vibecoding产品谁负责
粉丝4.6万获赞36.0万
相关视频
03:50查看AI文稿AI文稿朋友们出大瓜了，硅谷最神秘的亿万富翁马斯克，都非常推崇的投资教父纳瓦尔，刚刚呢，又出了一期最新播客，信息量大到离谱。本来呢，只是聊一个 webcody， 就是 用 ai 写代码，但纳瓦尔呢，全程高能，直接预测苹果衰落，世界分层存软件创业已经没戏了。更觉得是他还放出狠话， 现在，立刻马上把你家孩子手里的手机拿走，把刷视频、玩游戏的时间全部换成 word 定，比玩游戏还上头。不花一分钱，就能让你家孩子从被算法投喂直接变成定义算法。最狠的是，他甚至指出了阶层和教育的终极分化，平庸者沦为数据 轻行者，定义规则这些破课呢，还有很多犀利的观点，我反复的听了三遍，整理了最震撼的三个点，第一点就很颠覆啊，苹果已经彻底错过了人工智能时代。那我要说，苹果同志已经从这一刻开始终结。逻辑很简单，以前呢，你出门要打开某滴， 现在你跟 ai 说我要打车。以前呢，你吃饭要打开某团，现在你跟 ai 说帮我叫个外卖。以前你健身要打开健身 app， 现在 ai 五分钟就帮你做一个。 当 app 这个形态本身被绕过，苹果苦心筑起的那道高墙就彻底塌了。但这不仅仅是巨头的麻烦啊，纳瓦尔紧接着抛出一个对普通人更狠的判断，存软件创业已经没戏了。他说呢，现在硅谷的投资圈都不投存软件了，如果你的商业护城河是我能写出别人写不出的软件这条路，今天已经彻底堵死了。 ai 编程代理的能力呢？一年内还要再翻一个数量级。未来做软件这件事，本身将不再有任何壁垒。 未来会变成什么样？手机会直接退化成一块屏幕，一块电池和网络连接，而真正的新入口就是 ai。 第二点更扎心，世界正在加速分层，但软件可以被任何人一句话生成。这个世界就剩下两种人， 一种呢，是会让 ai 帮自己造东西的人，另一种是只会用别人造好的东西被困在算法里的消费者。一个惊人的数据，全世界编程的人从原来的千分之一暴涨到了百分之三。这什么概念？相当于全世界突然冒出来两亿多个不需要敲代码的野生造物主。 这是一个马上就要关上的红利大门。你要知道，以前做一个软件，你至少要八九个工程师，花至少半年到一年的时间，中间呢，还充满了妥协，不然你就会惹恼工程师。现在呢，你只需要一个 ai， 花几天时间创造完全符合你自己想象的东西。 是纳瓦尔的原话，真的，很多人还没有意识到这是一个多么巨大的变化。十年后，你一定会发现，二零二六年最划算的教育投资可能不是英语，也不是奥数，而是把它玩游戏刷视频的时间换成 web 扣顶。这部现在真的已经是名牌了。 第三点，是整个扑克里最醒脑的。那我要说呢，我们一定要警惕一个巨大的陷阱， ai 其实是一只极度渴望取悦你的猎狗，它没有主见，你引导它去哪它就去哪。这件事最可怕的是什么？如果你本身就是一个随波逐流的人，那 ai 的 讨好就只会让你在平庸的信息简房里越陷 越深。 ai 呢，就像一头羊，它就会给你造一座城池，所以你不需要焦虑会不会用 ai， 你真正应该思考的是，你到底想要什么，这个才是党在你和财富成就之间的最大门槛。 ai 时代真正的稀缺品，从来就不是代码，也不是算命，而是愿景、品位和判断。那我这期播课呢，还有不少犀利又醒脑的观点 实录，我已经整理好了，感兴趣的朋友评论区告诉我。对了，还有关于 web coding， 跟大家汇报一下。刚刚过去的这个五一假期，我哪里也没去，就在家里用 cloud code 和 codex 真的 超上头，我甚至呢，还搭建了一个数字生命系统，把我的人生数据全都放进去了。 这是一个完全只属于我的，能不断进化的本地知识库。这件事啊，两年前对我来说是天方夜谭，但现在只花了一天时间就做到了。世界正在加速变化，而我们正站在时代的分叉口上。我是竹子，关注我，快一步把我 ai 时代给予！
4.7万杨竹筠
03:07查看AI文稿AI文稿对于 web coding， ai 产品经理到底要掌握到什么程度啊？我们今年能看到 ai 圈子里面很明显的趋势就是对 ai 产品经理要求 web coding 的 能力最接近的。当初 基本上校招在招 ai 产品的暑期实习生的时候， web coding 变成了必考项。那到底什么是 web coding？ ai 产品经理需要掌握到什么程度？我们一篇内容给大家讲清楚 啊。首先先讲什么是 web coding。 web coding 这个概念其实最早是卡帕西提出来的，就是 opai 的 那个创始人之一，指的是用自然语言描述你想要做什么， 让 ai 代替你去完成大量的编程代码的修改、调试和迭代，最终可以产出一个完全交付给用户的产品。相比之前所谓的 ai 辅助编程，最大的差别在于，人是不需要写代码的， 人只用提示词去明确自己的要求和意图，其他的全部有 ai 完成。所以本质上编程这件事是语言发生了变化，从过去的编程语言 java， python， go long 转变成了自然语言，所以门槛大大降低，你可以理解，任何人只要通过学习，他都可以 web coding。 那 为什么 ai 产品经理要掌握这个能力？ 短期看和长期看其实不太一样。短期来看，产品经理或 webcointing 本质上是从自己当前的工作提向角度去考虑，比如说你需要数据和报表，也不需要数分了，完全基于自己的需求， webcointing 一个个性化的数据产品。所以本质上 webcointing 改变了产品经理的工作模式。那从长期或者中期来看，公司的组织和分工方式 有可能会有一个巨大的转变，非常有可能，每个角色都是全站角色，懂商业、懂业务、懂用户、懂产品、懂代码、懂设计。基于此，一人团队直接推进业务落地。 公司的架构基本上没有执行者，每个人就是自己这个业务的负责人，能决策、能判断，能落地公司的人会比现在少几倍， 但如果这个人能胜任这个工作，你的收益也会高几倍。那我们再说一下，产品经理要把 web coding 学到什么程度？基本上你可以理解 web coding 的 掌握有几个层次。第一个级别呢？会正确的提需求。 web coding 不是 跟代码 a 阵的去聊天，很多人提示词充满了歧义和跳跃。 在这个阶段，你需要学会把脑子里的大概的想法拆解为系统的需求。我相信这点对于多数产品经理来讲，难度没有那么大，因为多数产品经理能写清楚产品方案，他就能写清楚提示词。