AI 正在让做产品像做 PPT 一样快
AI 正在让做产品像做 PPT 一样快
吴恩达最近提了一个说法：AI 时代的软件开发可以拆成三层 Loop，围绕三个不断循环的反馈系统展开包括 Agentic Coding Loop、Developer Feedback Loop 和 External Feedback Loop。吴恩达的主要观点图
这可能使传统软件开发和 AI Native 软件开发在三个时间尺度上发生了改变。
肖老师的观点：
过去三十年，软件工程主要在拼命提升执行效率——更好的语言、更好的框架、更快的编译器、更完善的 CI/CD。 现在 AI 来了，优化目标变了。Commit 越来越比不上一次完整的 Loop。 谁能够更快完成一轮验证，谁就能更快发现问题；谁能够更快吸收反馈，谁就能更快找到正确方向。 |
这个变化精确地发生在三个时间尺度上：分钟、小时、天。传统开发里是写代码→编译→报错→改代码→重新编译。这个循环的中心是代码。工程师每天可能要跑几百次编译，盯着报错信息，一点点改。Claude Code 这类工具直接把"人跟编译器"之间的循环，变成了 AI 自己跟自己玩的循环。它写、测、改，几十轮下来就给你一个能跑通的版本。开发"实现一个需求"被压缩进了分钟级。本质：分钟级 Loop 是执行效率这条老路走到的终点站。AI 恰好最擅长把不需要判断的执行成本压到最低。决策效率的战场在别处。代码跑起来之后发现报错、逻辑错、边界条件漏了，开始调试、定位、改代码、改对为止。几个小时可能就耗在把一段代码从"错的"改成"对的"这一件事上。
现在这件事，AI 基本上自己在分钟级就处理掉了。于是开发者小时级要做的不再是 Code，是 Product。，比如这个按钮是不是该放右边？登录流程是不是太绕？动画是不是慢了半拍？要不要加这个功能？
软件现在可以像改 PPT 一样快速调整。小时级的循环就从：本质：执行效率解决的是"能不能实现"，决策效率解决的是"要不要这么做、做完之后对不对"。小时级 Loop，就是后一种问题第一次可以按小时来回答。传统开发拿到一个需求用代码把它实现出来，包括设计、开发、测试、上线，一套流程走完，一个需求变成一个可用的功能，怎么也得花上一两天。改需求就意味着这一整套天级流程要重新走一遍，所以产品经理都得小心翼翼，"需求冻结"就是这么来的。开发成本决定了想法的试错成本。
AI 出现以后开发成本下降。最大的成本是"想清楚到底该做什么"。于是天级的循环变成：
这里要区分一个细节：改需求是在已知框架里调参数，改产品定义是在重新框定问题本身。比如用户说想要搜索功能，过去的需求就是加个搜索框。现在 AI 分析用户行为后，可能发现他们真正需要的根本不是搜索，而是一个能自动帮他们完成任务的 Agent——整个产品定位就变了。本质：这一层的 Loop 处理的对象从 Requirement 变成了 Vision。执行成本接近零以后，所有成本都集中在"想清楚"这件事上。需求冻结这个概念，本质上是执行效率时代留下的老习惯。传统开发与 AI Native 在三个时间尺度上的完整对照：
三个循环彼此嵌套：AI 的循环跑得越快，开发者能改的产品维度就越多；开发者改产品的循环跑得越快，用户反馈进入产品定义的速度就越快。执行效率在分钟级被清空，决策效率在小时级登场，又在天级被推到极致。代码依然重要，但它已经不再是循环的中心，真正驱动现代软件开发的是一层套一层、持续转动的反馈机制。 |
| — 定期查看版本，反馈从"修 bug"提升到"改体验、改方向" |
| — 尽早让真实用户试用，不要只在本地和 AI 自嗨 |
过去三十年，软件工程一直在优化执行效率：更好的语言、更好的框架、更快的编译器、更完善的 CI/CD。 AI 时代开始优化的是决策效率：更快验证想法、更快修正产品、更快响应真实用户。 | | 「AI肖睿团队」由北京大学肖睿老师（北大PH.D博士）作为发起人、领头人。输出技术正确、有独立洞察、有落地价值的内容，用开源模式免费传播。 | | |
|
本文来自网友投稿或网络内容，如有侵犯您的权益请联系我们删除，联系邮箱：wyl860211@qq.com 。
