我，做了十几年人才发展的非IT老兵，不懂编程，今年春节前后花了两个月，用trae做出了一套企业级360干部测评系统。
一、起点：一套旧代码，和一句泼冷水
事情的起点有点戏剧性。
去年底，我拿到了一套早年给大型国企做的老旧360干部测评系统代码。我的想法很简单：喂给AI，让AI重写一遍，在这个基础上做二次开发，就当个人实践项目，做成做不成都无所谓。
结果IT同事直接泼了一盆冷水：AI根本不可能理解旧代码的内部逻辑，没有完整的产品原型手册根本做不成。
我不太相信，自己想走一遍试试。
二、五个版本的踩坑史
接下来的故事，就是一场扎扎实实的踩坑。
第一版：旧代码是陷阱
我把全套旧代码、前端截图、操作视频全喂给了TRAE，然后在GEMINI上专门建了一个coding助手来做规划。看起来准备很充分。
三天就做不下去了。
AI就像一个爱偷懒的外包——拿到旧代码，直接照搬，原来代码里所有的毛病全给保留了。稍微改一点就报错，稍微动一下就崩。他整个人陷进了改bug的泥潭，越改越深，根本出不来。
第二版：换个思路，还是不行
我调整了策略：只保留前端代码，让AI分析功能、生成清单，重新搭后台逻辑。
结果还是不行。前端的老逻辑把AI牢牢捆住了，光是打通前后端就耗光了全部精力。两三天后，又放弃了。
第三版：找对框架，还是跑不起来
这一次，我听了AI的建议，引入了国内最流行的Java开源脚手架“若依”。这个框架已经把用户管理、权限管理这些底层能力都做好了，本来以为终于找对路子了。
没想到AI还是沿用了旧的前端逻辑，不符合若依严格的代码权限规范。改完之后的代码根本跑不起来，第三次放弃。
第四版：从零开始
折腾到这一步，我索性所有旧代码一律不用，从零开始梳理业务需求。
这次我换了个切入方式。先让AI把国内外主流的360测评系统研究了一遍，把各家的功能逻辑、设计思路都摸清楚；然后我自己来定架构——不是照抄哪家，而是按照我对360测评这件事十几年的业务理解，从头想一遍：评价关系应该怎么建？权重应该怎么分配？问卷应该怎么组合？每一个问题，都是我作为业务专家来回答，AI只负责把这些回答变成可以跑起来的代码。
没想到，这一步反而走通了。
更有意思的是：因为完全摆脱了旧代码和旧设计的束缚，反而给了我一个重新想清楚的机会。那些以前因为开发限制根本排不进需求的想法，这次全加进去了：一键智能匹配评价关系、动态评价组合、人群权重自适应分配、多级指标问卷、AI根据评价人身份自动切换视角……这些都是原来旧代码没有做到的功能。春节期间，整个路径跑通了。
第五版：分工优化，最后一关靠业务专家
系统跑通之后，但是我发现有些计算出错，然后我又做了一次分工的优化：自己负责宏观业务规划，具体的开发和改bug全部交给TRAE的Plan模式，最难的算法逻辑问题，则靠自己反复多场景测试来调通，用excel来计算复核。
这里有个细节值得单独说：AI不会主动帮你审算法逻辑的正确性。它能帮你写代码，能帮你改bug，但判断“这个算法算出来的结果对不对”，这最后一关，还是得业务专家自己来把关。
三、踩坑踩出来的三条结论
我这两个月折腾出来的结论，觉得比做出这个系统本身更有价值。
第一个收获，也是最让我意外的：非IT人员真的能落地复杂企业系统了。
在这个案例里，原来专业开发团队需要几个月做的东西，一个非IT背景的业务专家，用两个月也做出来了。更重要的变化是：以前你想做什么，要先说服开发团队，排期、沟通、等待，想法在这个过程里会被磨损、被妥协；现在你的想法，你自己就能落地。业务专家的能力，被彻底释放了。
第二个，是一个反直觉的发现：旧代码对AI来说是负资产，不是资产。
AI天生倾向于走捷径，拿到旧代码会直接照搬旧逻辑。但旧逻辑和新架构往往根本不兼容，你以为给了AI参考，实际上是给AI套上了枷锁。前三个版本的失败，根源都在这里。从零开发，反而效率高得多。
还有一点，我觉得最值得说：AI能给你七八十分，最后二十分还得靠自己。
AI能帮你快速做出一个基础版本，但差异化的部分、深度优化的部分，还是得靠业务专家自己来判断和把关。我最后调通算法逻辑的过程，用的不是技术能力，用的是我对360测评这件事十几年的业务理解。这一点，AI替代不了。
换句话说，趋势上看，AI时代技术能力的门槛在降低，业务判断力的价值在升高。这三个收获，其实说的是同一件事的两面。
不过这里有一点我觉得值得说清楚，免得误读：门槛降低，不等于人人都能做出真正的企业级产品。
我能做成这件事，根本原因不是我会用TRae（我用的很简单的功能），会有AI，而是我脑子里本来就有十几年的业务积累——评价体系怎么设计、权重逻辑怎么收口、哪些地方必须严格、哪些地方可以灵活。这些东西AI给不了我，是我自己带进来的。AI做的，是把这些原本就存在的专业判断，快速变成了可以跑起来的代码。
反过来说，一个没有真正业务经验的人，即使用了同样的工具，很多时候做出来的仍然只是：看起来像产品，实际上是玩具。架构怎么拆、数据模型怎么设计、安全边界在哪里——这些问题，AI不会替你想清楚，也不会替你承担后果。
所以真正的变化是：AI放大了你原本就有的东西。你有多少，它就能帮你放大多少。