那第二个级别呢，就是复杂任务的拆解和上下文的治理。 因为上下文窗口的问题， web 规定在做复杂任务的时候非常容易崩溃或者产生幻觉，那我们就需要学会任务的拆解，比如说先让 ai 去搭框架， 再让他写前端的组建，最后连数据库，你得会有效的任务拆解。第三个级别，调试。这是不了解技术的人最崩溃的一个部分，没有技术逻辑，你就定位不了问题。 所以到了第三阶段， a h m 经理你要开始理解一些基本的技术结构，比如说前端、后端数据库分类在干嘛， api 健全、状态管理、日制这些基本的概念，包括本地的调试、部署等等，那掌握到第三个级别，基本上 你就可以独立的做一些小的应用和产品，满足当前提效的需求了，这是多数 ai 产品经理要掌握到的级别，那再高一个级别就是第四个级别， 复杂应用级别的外部规定，这部分现在还没有必要。所以如果大家还想在当前这个节点里面转型 ai 产品，直接给大家分享一个啊。在某一个大厂里面，所有新接触 ai 产品必读的一个材料可以直接去看，里面包含了模型的原理、基础的模型的知识以及 ai 产品的落地的方法都有讲到。
5269林木聊AI
02:20查看AI文稿AI文稿i think apple giving up an ai will go down as the biggest strategic mistake in the tech industry of this decade， and it's the beginning of the end of apple's dominance。 这是纳瓦尔在最新播客中下的重磅判断，谁是纳瓦尔？ 纳瓦尔拉维康特是硅谷投资教父，投资了 twitter、 uber、 notion 等两百家公司，同时他也是硅谷最神秘的亿万富翁。很多人都没听说过他，但马斯克扎克伯格都非常推崇他，那他为什么要下这样的判断？要想读懂他的预判，首先要搞懂一个概念， web coding。 简单说就是以前做 app， 你 得会 python、 java 这些编程语言，懂服务器、数据库前端后端，还要会用一堆复杂的工具。现在不用了，你只要会说话， ai 就 能直接从零到一，把整个 app 给你做出来，甚至于几分钟之内就能装到你手机上用。 然后，纳瓦尔认为，被这项技术冲击的首当其冲的就是苹果。为什么？因为苹果的核心优势从来都不是硬件，而是 ios 生态和应用商店的垄断。但 web coding 会彻底打破这个垄断，原因有二，一，你以后不用再去苹果商店下载 app 了，直接跟 ai 说你要什么， ai 当场给你做一个，装到你手机上。 二，你以后不用再打开任何 app 了，以后你只会跟 ai 说，帮我叫个车，帮我定明天去北京的机票， ai 直接帮你搞定一切。 这样一来，手机将会变成一个纯粹的硬件。苹果引以为傲的应用商店统一交互设计和生态闭环优势，在 ai 实时生成应用的模式下，也将彻底失效。更致命的是，苹果自己的 ai 不 行， 现在还有用谷歌的 gemini， 每年要付给谷歌约十亿美金的授权费，就相当于把核心的用户体验掌控权拱手让给了竞争对手，这和当年微软错过移动互联网没什么区别。不过，这并不意味着苹果不赚钱了，但它的高利率和垄断地位会消失，市值会大幅缩水，变成三星那样的硬件公司。 其实提到手机，前几天 openai 的 手机曝光了，并预计二零二八年量产。根据 openai 曝光的关键信息，天风国际证券分析师郭明奇做了一张概念设计图， 把它和现在的 iphone 主频放在一起对比，差异一目了然。你可以看到， openai 手机的逻辑和 iphone 的 完全反过来了，你不用打开 app， 而是直接告诉手机我要干什么，剩下的全由 ai 智能体去调度完成。换句话说， app 还在，但你可能再也不用亲手点开它们了。 然后你会发现， openai 手机和纳瓦尔提到的未来手机是一模一样的，所以纳瓦尔的预判是非常有可能成真的。
189本元商业评论
03:11查看AI文稿AI文稿有一段时间没更新了，最近呢，一直在研究 web coding。 那 啥是 web coding？ 翻译过来叫做氛围编程啊，简单说呢，就是你对 ai 说，帮我写个网站，帮我写个 app， 对 吧？它刷刷刷，几分钟就能帮你写好，整个过程呢，你不需要写一行代码。 那这玩意现在有多火呢？就是在美国啊，百分之九十二的开发者都在用，目前呢，百分之四十一的新代码都是由 ai 生成的。那在这个领域呢，诞生了像科斯、罗伯堡这些估值几十亿美金的独角兽， 据说二零四零年呢，这将是一个三千亿美金的市场啊，听起来特别激动对吧？哎，但我发现有一个巨大的悖论，市场潜力巨大，但是赛道里的公司呢，只有百分之三十五，有的甚至为负。 比方说用户呢，月付这个二十美刀对吧？公司呢，花的算力成本呢，可能要三十美金甚至更多。用户用的越多呢，亏损的就越多啊。那问题来了，钱被谁赚走了呢？其实很简单啊，看谁在卖铲子。 那在整条产业链上啊，越往下越复杂，越往上越确定。最下面一层呢，是应用层，像科室 logo 就是 最下面的旷工啊。这一层呢，竞争激烈，没有护城河，也没有定价权，用户随时可以换一家。 因为从技术上来讲呢，百分之九十的这类公司，无非就是封装了基础大模型，大模型的 a p i， 再加上一套 u i 而已啊。就连我这个白酒老灯呢，研究几天也能搞出一个类似的应用啊，因为它本质上呢，还是在比拼大模型的能力 啊。那再往上呢，就是模型层，像 open i， anaerobic， 它们相对于应用层来说呢，是卖铲子的啊，毕竟应用层呢，都需要调这些大模型公司的 a p i， 他们呢，有一定的定价权啊，可以不断的涨价毛利率，毛利率呢，也在快速的改善啊。那再往上一层呢，就是云厂商，比方说 a w s， 还有微软，纳斯罗，阿里云等等， 他们不关心谁赢了模型的战争，虽然说自己也有大模型，比方说阿里的千万对吧，但归根结底的目标呢，还是在出租算力。不管谁赢了模型的战，战争啊，都需要租算力对吧？生意呢，是非常确定的。 那最上面最确定的一层是谁呢？我相信大家都想到了，嗨，那就是终极卖产品英伟达对吧？不管是哪个大明星赢啊，甚至哪个云场上啊，云场上占了上风啊，所有人都得买英伟达的 gpu， 因为现在呢，训练大梦行呢，都离不开英伟达的 gpu 对 吧？数据中心呢，毛利率呢，在百分之七十八以上，护城河极深，目前呢，几乎不可替代。 一层层往上呢，你会看到一个非常清晰的规律啊，越往下故事越好听对吧？竞争呢，越激烈，不确定性呢越高，越往上呢，故事越枯燥，但生意呢，越确定。哎，互成合极深。投资逻辑呢，也是一样的啊，越往下越复杂，越往上越确定。 ai 的 未来呢，肯定是在应用层的对吧？啊，但真正能一直赚钱的一定是上面几层卖铲子的。所以说，如果你也要在这个赛道当中找一个位置的话啊，先想一想你是在卖铲子还是在当矿工。
