全文摘要

从“先想一个完美优雅的产品”，转成“先把一个核心流程跑通，再用 AI 把可拆解的部分持续落地”。关键不是别人有没有做、市场上有没有、别人有没有提，而是自己能不能把问题拆清楚、用现有资源做出来，并且判断结果好坏。

思维范式迁移

这是我认为对于现在AI 时代最需要的，那就是一种思维范式的迁移。

  • 目标从“完美优雅”收敛到“核心流程通顺”。先验证主路径能不能成立，再补完整体验、视觉细节和工程质量。

  • 判断机会时，不再被“别人做了”“市场有了”“别人没提”卡住。这些都不是停止探索的理由。

  • 真正的差异来自落地能力：能不能把一个想法拆成 AI 可理解的任务，并用人来持续校准方向和质量。

工具层：把 AI 放进执行链路

  • Codex：作为生产力工具，用来读代码、改文件、执行命令、整理资料、生成方案，并把零散任务推进到可交付状态。

  • Claude Code CLI：偏工程执行和命令行协作，适合快速理解代码库、运行命令、定位问题和完成技术侧改动。

  • 对话与生图工具：用于快速发散方向、生成图标/视觉资产、验证风格，承担灵感和素材生产的一部分。

除此之外，我还建议大家不只是再用 AI 辅助工作流，更建议开始用 AI 创造工作流，如果你认为这套流程更顺但是苦于没有现有的合适的产品，用 AI 创造工具把流程打通！

例如，我自己有比较多的 Codex plus 订阅账号，往往需要频繁切换来保证持续且高效率的开发工作，因此为了提高效率，我只做了 Codex manager 账号管理器。

再比如，我发现很多需求我难以一口气和 AI 说明白，就算搭配 plan mode 也总是有遗漏，或者自己都没想的很清楚的地方，现有的思维梳理工具和 AI 有完全没有联动能力，并且对多模态输入的 AI 现有特点完全没有支持，因为我花了半个月的时间做出来了 Scatter（官网链接：https://f2d24151.scatter-website.pages.dev/）

这些都可以让我的 AI 工作流更加通顺，并且这并非传统的工作流程，而是更适合我、更有效率的全新流程，是我用 AI 自己打造的。

判断层：决定一个想法是否值得开做

新的判断标准可以压缩成三个问题：

判断问题

要回答什么

行动结论

能否拆解成 AI 可理解？

这个想法能不能拆成明确输入、步骤和输出

不能就继续拆；拆不清先不做

当前资源是否能完成？

现有工具、素材、时间和技术条件是否足够支持落地

资源不够就缩小范围或暂缓

我是否能够评估好与坏？

自己能不能判断结果是否达标，而不是只看 AI 有没有产出

无法评估就先补标准、样例或参考

如果三个问题的答案都是 YES，就可以尝试做！

如果关键问题是 NO，就先等 AI 能力、资源或自己的评估标准升级后再试。就比如，早在 23 年的时候大家就开始谈虽然 AI 来帮忙写提示词了，特别是我有参考图但是希望可以生成跟这个风格一致的图片，那时候还出现了很多 AI 工具来做这个，但是效果一言难尽。但是现在，这个想法就可以实现了，例如我利用 codex 实现了很多参考风格的效果，并且提示词十分稳定（如果你感兴趣这套流程，可以查看：一个参考图生成标准提示词模板用于稳定生图）。

执行层：抓住关键链路

理想化流程

一套理想化的 AI 工作流程应该是这样的：

  1. 选一个具体想法或功能点，不先追求完整宏大叙事。

  2. 定义核心流程：用户从哪里进入、要完成什么、最终得到什么结果。

  3. 把流程拆成 AI 可理解的小任务，例如资料整理、界面方案、组件实现、文案、图标、动效、测试和复盘。

  4. 选择合适工具执行：工程和命令交给 Codex/Claude Code，设计资产和交互落地交给 Figma 相关工具，视觉素材交给生图工具。

  5. 人负责评估：核心流程是否通顺、结果是否好看、实现是否可维护、有没有继续投入的价值。

  6. 把可复用部分沉淀下来：组件、prompt、脚本、模板、检查清单和工作流入口。

然后不断小循环搭配大循环重复这个流程。但这很理想，因为就算你判断可以实现，有时候 AI 实现的过程中的很多内容也是不可控制的，例如我在制作 Scatter 的时候，曾尝试过 Tauri 框架，后来又转回了 electron，因为 Tauri 的支持实在很有限，但这种尝试往往只能作为你自己的经验，难以传达给 AI。

额外补充

充分利用现有资源

当 AI 遇到难题时，不妨让它借助外部资料：相关文章、第三方库、开源工具、技术文档等。只需把链接交给 AI，它就能快速获取背景信息，提升完成任务的准确度和效率。

理性判断与果断放弃

如果问题实在无法解决，要勇于承认当前的局限性。这并不是失败，而是对判断层的收敛：明确哪些功能或方案在现有技术背景下不可行，为未来决策提供参考，避免盲目浪费资源。

积极分享与跨界交流

经验不应局限于自己和同行。在团队之外，程序员、设计师、产品经理等不同岗位的视角，往往能带来意想不到的解决方案或灵感。开放分享，让更多人看到你的尝试，也能为自己打开更多思路和机会。例如我刚才那么多图，很多创意其实是来自我的朋友们。