AI正在重塑软件开发,但如何有效协作是关键。本文解析AI原生开发的五大核心原则,揭示人与AI协同创造的未来趋势,助力企业构建快速响应的智能研发体系。
—
# AI重塑开发:如何与AI高效协作,掌握临界区竞争优势?
AI正以前所未有的力量改变软件开发的面貌,但与其说是工具的革新,不如说是协作范式的根本性转变。我们面临一个有趣的现象:同样的AI工具,不同团队产出的效率差异可达十倍甚至百倍。这背后隐藏着什么?所谓的“AI原生开发”,绝非简单地将工具接入现有流程,而是一次对整个研发体系的深度重构,从原型设计到最终部署,每一步都需要重新思考如何与AI协同工作。
## 探索AI协作的真正奥秘
为了解答“真正懂得与AI协作的开发者,究竟做对了什么?”这一核心问题,我们深入对话了Perceptron AI的创始设计师Cedric Ith。Perceptron AI专注于将生成式模型融入研发工具链,致力于打造具备自动优化与自我学习能力的开发平台。在Cedric看来,AI不应是流程中的某个独立节点,而应深度嵌入整个设计系统的“语义层”,在编码、交互、调试、部署等每个环节都主动生成、判断和迭代。
以下是Cedric总结的五大关键经验,带你全面理解AI在现代研发流程中应扮演的角色,从氛围编码到品味引导,从自然语言原型到全栈交付——这不仅是技术的演进,更是人与AI共同创造产品的时代信号。
### 01 品味是护城河,设计思维成为新的核心竞争力
在AI几秒就能生成代码的时代,差异化已不再取决于“谁能构建”,而在于“谁知道该构建什么”。Cedric指出,我们正进入一个软件资源极度丰富、创造门槛极低的世界。这意味着技术壁垒正在消失,真正的竞争力转向了设计思维和产品直觉。
当所有人都能用自然语言生成功能原型时,谁能提出精准的问题定义、优雅的解决路径和令人愉悦的用户体验,谁就能占据优势。执行速度、产品感知力、UI/UX细节,正在成为AI时代的新竞争壁垒。
与此同时,AI也在重新定义设计流程。新的生成算法让设计师能用前所未有的速度探索大量设计概念,这不仅是“更快做出图”,更是让团队在用户定义的参数下,自动生成、评估并迭代出更符合人性的解决方案。
所以,这不再是一个“会不会写代码”的问题,而是一个“能不能提出好问题,并迅速做出打动人心的产品”的问题。最终的赢家,不是技术最强的团队,而是那些能把AI的执行力与人的品味、判断力结合得最自然的团队。他们才是新一代的“产品创造者”。
### 02 自然语言:一种全新的设计界面
在Cedric的工作流中,一个深刻转变正在发生:他已经不再依赖传统设计工具,而是将自然语言作为主要的设计媒介。他说:“关键技能已经不再是写代码,而是如何清晰、准确地表达你的想法和变化,让AI明白你在说什么。”
这种变化,正在重新定义设计师的核心能力。设计师正在从“画图的人”转向“用语言驱动产品结构的人”。
新兴的关键技能被Cedric称为“设计词汇”——这不是指能否写代码,而是能否用准确的语言描述现代框架、CSS属性、交互逻辑。例如,他会用“4 像素圆角”、“0.2不透明度”、“悬停态”这样的术语与AI交互,在几分钟内通过提示生成原型,而过去这可能需要工程师数天时间才能完成。
这背后隐藏着一种新的提示能力:明晰、一致、共享语言。
最适应这一变化的设计师,往往有两点共性:强烈的学习能力和工具切换能力。他们能在 Figma、V0、Cursor 等工具之间无缝流转,不断适应新接口,快速掌握AI能力,并用“语言”而非“代码”去构建产品逻辑。
正如Cedric所展现的那样:未来的设计师,未必需要成为工程师,但一定要成为高语言分辨率的系统构建者。
### 03 “设计工程师”:正在崛起的新职业
我们正见证设计与工程之间那条传统分界线正在迅速消解。Cedric的工作流程就是一个典型案例:从Figma起步,在V0中完成可交互原型,最后直接用Cursor在代码库中进行最终调整。
这不仅提升了效率,更重新定义了产品的制造方式:
1)闭环所有权正在成为新标准
设计师不再只是视觉方案的提供者,而是能在整个技术堆栈中直接操作的产品推动者。正如Cedric所说:“我可以直接贡献代码,并将PR提交到代码库中。这是一个闭环系统,作为设计师我从未拥有过这样的控制力。”设计的意图不再依赖工程师“还原”,而是由设计师自己贯通全流程交付。
