。
当 AI 能写代码,产品经理是不是也能用它快速验证想法?测试能不能让它自动生成边界 case?客户支持能不能让它实时解析日志并给出修复建议?
这些问题我没有答案。但我想试试。
因为我不想只是“用 AI 写代码”,我想用 AI 重新定义我怎么工作、怎么思考、怎么创造价值。
接下来,我会在这个系列里持续分享:
-
《AI 产研中人的角色转变分析》
(详细拆解我如何从“开发者”变成“AI 教练”和“AI 架构师”) -
《Vibe Working:实际问题解决方法系列》
(分享我用 AI 改造工作流的具体实践,比如怎么写 Prompt、怎么做 Onboarding、怎么处理重复任务)比如这次整理 AI Coding 复盘的流程就是 -> 通义听悟会议记录转写总结 + 会间记录 -> 会后针对会间记录进行扩写 -> 再把原文 + 会议记录丢给大模型整理输出 -> 让 AI 扮演 YC 和 Andrej Karpathy 给我的思路做总结,反哺我的方法论。
-
《传统产研转向 AI 产研的思考》
(包含我落地 AI 评测、推动团队协作的真实案例)
最后,想听听你的声音
写这篇文章时,我一直在问自己:
我是不是想得太理想了?是不是忽略了现实的约束?是不是把问题想简单了?
但转念一想——所有值得做的事,一开始都是模糊的、不完美的、甚至有点“天真”的。
如果你也在用 AI Coding,
如果你也在思考“人和 AI 到底该怎么共事”,
如果你试过、踩过坑、有过顿悟,或者正感到困惑……
我很想听听你的故事。
你可以留言、私信,甚至最后构建一个群聊,一起来聊聊。
不一定能解决问题,但我们可以一起看清问题。
更多推荐


所有评论(0)