本文首发于 少数派。
看过我前一篇文章的大概知道，我懂点数码，上一次写文章是因为 AI 帮助我翻译了一本书，那已经是 2023年的事情了，AI 发展了 3 年，中间有两年我去做硬件生态的工作，机缘巧合下还研究上了 Embodied AI，结识了一堆做具身智能的大佬，甚至还是某云发布会上上所有具身智能伙伴的连接点，但那两年是看得多做得少，用的也很表面，只是把它当作对话框在使用。
去年差不多是这个时间点，做了一份洞察报告，结合各行业技术应用的案例，我认为具身智能距离商业落地还尚远，但 LLM+AI Agent 的应用已经就在眼前了，当时 Haivivi 和 AI 玩具也正在风口之上，找个机会便开始从事 AI2C 的创业。巧得很，当时如果不在国内搞这个，就去中东搞出海，此时此刻回想皆有可能是命运的安排。
创业嘛，需要我干啥就干啥，充当项目经理从 0 到 1 做了一款 AI 硬件产品出来，这期间团队完全拥抱 AI，我个人用的更多的还是对话流式的 AI。
从 Apple Watch 录音是 m4a 格式，国内的豆包、元宝当时都不支持网页对话框传上去语音转文字，只有通过 iPhone 分享给豆包语音转文字来做会议纪要，到后来发现 Gemini 网页端支持 m4a 格式，开始频繁使用 Gemini 和豆包等做对比，最终发现还是 Gemini 牛逼，便一直使用至今。
我也用了朋友公司集合式的 AI 对话工具，里面支持很多大模型，有段时间也很中意 Grok，但最终还是被 Gemini 俘获走了。讲实话，我第一次尝试用 AI 做对话外的事情是做 workflow，当时比较火的就是 Dify 和扣子了，刚好同事安装好了本地的 Dify，还在本地部署了一些千问的模型，于是就用 Dify 来做 workflow。
创业公司必须要经历的就是招人，当时我们要招各个岗位的人，很多人完全在我们的认知之外，比如 AI 算法工程师、硬件工程师、嵌入式工程师，我们跟 HR 沟通 JD 就够费劲的了，还要面试，简直了。当时我就想到了一套 AI 面试工作流，当时一是没想到别人肯定做了，而是也不知道 Dify 可以直接复用别人的工作流，于是就自己从头开始做，好在确实不难，遇到了一些不是问题的问题，当时脑子真的不知道咋就没想到遇到问题截图问 AI 助手就好了，现在回想起来真是太蠢了。
不过我做的面试工作流前面差强人意，在用了几次后不断去调整系统里的 Prompt 是有变得越来越好用，只可惜当时集团的网络和我们部门网络的问题，没有让这个流程继续优化下去，基本上是我个人在用。如果有其他人加入进来，不断的提优化和改进建议会更好用，成长为一个优秀的 Skill 也不是不可能的，放现在来看 OpenClaw 就可以简单搞定我原来的流程了，Claude 创建 Skill 就更简单了。
后续我做项目经理过程中，基本把所有的内容都交给了 AI 来做，包括写文档、做 PPT、做需求分析、做竞品分析等等，AI 都做得很好，甚至比我做得还好，这让我开始思考，AI 到底能做些什么，AI 不能做些什么，AI 和人的关系到底是什么。尤其是当时我们还打算做 AI 陪伴类产品。
当然我除了做这个工作流外，其他工作完全是融入了 Gemini 网页端，每天上班就是打开对话框。后面经历项目计划分析、问题分析、问题回溯等，基本我的 Gemini 全都懂，尤其是费劲给 Gem 调好系统提示词之后越发觉得它好用。用 Gemini 做了产测整个流程的梳理和产测 APP 的 Demo 开发，觉得自己用的很好了，现在回头看，都是来时路。
此刻回想，当时我为什么没有用上 Cursor 呢？同事都买了富余的账号了，他部署模型和做其他事情应该都是 Cursor 直接办的。反思下来还是自己不够先进，应该多去学习和了解，当然这也可能是我与 Antigravity 的缘分吧，如果不是 Cowork，我应该也还没用上 Claude，虽然我真的觉得他很牛，可是我已经深深的爱上了 Antigravity。
前言够长了，总结起来，在用 AI，但没有用好 AI，直到我工作稍微没那么忙之后开始学习更多，打开了视野，才发现自己之前用的都是皮毛。3 年前写那篇文章之后，我认识了一群热爱运动的网友们，这两年见他们比见身边一些老朋友还多，写这篇文章，我不知道会是什么样的收获，但我希望能传递出去“AI+”的无限可能。
还有余热的 OpenClaw 你用了吗？是不是发现最后还是得自己想明白怎么用最重要，不要陷入学习工具的怪圈。永远相信自己经历的一切都是价值的，让工具服务于我们现在的生活和工作。AI 替代不了一个有独立思考能力的人，但 AI 可以替代一个没有独立思考能力的人。
不要去想，去干，干中学。
什么是 Vibe Coding？#
几个月前，如果有人告诉我能零代码独立开发全栈微信小程序、原生 iOS 笔记应用和具有丝滑转场动效的独立网站，我只觉得离谱。现在这个想法变成了现实。起决定作用的是 Vibe Coding 工作流兴起，以及基于 Gemini/Claude 等大模型以及对应的 IDE 编程工具。
这里记录了一个产品经理从写零散 Prompt 到掌握智能体架构体系的实践历程，献给由于技术门槛望而却步的人。我也不是一蹴而就，前面分享那么多是想说，我也不聪明，走了很多弯路，甚至跟 AI 交流都没有很高效。只要开始做了，一切便有可能了。
Vibe Coding 的核心只有一条：“想”大于“敲”。