43循道笔记
01:39查看AI文稿AI文稿这个歪脖扣顶我认为是 ai 带来的第一生产力。这个歪脖扣顶什么意思？就是口语化编程，就是我们用自然语言跟他说话，他就给你编出来了。过去我们老板有一个想法，让程序员开发出来，要排工期，要算成本，就放弃了。现在有个想法，你跟模型一说，俩小时给你开发出来了，他可以快速验证你对市场的想法， 快速验证你对用户需求的想法。而有的时候你这个需求都没想明白，你只想到了一二三，他就帮你想四五六，把四五六做成选择题，让你选，你看第四步，你是不是没想到这个？你看第四步怎么走，一二三选哪个？所以这种外部控制的能力就是对外产品的能力，对内呢？数字化的能 力。你说过去我们蓝卡，我们有产线团队，能研发系统，未来喜欢这个，你们都有产线团队了，你都可以研发系统，你对着 ai 一 说，他就给你研发了。这一点非常重要的点是什么？ 客户有需求，外边不一定有刚刚满足这个需求的软件，但是你要去研发这个投入很大。但是现在客户有需求，外边没有适合的软件，你有这个想法，你马上就把你的想法用 ai 实现出来，这就有 web coding 的 能力。 web coding 这个词是特斯拉的前 ai 总监 archer capacity 提出来的，意思呢就叫氛围编程。对于程序员来说，编程这件事变成一种享受了，轻松编程。但 对于不会编程的人来说呢，就等于你有了一个强大的研发团队。所以我说你有了一个三十人的研发团队也不为过，三百人也不为过，为什么？因为他的能力和速度比过去三百个人的系统研发团队还要牛。你只要把使用它学会以后你想研发什么系统，想搞一个 app， 想搞一个系统，想搞一个产品，立马就可以投入研发。 对，这个歪不扣顶我认为是 ai 带来的第一生产力，所有的老板我应该都要学，而你的部门长也要学，学完以后很多对着电脑长期的工作都直接就歪不扣顶给你编程程序，一次性的工作，用龙虾阿根廷帮你解决经常性的动作就直接编个程序就行了。
02:49查看AI文稿AI文稿最近和大厂合作了一个项目呃，用大厂的 web coding 的 产品为政府去做一个园区管理系统，涉及到政府、园区的招商、呃企业服务等相关的这些业务。 当我们刚开始接触这个大厂的 web coding 的 产品的时候，还是蛮惊讶的，觉得通过自然语言对话就可以快速去为政府做一个招商的 c r m 系统。 但是随着项目的深入，我们发现这个大厂的 web coding 的 产品根本就无法使用，或者说现在市面上全球这种主流的 web coding 产品根本没法为企业去提供信息化服务的系统。 我们给这个政府的园区去做一个管理系统，大概涉及全区的几万家企业，他的业务管理复杂程度还是比较大的。我们的这个系统涉及到四个模块， 正常我们就配置了四个开发人员，大家齐头并进的来去做客户的业务的需求。但是真正在去用这个产品的时候，会发现有一个非常大的致命缺陷，因为企业级的管理系统是非常复杂的四个模块，他不是独立存在的四个模块他既独立的去承担一些业务，他们之间也会有些交集。 所以当我们四个开发人员同步的去跟这个外部控制产品对话的时候，就发现系统不支持这个功能，这个产品它只支持一个顾问与 ai 来进行对话去生成系统。所以我们整个的工作方式就成了四个人坐在一个会议室， 当 a 顾问进行对话的时候，他就喊一声说，其他的顾问你们不要动啊，我现在要开始做 a 模块了，其他几个顾问就看着他跟着做，等他把他的业务做完，他就说我不做了。现在 b 模块的 b 顾问就说，行，那你们不要动，我开始做，所以整个过程就觉得非常的搞笑，效率也特别的低。 所以我们现在来看，虽然现在 ai 发展的比较快，但是现在主流的 web 控定产品，它的方向是错误的，它没有考虑到企业及应用这种复杂的程度，涉及到几十个表单，几千个字段，而且这些表单和字段之间有非常强的关联，所以就导致他们现在的设计产品根本就没有考虑到这一点， 所以这个产品用下来我们有几个结论。第一个，用这种 web 控定的产品去做一个系统 demo 还是比较方便的，让客户能够直接去看到这样的一个效果。 第二个，这个 web 定的产品只能做一个部门级的应用，比如说一个部门几个人去使用一个小工具，那么用它来做是可以的，只要是一道跨部门的应用，或者或者说是一道多个模块，这种产品一律是不可用的。 当然我认为现在不是 ai 发展的阶段导致这个事情做不了，而是现在全球主流的这些大厂的 web 定的产品的方向是错了啊， 他们完全是按用按照复刻的开发的方式再去理解如何用 ai 去开发产品这个思路，它是一个传统的思路，它不是一个 ai native 的 思路。那么接下来我可以来分享一下如何用 ai native 的 web coding 的 产品来为企业级去做很好的数字化服务。
22骁霖
01:57查看AI文稿AI文稿我一个人上架了两款 app 到 app store， 到现在，我突然发现我根本不配成为独立开发商，因为那些只是玩具，它不是产品，因为 ai 它确实降低了，大大降低了。 做 demo 的 一个过程就是你用 ai 去抠钉一个网页也好，一 app 也好，这个成本被大大降低了。 但是当你从一个 demo 交付到一个产品的时候，整个思考维度就不只是说你的提示词是什么， 而是说你前期有没有做市场分析，做没做用户分析，你做没做竞品调研，那你这个产品为什么就可以在一天二十四小时宝贵的一个认知里面，你能抓取到这部分用户的注意力？ 你不光抓起了他的主页，你还同时让他为你买单？为什么？ 这些事情并不只是说是让 ai 简简单单的口令就能完成的，还是需要去做市场的工作，调研的工作，用户研究的工作。过去的传统开发路径中所涉及到的这些角色是没有变， 只是说当有了 ai 之后，这些流程会变得非常之简单，做的如何还是要根据旧有的专业去评判。因为一个产品的属性 并没有通过 ai 时代的变迁而发生了变化，反倒是那些可以把市场研究、用户分析、竞品分析、 系统架构、前端后端包装成一个一个的 skill， 或说一个一个的多 agent 去协调的调用的同时，他自己也懂，这样才能做出好的产品， 每一环的工作都不能落下，如果落下，那就证明这就是你不弱的点。所以我做那些不配成为产品，我只是一个玩具制造者。
