用 AI 搭建第一个 MVP

在真正开始搭建前，我以为 AI 主要会帮助我写代码。实际使用后，我发现它更重要的作用是：在我处理不熟悉的技术决策时，帮助我一直看见完整问题。

过程也不再是线性的。研究导向原型，原型暴露缺失的假设，而这个假设又改变了产品结构。AI 帮助我在这个循环里移动，而不是把每次修改都当成重新开始。

只有问题清楚时，速度才有价值

AI 可以很快生成大量代码，但速度也会放大模糊。当产品边界不清楚时，产出很容易变得泛化、过度搭建或难以维护。

最高效的时刻，往往来自先缩小决策范围：这个版本必须证明什么？什么可以先手动完成？哪些数据不能暴露在前端？

真正有用的进展单位不是写了多少代码，而是消除了多少不确定性。

一个更适合后续项目的循环

我现在的工作流很简单：定义问题，检查约束，搭建最小可测试路径，复盘发生了什么变化，并记录决策。

这个循环让 AI 从代码生成器变成项目伙伴。它仍然需要人的判断，但能缩短从“不知道”到“有具体东西可评估”之间的距离。