这篇小文筹谋了很久，一直不知道该如何落笔。
今天提前下笔吧。
最近从一个Excel数据源开始，花了4天跑出有特点的图表。
效率和效果比我想的好。
然后，终于给一个“复杂点”的系统，开始导Excel数据。
效率比我想的要慢一点点，多花了好几天，真实情况是，今天都还在数据纠正。
但是还是感到了勃勃之希冀。
AI，擅长做人类不擅长的。
打掉内心的樊笼，用更AI的思维来做产品，才能真正提效。
其实我很后悔手头这个“所谓的复杂系统”，被捣鼓过的半年或半年多。
一直很谨慎的，拿往年软件过程的《人月神话》之类的经验，小心翼翼的去做。
其实做得就很累。
AI并不擅长精准，也就无法严肃、严格。
修修改改，缝缝补补。
但是，始终Vibe Coding练手多了，终于习惯了AI编程（尤其是TRAE）。
就慢慢可以避开雷区。
我发现，用AI擅长的方法，做AI擅长的东西，效率和质量就飞起。
比如，让AI做一些地图功能（地理信息），效果就很可。
不会比年费100-5000的应用级地图平台弱（我买过5k年费的某东地图）。
因为这种非大众的东西，往往功能和体验不会太惊艳。
如果Vibe Coding能整出来，就绝对有性价比。
当然，前提是我很懂“需求”——花过很多钱，又学不会太复杂的地图工具，就让我能够用“业务语言”说出我需要啥。
对，AI更喜欢听“业务需求”去发挥，而不是被“迫使为一名听话的程序员”。
我踩过的第一个坑，是爬虫+AI打标签。
现在回想，就是描述的太技术，而不是“业务需求”。
AI使劲从头发明轮子，搭基础框架。
第一版是彻底废了。
过了一两个月，重新做第二版。
我就只提需求，并且告诉AI“不要自己发明底层的轮子”，AI就非常丝滑的给我跑出了我要的功能。
（TRAE做工具，然后去国外AI官方web上问方法论和架构，这种模式比较稳）
最近，因为“所谓的复杂系统”反复改出了我需要的数据结构和UI。
我就想还是一个功能模块一个功能模块来，做完整一个功能项，就先导数据。
结果，每个小尝试，都试得比较顺利。
我分析了下，这些导数据和小功能项的特点是：新的产品思维，符合AI时代的产品思维。
也就是让AI做它拿手的事，或者更遵从AI自己的习惯去下达任务或脑爆，就更容易成功。
不会遇到那么多各种各样的Vibe Coding的问题。
如果以“遗留系统”+“传统产品思维”，来让AI IDE干活，其实很浪费token，更浪费彼此的时间，而且做出来的东西还会不够互联网化，用不到足够多的AI时代的红利。
我觉得Vibe Coding，其实不需要特别满足传统软件工程，也不需要一开始就有很宏伟的产品规划和构思。
要从小的来，从点来，以点成面。
而且产品的规划，不需要太对标传统的产品功能和业务流程。
需要回到用户的场景，以更新的“互联网+AI”赋能的思维，重新勾勒下用例分析。
让老的产品都被淘汰，才是用AI 编程的正确价值观。
如果能这么想，其实什么spec flow的也都不重要。
没有“遗留”的start up，才是可以轻松出发的start up。
我认为，开始一个项目，有这些起步条件就足够：
-
1、2个经典的project rules，做一些代码和规范的约束
-
粗概了解目标领域适合的1、2套技术架构和技术栈组合
-
一个自己很熟悉或很需要的小业务场景（需求），或者一些自己很成熟的数据
-
分清楚TRAE solo的plan、spec模式（或类似工具的类似概念）
-
跟AI讨论一下紧凑的、最小集的目录和文档规范
-
若干经典Agent、若干经典skills（都按需就好，不一定要全集、更不一定要随大流和浪潮）
试水1、2个mini项目，找点感觉，就可以出发了。
我算是老阿姨了，10年前做过很多大中型企业级项目，搞过很多软件工程方法论。
也搞过很多数据整合、清晰，而且对精度要求比较高的。
三五年前，也做了一些移动互联网的app产品的规划。
心里就攒了很多“no do” “no ok”的碎碎经。
经过半年或大半年的Vibe Coding（经常是只能投入业余时间），我的感觉是“没有包袱就没有樊笼，没有樊笼才是最好的AI Coding”。
把金箍罩卸下，更轻松的开始Vibe Coding，才是最好的方法。
就比如，现在做数据整合。
直接开始第一步：把数据喂给AI，让它导入。
发现问题，就重新下命令，让它修改。
反复几次，数据就能洗干净和正确了。
我思考了几次。
我发现人脑不擅长和厌烦的，往往是AI擅长和有效率的（只是可能浪费token）。
在传统的数据清洗和整合工作，我们总是要非常肃穆的开始。
希望一开始每个字段都对，每个值都对。
就是怕反复修改，反复改字段、值，人类怕的是：大概是手工写sql或读写文档读写。
都太碎了，太重复了——人类就不擅长这种机械的活。
而且可能会有试做数据集，弄出一些sql、脚本、代码，然后再去跑大量的正式数据。
就非常严谨。
可是，如果用AI来做，其实不怕“错”。
错了，随时修改就好。
AI能听懂人话。
而且AI并不研发拼sql、写字段名。
我们不能把人类和人脑不擅长的，当成一种经验，去让AI遵循。
AI其实不擅长创造和创新。
我也试了，其实创意、创新的东西，AI并不真能弄好。无论gpt其实gemini。
让他们彻底出产品需求，其实反而不现实。
这些还是人脑和人的经验来比较好。
但是，在工程化干活、重复干活，这些方面AI比人类强。
总之，就是，跳出人类的思维圈，站在新AI时代、新用户、新场景去构思需求，然后简单的直接让AI干起就好了。
效率、效果会比想像好。
而不需要拿着老的软件工程的经，去念新的佛。