2926小苋
04:11查看AI文稿AI文稿大家好，今天想跟大家分享的是软件工程正在经历的一场转变，从 web coding 走向 egotic engineering。 ai 编码正在从帮我生成代码引进到代理参与工程闭环。 这两种模式到底有什么区别？又该怎么迈进？我们一起来看看。先来说说 web coding 是 什么？它的本质是自然语言驱动加快速试错， 先把想法说出来，让 l l m 快 速生成代码，然后反复修改，直到跑起来为止。 这种方式适合做原型、做探索、理解新概念，但对测试严谨性、安全性要求高的场景就容易翻车。 那 agtech engineering 又是什么？它的本质是人来监督代理执行工程流程。 整个流程分为规划、拆解、执行、测试、修复、验收六个环节，每一步都有 ai 代理在跑，而人类负责启动监控、关键介入和最终验收。 这不是让 ai 帮你写代码，而是让 ai 跑完整条工程线。很多人会问，这两种方式区别到底在哪？ 答案是，区别不在模型，而在工作方式。 web coding 是 边输入边试图，边跑边调。 agentec engineering 是 先定目标再拆任务， 由代理执行、反馈、验证、交付。一个是有目标、有规划、有避缓的工程思路。 那这两种方式各自适合什么场景？ web coding 更适合探索阶段，做原型、写 demo、 打草稿、一次性工程，想到哪写到哪。 aggressive engineering 更适合复杂工程，需要多轮执行、大型模块改造、持续测试和 cicd 集成的项目，选对方式，才能把 ai 的 价值真正发挥出来。 geantics engineering 的 核心是在约束下交付，光让 ai 生成代码还不够，还要做到输出、对比、验证收敛预期失败回滚。 这就需要任务拆解清晰，工具调用得当，测试用力先行，上下文管理到位，重点是约束机制、评估标准和兜底机制缺一不可。 那怎么成为一名 agentic engineer？ 关键是把工程流程写成代理能执行的语言，把模糊的经验变成规则，把任务拆成清晰的步骤，再配上任务卡和测试卡， 您写的不再只是代码，而是让代理能读懂能执行的工程说明书。 最后做个简单总结， logistic engineering 工程师本质上是工程化的任务，设计者要把工程目标转化为代理可执行的任务结构，包含目标分解、 上下文、设计、工具选择、约束定义和验收闭环五个模块。提示词只是表达手段之一，系统设计才是核心竞争力。今天的分享就到这里，感谢大家的观看， 如果觉得有帮助，记得点赞收藏，我们下期再见，拜拜！
05:35查看AI文稿AI文稿各位朋友，大家晚上好，今晚想聊一个既扎心又现实的话题，当 webcoding 普及，人人都能够靠 ai 聊出代码快速落地，产品，产品经理的价值，那还剩什么？ 这是我最近在思考的一个比较扎心的话题吧，难道我们只是后续产品的一个传话筒吗？当然不是，我理解，虽然我们的技术平民化，但是产品思维、需求洞察、权据把控，还有我们的一个价值落地， 依然是作为一个产品的一个核心灵魂。那今天我从三个核心维度通过大白话的方式，嗯嗯，讲述一下我对于 webcoding 时代，产品经理凭什么还值钱的一个理解。 首先第一个板块就是我们从写代码升级为定局，做产品的总设计师。 人人都会 web coding 意味着大家都能够快速出原型、大功能，但大局视野它是缺稀缺的。从大局视野，我们需要做到以下三个板块，第一个是定方向，我们的产品为谁服务，解决什么样的一个痛点， 开发者可能不会想战略。然后第二个我们要搭股搭股价，搭建产品信息架构、逻辑框架，把某个需求转化为清晰的一个结构。 第三块的话，要控节奏，在产品的一个上线迭代当中，我们会决定什么时候上线，核心功能怎么去迭代，战略判断只有产品经理能够做。 然后一句话理解，开发者负责造功能，我负责画设计图加定卖给谁，做产品的一个总导演。然后第二个板块是从 历史，我们需要做做需求或者做需求的一个设计，升级为去挖掘需求，做用户的一个深度的一个翻译官 a 能够快速生成代码， 但是真实的需求常在用户没有说出口，说出口的话里面。然后在第二个层面就需要有我们产品经理的一个 以下三三个能力。第一个是精准洞察需求，用户说要快，但其实是少等待，不卡顿，我们挖背后真实需求。 然后第二块需求的一个翻译，我们会把用户抽象的用户需求转化为开发者听得懂或者 ai 听得懂的话，能够落地的一些功能清单。 然后第三块是风险的一个把控，我们会基于用户的一个真实需求筛掉，为需求排优先级，避免团队或者 ai 给我生出一堆无效的能力。 还是用一句话来总结， ai 可以 代替我快速出落地原型，但是我帮用户读懂了需求，做用户和技术之间的一个价值桥梁。 然后第三块我们从原来画原型升级为抠细节做体验的打磨师， 代码能实现功能，能够给我出快速的原型，但是好的产品的灵魂在于细节，细节的体现在以下三个环节，第一个是细节的一个把控，按钮的位置，加载的反馈报错提示，决定用户是用一下还是留留下来。 然后第二块是跨部门协调开发设计运营语言不通，我会做联合计，统一我们整个产品的一个后续的一个目标。然后第三块是数据驱动，上线后盯数据，分析用户流体验问题，驱动团队快速迭代。 一句话， ai 做快，我做好，把产品体验打磨到用户的心坎里面。所以说以上只是我初步的三点浅显的一个理解，然后我也总结一下，就是关于我三点，三点理解的价值， 那就是在 web coding 时代，代码它只是工具，产品思想是核心，我们不再是会画图的人，而是产品决策者、需求的挖掘者、体验的把控者， 只要能够定大局，挖细节，控细节，我们永远是产品团队不可或缺的核心大脑，所以说我还是坚信我们产品团队不可或缺的核心大脑，所以说我还是坚信我们产品团队不可或缺的核心大佬，所以说我还是坚信我们产品团队不可或缺的核心大佬，所以说我还是坚信我们产品团队在 ai 时代 还是有举足轻重的一个价值所在，但是这个也要求我们要不断的去洞察我们周边的或者你正在做的板块的一些用户的核心需求， 在 ai 时代这个能力会变得非常的重要，而且只有我们把这一块做得好， 我们才能够构建出在 ai 时代的真正意义上的好产品。但这一块我也还在不断的打磨或者是学习当中， 后续有一些新的想法或者新的发现，我也会和大家就是做不定期的一个分享，今天的分享到这里结束，感谢大家，拜拜！