2)静态模型正在过时
过去的线性交接模式——设计师交图,工程师翻译——正在被更具协作性的工作方式取代。现在的设计交付不再是静态图片,而是包含交互逻辑的高保真原型,甚至是具备集成能力的代码框架。工程师面对的不再是一堆注释图,而是几乎可直接上线的可用组件。
3)设计与开发的迭代速度被大幅压缩
以往样式修改、功能调整动辄几天,如今设计师可在代码层直接处理,不再需要一轮轮截图、注释、沟通。设计评审与功能实现之间的间隔从天缩短为小时,推动产品快速打磨和上线。
这种范式转变正深刻影响团队结构和招聘逻辑。最高效的团队往往具备跨学科能力——既能写代码,又懂产品和体验。那些能够在设计与工程之间流畅切换、构建原型、推动落地的人才,将在AI驱动的新生产范式中脱颖而出。未来属于那些既有技术手感,又有品味判断的混合型团队。
### 04 四种AI原生设计原则
随着人工智能应用加速落地,围绕AI产品的设计原则也在逐步成型。Cedric总结了区别于传统软件设计的四条关键原则,正在被越来越多优秀团队采纳:
1)减少认知负荷,让AI主动理解用户
最好的AI体验,应该像“与一个聪明的人自然对话”。这意味着,用户不需要反复点击、设置参数、思考指令结构,而是能将注意力集中在表达意图上,让AI自动处理上下文与细节。例如Recall AI和Granola就很好地体现了这一点,它们能在无需用户预设的情况下,从对话中自动提取关键信息与洞察,真正实现“无感操作”。
2)接受非确定性,并优雅地处理“脱轨”
与传统软件不同,AI系统的输出往往是开放性的、多路径的,可能出现不稳定或偏离意图的情况。好的设计不是避免这一特性,而是提供适当的“监督轨道”。例如OpenAI通过Temporal支持长流程任务的中断重试,Cursor和V0则引入“执行树”和“回退检查点”,允许用户在AI偏离预期时快速回溯并切换路径,避免“眼睁睁看着它跑错而无能为力”的挫败感。
3)让AI显示它在“想什么”
虽然底层模型可能是黑盒,但交互逻辑和推理过程应尽可能透明。Perplexity展示了极佳的引用机制,让用户知道信息从何而来;Deepseek展示了多步骤推理路径;Anthropic则在“思路链”可视化上持续推进。这些做法不仅提升用户信任,也帮助他们更好地校准AI输出,从而实现“可控性”与“可解释性”的结合。
4)设计是为了监督,而不是操作
随着AI越来越具备代理性,用户将从“执行者”转变为“指挥者”。这要求设计围绕“协调多个智能体”展开,而不是传统的按钮加操作流。早期的探索已经出现,比如Perplexity的“后台研究通知”、Codex的多线程进度条提示、Comet的生成式表单交互等。这些都在构建一种新的交互范式:用户不再逐步驱动,而是高层指令+智能反馈的闭环。
这些原则仍在演进,但有一点可以肯定:今天就开始围绕这些维度构建产品的团队,将率先打造出更自然、更值得信赖的AI体验。未来的AI产品,不是让人“会用”,而是让人“想用”。
### 05 在AI时代,速度就是一切
在AI工具日新月异的时代,变化的速度令人惊叹。正如Cedric所说:“也许在我们讨论结束时,v0就不再是最好的工具了。”这并不是一句玩笑,而是对当前产品环境最真实的写照。快速变动的生态,正在迫使企业从“构建完美产品”转向“构建快速学习型组织”。
从我们与Cedric的对话中,可以提炼出几条在这种环境中脱颖而出的组织特征:
对于大型企业而言,这种转变尤其重要。Cedric的建议很实际:即使你无法直接影响生产系统,也可以用AI工具快速制作高保真交互原型,从而赢得组织内部的认可。设计不再只是“设计”,而是推动组织变革的试验田。
这种加速是复合性的——设计师能够更快地制作原型,工程师能更快地实现功能,团队能更快地获取用户反馈。整个产品开发周期被压缩,创新密度变得前所未有地高。
Cedric的AI设计堆栈,正是这一趋势的缩影:
[](/wp-content/uploads/2025/08/1754118231619_0.jpg)
—
{1、AI原生开发, 2、临界区, 3、AI协作, 4、设计思维, 5、自然语言原型, 6、设计工程师, 7、软件开发范式, 8、全栈研发, 9、AI产品设计, 10、快速开发}
本文是基于《AI改变软件开发范式,如何与AI协作?答案在这里》的AI重写版本
评论(0)