15小旷
01:59查看AI文稿AI文稿ai 产品经理的 web 模板要求，首先， ai 产品经理得懂得规范驱动的 web， ai 的 编码斜做规范， 今天给你掰碎了讲透不是靠拍脑袋 promet 就 像我带产品团队做产品的时候，先澄清 web 产品的需求，边界交互、逻辑功能颗粒度啊，全捋清楚再输出外部专属的 p、 r、 d 和原型， 定岗后用 ai 工具按规范设置代码，前端用 react v u e 做界面，后端用 node java 做服务，还要跑自动化测试的流程，这是 a 时代规范驱动的开发 s d d 陈经理也得掌握这个，才能真正懂 ai code 的 价值。 四十亿的 hook 啊，砸下去啊，才能够做出精品，而不是使山代码。第二，前后端分离的全站 web 产品的能力是刚需。 我烧四十亿托管做产品啊，不只是做一个前端的展示壳子，后端业务逻辑、数据链路一个都不能少，还有里面的 ai agent， 复杂的算法，靠 a 工具从 idea 快 速做出可交互的前端页面，再打通后端接口，三周就把 mvp 落地了。 这是产品经理技术理解力和实操能力的硬证明，更是 ai 时代的务实的核心能力啊！ 每一个 ai 产品经理啊，都需要具备这样的基本能力啊，并不说你非要非得了解非常多的技术啊，所以别把 web 抠地啊当锦上添花，它是 a 时代啊，产品经理的必备务实新技能啊！像这样靠规范和全站落地 托肯商的才有意义啊，产品也能够真正扛得住业务的考验啊，而不是说做一个啊，打地鼠的简单的游戏。作为 hr 经理的外汇规定要求你做到了多少呢？有什么问题可以在评论区留言，我们可以一起交流。
06:18查看AI文稿AI文稿大家好啊，最近后台有不少同学催我出关于 webcody 的 教程，但我一直没想好用什么形式来呈现，毕竟单纯的录一个 webcody 的 过程，参考的价值其实非常的有限。所以说今天想来换一个思路，给大家分享一个对我印象很深的视频。 看完之后啊，我整个 webcoding 的 工作流都发生了很大的变化。这个视频是 astropok 研究员 eric 在 二五年八月份的时候发布的，视频的内容呢是关于如何在生产环境中负责任的进行 webcoding 视频的。开始啊，他就提到，随着 ai 处理任务的能力啊，每七个月翻一倍。软件工程现在正处于一个转变的临界点，这个转变就是从主行审查代码到抽象化的管理。那这一段话呢，放到现在来看，几乎也是印证了这一点。首先啊， ai 处理任务的能力已经不需要每七个月翻一倍了， 现在各大模型厂商的竞争非常激烈，作为普通人，我们可能每两到三个月就能使用到一款新的模型。然后关于临界点的说法，我觉得现在是已经突破了。 我自己呢，是在二五年初的时候开始使用 cursor 这类的 ai id， 再到后来的 claltcode 的， 然后 web coding 这个概念的出现，我当时一直以为是通过对话的方式去生成代码，然后我再去做检查， 所以说我当时并没有感觉对我的效率有很大的提升，反而我是需要不停地给 ai 去擦屁股。但是再回到现在，我几乎已经是离不开 claltcode 和 codex 了。 第一部分，重新定义 webcoding， 正如前面所说， webcoding 并不仅仅是用 ai 来生成代码，视频中呢，还引用了卡巴西的定义，完全顺应氛围，拥抱指数级增长，甚至达到忘却代码存在的境界。 那为什么现在需要关注这种外部拷定的变化呢？主要的原因无非以下三点，第一点，前面有提到的 ai 指数级增长，现在的 ai 啊，迭代实在是太快了，原本只能用 ai 来处理一小时的工作，现在可以用 ai 来处理一天甚至一周的工作量。 第二点，摆脱效率的瓶颈。如果说你现在还是坚持去同步审查 ai 生成的每一行代码，无法利用 ai 带来的效率的红利。 第三点也比较有意思，视频中类比了现代开发者不再检查编辑器输出的会编代码，而是信任系统，那软件开发也会引进到类似的一个抽象的层次。 当然了，卡帕西所定义的忘却代码存在的这个境界，我相信大部分人，包括我自己都很难达到，但我觉得这一定是未来的一个目标。 第二部分，如何做到负责任的 webcoding？ 视频中有提到啊，在生产环境中进行 webcoding 是 必须具备责任感的，包括像 api 的 密钥泄露啊，数据库损坏或者说安全漏洞，这个都是要极力避免的。 那一共有三种原则和策略。第一种，聚焦业节点，那这个业节点其实就是指那些不被其他组建依赖，属于末端功能的代码， 即使这些代码存在技术、债务或者说荣誉的问题，但由于其独立性较强，所以不会影响到核心系统的扩展性和稳定性。第二种是面向管理人员的，建立可验证的抽象层。 这边视频中就有提到啊，管理者无法亲自审阅的代码是一个古老的管理学问题，那他给出的解决方案就包括验收测试、压力测试和稳定性的路径，这些都是可以通过 web coding 去写出来的。 第三点，技术债务的挑战。视频中有提到啊，验证技术债务是 webcoding 中唯一的难点，但放到现在来看，随着 cloud code codex 这些 a 正的能力，包括模型的能力越来越强， 那其实很多的技术债务都可以通过 ai 来帮你省略出来。总的来说，如何做到负责任的代码从外向内的安层次的递进，再让 ai 来帮你梳理技术债务，编写测试脚本。 第三部分，角色的转型。现在的开发者需要一步步地成为 webcoding 的 产品经理，这一点的话我是感触最深的。没有 webcoding 前，我的工作占比是一比三比一，一是设计，比如说架构的设计跟产品对需求，三是写代码，最后一个一则是改 bug。 现在有了 web 控制后，我的工作占比已经变成了三比一比一，并且所有的步骤有了 ai 的 加持后，整体的效率要比之前快了很多。有的时候啊，我甚至在涉及的过程中就已经在脑海中把代码写了一遍。 第四部分， azure 团队啊，通过一次生产环境的两万两千行代码合并，为案例介绍了他们是怎么做的。 第一点，深度规划。开始执行任务前啊，他们会投入数日来确定需求，也就对应了前面我说的，会花更多的时间在设计上去引导 cloud 的 设计架构。第二点，将变更集中在不影响核心的业节点代码区域。第三点，核心的负荷和第四点，压力测试。我觉得是需要绑定起来的 核心复合，对核心部分可扩展的代码进行必要的人工审核。另外，这部分代码我觉得是非常需要压力测试的，这也是在 web coding 场景下最容易被忽视的特别重要的一点，通过这种方式啊，整体的交付时间可以极大的缩短，并且降低了软件的编辑成本。 第五部分，对未来学习与安全性的洞察。在 ai 时代下，学习路径必然发生改变，开发者不应该再沉溺于语法这些细节，应该让 ai 成为随时可以反馈的编程伙伴。 另外，开发者应该更多的关注和提升高阶的产品思维。关于安全性的洞察， eric 的 观点和我出奇的一致，完全不懂技术的人进行 web coding 是 非常危险的，因为他们无法提出正确的问题或者识别危险的信号， 并且未来开发者是需要在受限的沙箱中安全的进行 web 绑定。整体来说，这个视频对我最大的感触就是我开始思考如何通过测试和输入出出来验证功能的正确性，而非强行阅读每一行代码。如何使用产品思维来进行 web 绑定，而非逐字逐句的去写设计方案。 最后我想说，如果在一年后的今天，你仍然在坚持古法编程，那你在效率竞争中将会处于绝对的劣势。不如现在就开始寻找非核心功能的业界点，进行 web 扣顶，建立初步的信任行，希望本期视频能对屏幕前的开发者们有所帮助。我是布鲁，我们下期再见。
987布鲁歇一歇
11:12查看AI文稿AI文稿我朋友这两天老焦虑了，他和我说总能刷到那种视频，就自己完全不会写代码，就靠跟这个 ai 聊天做出这种网站，还有各种小工具，是不是以后我们做软件都不用写代码了？ 我说别急，现在是可以通过 ai 做网站，但是还没有你说的那么夸张。他现在有一个很火的名字叫 web 扣顶， 它本质上就不是你一行一行写代码，而是你把自己想要的软件、感觉、功能、页面、流程用普通话描述给 ai， 然后 ai 帮你生成，再做一轮轮的修改， 完全不会写代码的对着 ai 描述需求能做出软件，这个现在是能做，但是也要看我们说的软件是哪一种。我给你举个例子， 比如说你要做一个小工具，叫 a e a 关键词选择题，你可以输入一个词，比如 talkin agent r i g web coding， 页面右边对应生成几个东西，比如说选择题、标题、开场钩子、口播结构、评论区、互动问题，再加一个中英文对照表。 这个如果放在过去，你得先会写页面，得，会写按钮，得会做数据处理，得知道怎么把这些东西连起来， 不然你就只能打开一个聊天， ai 说帮我生成一个 ai 关键词的选择题， ai 就 可以给你一段文字，但这还不是软件，到了 web coding 这里事情就变了，可以对 ai 说，帮我做一个网页，左边是关键词输入框，右边是生成结果，点击按钮以后自动生成标题、口播大纲和互动问题 页面要简单一点，适合我。每天做选择题的时候用， ai 就 能马上生成一个页面，有输入框，有按钮，有结果区， 你点一下试试，发现能跑，但是可能生成的结果太乱了，你就可以继续说，把结果划分成三个区域，标题放在上面，大纲放在中间，互动问题放在下面。那 ai 对 着你说的又改了一版， 再看看，觉得按钮不顺手，就可以说加一个复制按钮，可以一下复制全部内容。那 ai 又根据你说的改了一版，你看啊，整个过程没有亲手写代码，但是一直在描述需求，看结果，提反馈。这个就是 webcoding 最典型的样子， web 编辑就是把写软件这件事，从我亲自写每一行代码，变成我描述我要什么 ai 生成出来，我再判断和修改。它和普通的 ai 还有传统的编程有什么区别？这里很容易混。很多人以为我问 ai 写一段代码就是 web 编辑，其实不完全是。 还是用我们刚才这个例子来说，如果只是普通的聊天 ai， 它能帮你想标题，写文案，列结构，甚至它能帮你写一段代码，但大多数时候，它给你的还是文字，你还要自己知道这段代码放在哪，怎么运行，报错怎么办，网页怎么打开。 如果是传统编程就更直接了，你得先知道网页怎么写按钮，怎么绑定数据，怎么处理页面怎么做布局。 你想加一个复制按钮，你就得知道复制按钮怎么调用，你想保存历史记录，就得知道数据放在哪儿。这个对于完全没有写过代码的人来说，门槛很高。像我们现在是 ai 辅助编程，通常就是程序员在用， 程序员知道项目结构，知道哪出问题，也知道 ai 写的代码到底能不能用 ai？ 就 像一个坐在旁边的副手，帮他补代码，改 bug， 写函数，提高效率。但 web coding 更像是什么呢？你完全不会写代码，你就站在软件面前当导演， 你说这儿加个按钮，这个结果太长了，帮我拆短。我希望每次生成内容都能保存下来，页面别那么像内容创作的每天会用的工作台。 ai 在 后面写代码，盖页面，盖逻辑，你只需要负责描述方向，检查结果，持续反馈。所以， web coding 和普通的 ai 的 区别，它不只是要一段答案，它要的是一个可以运行的东西。它和传统编程的区别就是，你不一定亲手写代码，但你一定要会表达需求。 ai 辅助编程通常是服务程序员的， web coding 更强调让非程序员也能参与到软件创作。 我们再做一个想象，你可以把传统编程想象成自己盖房子，砖怎么砌，水电怎么走，门窗怎么钻，这你都得懂。 ai 辅助编程呢，就像你能带一个很能干的助手一起盖房子， 你知道图纸，也知道工艺，只是很多活让助手做，做的更快。 web 扣顶更像是你在跟施工队描述你想要的房间。你说我想要一个工作间，桌子靠窗，左边放资料柜，墙上要有白板，灯光亮一点，那你不一定就会砌墙了，但你就知道自己要什么。 web 扣顶降低的就是动手盖房子的门槛，不是取消你对这个房子的判断。它背后呢？靠什么跑起来？不用太复杂，我们先记住五个要素。第一个需求描述，你不是输入代码指令，而是用自然语言说你想要什么， 比如我想要一个 ai 选择题生成器，这句话还不够，你要说清楚谁用它输入什么，输出什么，页面上有什么点按钮，之后发生什么。你描述的越具体， ai 就 越容易做出接近你想法的东西。 第二个， ai 生成代码，它会把你的话翻译成代码，比如说输入框、按钮、页面布局、生成逻辑复制功能，最后还是靠代码实现的， 代码并没有消失，只是你不用再亲手写了。第三个，及时预览这步是很重要的，如果 ai 只给你一堆代码，你看不懂，就很难继续了。但如果你马上就能看到页面，你知道哪里不对，按钮是不是小了，生成结果是不是乱了？内容是不是没有分区，点击后是不是没反应， 一旦能看见结果，我们普通人就能直接参与修改。第四个，反复反馈 web coding 不是 说一句话 ai 一 次就做完，真实情况往往是，你说一个需求 ai 做一半，你看一眼，发现差点意思。你继续说，这里换成卡片样式，这里加复制，这里少点废话， ai 再改，你再看，再改。软件就是在一轮轮对话里成长出来的。第五个，人工判断。这个也是很多人最忽略的一点， ai 能生成代码，但他不知道你的真实业务是不是这样，他可能把按钮做出来，但流程不顺。他可能把保存功能做出来，但是数据没有保存。 他可能看起来能跑，但换一个关键词就出错了。所以你必须要亲自去判断这东西能不能用，有没有跑偏，有没有把简单的事反而做复杂了。没有这一步呢？ web coding 就 很容易变起来，我们看起来很厉害，但是一到实际用就会露馅儿的一个场景。 为什么 web coding 最近会特别的火？不是因为我们突然不用代码了，而是这几件事凑到一起， ai 写代码的能力变强了。 以前你让 ai 写一个小页面，它可能写的乱八七糟的，现在很多时候它能直接搭出一个能看的原型。开发工具也变了，过去我写软件需要装环境配依赖看报错， 现在一些工具啊，直接把聊天、写代码、运行预览放得更近，你前脚说完需求，旁边就能看到结果。其实还有一个原因，就是我们越来越多的人有很多小软件需求，它不是要做一个大平台，而是只是想要做一个自己的选题工具， 一个客户的话术整理器，一个自动生成日报的小页面，一个资料分类助手，一个把表格内容变成短视频脚本的工具。这些需求太小了，找团队开发不划算，自己学编程又太慢。那如果 ai 能帮我半天就搭出一个能用的版本，这件事就变得很有意义了。 回到我们刚才说的 ai 关键词，全体生成器，这不一定要上架，也不一定要卖钱，不一定要服务十万人，他只要能帮我每天少花半小时整理题， 就很有价值了。这个就是 web 拷定最容易落地的地方，小工具、小流程、小网页、小字自动化，这都是最好用 web 拷定的地方。当然， 现在有哪些工具具备 web 拷定这种能力？不用记太多，几个常见的就足够了。如果你是完全不会写代码，只是想把一个想法做成小工具， 可以先了解 lovable 这类的工具，它们更接近我们想象的那种方式。我在浏览器里描述需求，比如帮我做一个 ai 关键词选集生成器， 有输入框、生成按钮、结果展示和复制功能，它就会尽量帮我们生成一个能预览的小应用。如果你有一点点的代码基础，或者你手里有这种真实的项目， 那 coser cloud code 这一类的会更常见。它们不只是帮你生成页面了，而是可以在整个项目里帮你改功能、修问题、解释代码，再补代码。但这类工具对使用者的要求也更高，你最好知道项目怎么运行，知道 ai 改完之后要检查什么。 当然，这里要提一点，如果你要做的是那种支付系统、医疗工具、金融决策软件、大规模用户平台，或者涉及到隐私数据的复杂产品，这个就不能只靠我跟 ai 描述一下来实现了， 因为这类软件背后有安全权限、稳定性、数据合规和维护这几个点。不是说页面能打开就代表软件可靠，就像我可以让 ai 帮我搭建一个厨房收纳架， 但是我不可能只靠几句描述就让他帮我设计一栋楼的承重结构。所以普通人要学啊，不一定是马上变成程序员，而是先学会拆需求，会看结果，会提修改意见。 你要能说清楚，我要解决谁的问题，用户输入什么，系统输出什么，哪里需要保存什么，哪里需要提醒，什么情况算失败？这些想清楚。 a e i 关键词选择题、生成器听起来简单，拆开至少有七个点， 第一个要有一个输入框，输入关键词要有一个按钮触发生成要有一套提示词模板，决定生成什么结构，要有结果展示区，让内容分段出现。要有复制功能，方便你拿去剪辑文档里用。要有错误提示，避免关键词也乱生成。 如果想要更好用，还要有历史记录，方便你回看之前生成过什么。你看一个很小的工具，背后也不是一句帮我做个软件就结束了，它是很多动作拼起来的。 所以我们最常见的误解， web 扣顶不是等于说两句话， ai 就 能做出专业软件。我们看到的这种演示视频，通常只展示成功的那一刻，你看到的是输入一句话，哇，页面就出现了，按钮就能点，效果就很酷。但你没看到的是，中间可能改了十几轮， 哪里有爆处啊，哪里样式乱了，哪里逻辑不对，哪里 ai 理解错了，哪里需要我重新描述需求？ 以我们正确的理解是， web coding 降低的只是开始做软件的门槛，不是取消判断、测试和维护， 它是让更多人能从零开始做出一个东西。最后做个总结， web coding 的 本质不是代码不重要了，而是普通人第一次可以用说需求的方式参与软件创造。这件事就很有意思。 以前我有一个工具想法，第一反应可能是，算了，我不会代码。现在我们就可以换个问法，这个工具能不能先做一个最小版本，它需要我输入什么？ a a 要处理什么，结果要长什么样？我能不能接受它出错？ 它只给我自己用，还是要给更多人用？我们只要这样先去想，已经就不是单纯的在跟 a a 闲聊了，你就开始像一个软件的设计者一样思考，这才是 web 浏览器真正值得我们关注的地方， 不是人人变成程序员，而是当我们脑子里有小工具、小流程、小页面的时候，不再只能停留在想法，而是可以把它做出来。那么你有什么样的工具创作想法？欢迎在评论区留言关注我，带你了解更多的 ai 知识！
115Youni讲AI
03:54查看AI文稿AI文稿一个新项目在技术架构选型的时候啊，真的是太重要了，这段时间啊，我不是在开发一个跨境电商的项目吗？然后当时的时候我在选择技术架构的时候也没有太重视，然后结果在开发到中途的时候啊，我发现啊我选择技术架构啊存在一个非常致命的问题， 当时啊因为我这个跨境电商项目需要一个桌面版的 app， 然后我就选择了一个 t a u r i 这个啊技术架构， 当时啊我觉得这个架构应该在性能方面啊，在那个打包的体系上面啊都会有很大的优势，就选择了它。结果开发到一半的时候，我发现啊发现一个非常致命的问题， 就是这种跨境电商的项目啊，他因为会经常去请求第三方网站的一些数据，那这个时候由于第三方网站的请求的数据啊，他会有一些限制， 这个时候可能你就会需要使用到跟浏览器 api 相关的一些技术的一些东西。但是啊我发现一个非常致命的问题，就是脱离啊这个技术架构啊，他因为是啊没有自带 那个浏览器的一个浏览器的一个远程，因为他直接是用的系统自带的那个微流的这个浏览器远程， 所以他在处理这个第三方网站的一些数据的时候啊，就显得非常的被动，他有些啊有些功能啊，在技术上啊处理起来就并没有那么简单那么直接。 但是啊如果你选择的是那个 elikon， 也就是定制 e l e c t r o n 这个技术架构的话，那它就不一样，因为啊这个 elikon 这个项目啊，这个技术架构啊，它自带的那个谷歌的 chrome 浏览器的一个 啊，嗯， blu 着， blu 着引擎， blu 着引擎，那这样子的话，它不依赖于系统的这个微博微流来进行这个浏览器的一些工作，所以它天生就具备了嗯，这种处理第三方网站的数据的一个一个并结性。 所以啊啊，我现在就在想啊，嗯，这个新项目的技术架构的险些啊，在刚开始的时候就显得非常的重要，如果你对整个技术上面的技术架构啊， 没有一个非常好的这个认知，就是非常去了解各种技术架构在什么样的啊，在什么样的场景下面去适合使用 哪种就是架构。那这个时候你的判断力啊，你的决策力就会显得非常的关键，非常的重要。所以啊，现在在外部扩点时代呀， 虽然大家都在说，哎呀时代，外部扩点时代，大家开发一个项目，开发一个产品，真的是变得非常简单了。但是啊，我觉得如果真的是要开发好一个项目，真的是要把一个产品啊，达到这种真的是具备生产可上限级别的这种标准啊， 我觉得还是非常困难的，还有很长的一段路要走。那么现在在外部拓展时代开发一个项目啊，百分之八十的工作都是 ai 在 做，但是剩下的百分之二十的工作可能要发 啊，你前面百分之八十好几，咱们前面百分之八十工作的好几倍的努力，所以啊，最后的二十公里啊，才是最难的。所以大家都不要觉得外部拓展时代来了，就觉得开发一个产品啊真的是 轻而易举的事情，所以大家在开发一个项目的时候，还是得评估一下自己啊，有没有这个实力，能不能把这个啊产品，把这个项目做到极致，做到非常极致的用户体验。那你在整个市场上面啊，能够取得这种啊竞争，取得这种竞争力。
49Riffael✨
04:42查看AI文稿AI文稿哈喽，各位晚上好，今天继续我 live coding 的 分享。今天是周末，正好有时间在家里好好的去进行我的 coding 工作。 我媳妇呢，为我支持我的工作，还新给我买了一个无线领夹麦克风，希望我这个在 live coding 的 同时也好好记录我的生活。 我在做这款小程序之前呢，我想先快速地尝试一下如何通过 web coding 的 形式能生成一个立即可以使用的 a p p， 同时我想试一下这个大概的工作量是多少。然后我就做了一个已经上线的叫恩恩手帐 record 的 小程序，这个就是记录一下我们每个人每天上厕所的次数，因为大家现在有好多人都有个爱好，就是上厕所嘛，正好为了我们个人健康，可以 记录一下，也算一个每日打卡，大家可以看一下。我可以基于这款小程序给大家讲讲我开发的经历， 方便大家之后如果想快速的进行自己的 web 构建，应该都会做。这款小程序是用了几个工具来实现的， 第一个就是我们要把自己的想法梳理出来，梳理出来我们可以不限任何工具把它大概写成一个文档，然后我教给了 excel gpt， 把它给我润色成一个有结构有层次的一个 pld 文档， 我把它塞塞给了产品原型工具，就是 google 出的 stage， 让他给我出了一个简洁的产品原型儿。 google 的 那个产品原型工具是一个迅速并且免费的，如果我们可以使用 fig 码的话，就要使用 fig 码 make 的 新功能，这个 fig 码 make 呢，生成出的产品 test 更加好，就是它出现的这个产品原型交互和样式啊，都会很好很好， 远高于 stitch 能出的产品原型。我这个最后选择的就是 figma make 的 样式，不需要再生成其他的产品原型图或者这个 e o i 的 设计图。哇， figma make 的 前端下载之后直接交给了翠，就是国产字节出的 id， 然后开启 solo 模式，把前端教会给它。之后，我说我这个打算放到小程序上的，后端是准备使用微信云托管去处理的， 然后呢，大概两个晚上这个小程序就基本上完成了。最后就是一些把这个小程序发布到小程序上，然后把这个小程序的后端服务要架到小程序提供的微群云托管上， 这个大概又花了两天。对于个人开发者来说，我按照这套流程走下去，呃，放在开发上的时间，基本上一周之内，每天晚上两小时就可以搞定。所以说如果你自己想做一个项目， 不知道从零开始，如果如何做就可以。按照我的思路，第一，我们把自己的想法，大概前端需要什么功能，很简单的 把它用文档梳理出来，一二三四五。第二交给拆这一批，让他帮你润色，并生成一个范围可控的 p r d 文档，用产品文档。第三，你下把它下载下来，直接塞给 figma， 生成产品原型图。 第四，通过 fig 码 mac 提供的产品运行图能力，交给 tree solo 模式，让它帮你生成前后端代码。第五就是把这些发布到小程序的环境上， 所有的问题，过程中任何错误不会时时问豆包或者拆的 gpt 都可以帮你解决。所以说我觉得这个分享啊还是很有用的，适合一些刚开始 想学习 ai 产品经理的一些初学者，为什么呢？这个年代已经不是一步一步去看书的年代了，是快速的去适应，快速的去实践，以实践去督促学习的过程。好，今天的分享就到这，如果有任何问题大家可以咨询我， 拜拜。给大家看一下这款小程序的功能，大家做的非常简单，就是为了让大家快速的完成这个记录，然后做出了一些最基本的功能，只需要两步，直接两个操作，点击拉一次， 这个就开始了，我们记录了，在这选你的感受，你的状态，直接，哎记录了，你看本天的次数就变成了两次，底下有一些每天的记录， 日历上也可以看到二的标志，其实这可以成为一个我们很好的朋友圈的炫耀的利器，大家感觉是不是？
33唐漢