感觉对了就跑。无需背诵语法，只要讲清楚需求，你就是主理人，甚至讲不清楚需求，让 AI 去尝试都行。AI 不再是代码补全器，你负责设计审美、拆解需求、统筹逻辑，AI 负责编码落地。
一副 Meta 眼镜与一场架构觉醒#
Meta 眼镜出来的时候我可兴奋了，觉得 AI+硬件的未来来了，本来打算在 AK 的店里买一副，后来想想实在是没啥用就作罢了，钱甚至都付了，我给取消订单了，后面便没有想过这事。
今年 1月份，朋友从美国带回一副 Meta 智能眼镜。为了体验专属的 Meta AI，我找朋友帮忙搞定漂亮国区原生 Gmail 和相关平台账号，只有这样子我才算是用上了漂亮国的 AI 服务。
去年 9月开始，我所在的 YoooTek 团队在内部订阅了搭载 Gemini Ultra 的开发平台。当时还只用了 Gemini，因为账号问题尝试过 Antigravity 没有成功放弃了，这次账号好了，咸鱼帮助我实操了 Antigravity 智能系统。（顺带一提，我离职后前团队推出了全新产品 YoooClaw，也上架少数派众测了，值得关注。）
过年前大家都没什么心思工作的，我开始学习 AI 的方方面面，用上了 NotebookLM，看了很多 Antigravity 的视频，决心用它来做我搁置已久的 Blowfish 为基础搭建的个人博客，尝试加上运动轨迹和铁三比赛记录。
想起来之前做这个数据同步都搞半天，那时候是用 ChatGPT 搞的，不是很顺利。我没有代码基础，前期包括现在都是全凭大白话指令推进。中间遇到很多问题，我全丢给 AI 去审阅 GitHub Actions 的 run_data_sync.yml 自动化文件。它不仅排除了环境异常，甚至主动重构了低效的数据拼接逻辑。
这一次尝试，对我来说最大的突破就是发现我真的可以啥都不懂，不要把 AI IDE 工具当作开发工具，当作更专业的编程助手，和网页端 Gemini 聊天一样的。开发多了发现缺乏约束是初级阶段最大的问题。像素级复制现有代码很容易，任由 AI 自由发挥经常会导致死循环。此时系统运行效率低下，一个导航栏的统一问题我都能改两天，经常触发 Token 耗尽限制，是 Antigravity 送的那几个模型全部都消耗完的程度，执行也是要等半天。不管如何网站勉强上线后，我意识到工作流需要革新。
我开始思考，如果是优秀的程序员，他们是如何来高效用 AI 写代码的呢？感谢互联网，总有愿意分享的大神，也感谢 Github 有好多现成的可以拿来用。
过年期间我开始尝试搭建 Agent 和 Skills 系统，引入 OpenClaw，结合本地部署的 Whisper 模型配合 Proxy 处理个人数据。在 OpenClaw 很火的时候，我没有太去凑热闹，因为我深知只有掌握自己的数据，才能让 AI 产生价值，世界上没有两片完全相同的树叶，我的数据在世界上也找不到另一份完全相同的，别人做好的 Skill 也只能是做参考，要做定制化的改造。我开始重新捡起来写东西，写日志，自己构建基本的个人数据，参考现有的 AI 记忆系统来存储，这时候是 Cowork 发挥作用的时候了，他帮我整理了 Obsidian 里所有的 MD 文件，分门别类，生成了 AI 能读懂的记忆访问体系。
还是落到实处，这套体系在开发第二款产品：类 flomo 的 iOS 笔记 App 时产生质变。
我对 iOS 开发一窍不通。不知道怎么在 Xcode 里建项目，更不会用 Simulator 调试环境。但在实操中，截图成了沟通密码。遇到报错框选截图，AI 直接给补丁修复。开发网页时，它会拉起 Chrome 录屏辅助排查。也是在这个阶段，我接触了 MCP (Model Context Protocol) 概念，认识到系统架构设计和组件分离对 AI 执行效率的决定性作用。
我有了初步的想法之后开始跟 Gemini 进行交流，看我的 Prompt 是不是很简单，大白话？
“确定我第三方应用能集成苹果 Siri 的能力吗？”、“确定我第三方应用能集成苹果 Siri 的能力吗？”、“我生成的个人数据能接入 notebooklm 吗？或者其他大模型工具”、“我可以用 Siri 的能力来录音到我的 app 里，但我的数据是存在我的云端的，大模型可以自定义，是行的通的吗”、“根据聊天记录画一下技术架构图给我。”、“现在我计划是设备端采集数据后走 openclaw 来处理，并设计产品的长期记忆记忆系统。请根据这个更新一下架构图。”、“openclaw 处理的时候，又可以封装成不同的 skills，比如说会议纪要，比如说闪念整理，还有其他日常会用到的 skills，我可以有 skill 封装，也可以在开源社区里找新的 skill。”
其实聊到第一个框架之后，我就让 Antigravity 动手写了代码，写完发现运行不起来，问 AI 才得知要装 Xcode 才能运行，当时的 MVP 是开发一个 Apple Watch 录音后自动存到 iCloud 里面，同步在 iPhone 上显示。下载好了 Xcode 发现该怎么创建项目就不会，朋友提醒我创建 Watch 应用会自带一个 iOS 应用才把项目创建好，正式开始动工。
我也搞不清楚里面的文件夹之间的关系，后面开发的多了，也就知道是什么情况了。开发很长时间我都是在电脑端运行的，用的是模拟器，我以为 iOS 开发就是用模拟器呢，不知道要什么阶段用真机，也不知道怎么把 APP 装在真机里面，哪怕见过那么多猪跑，也是头一回吃猪肉，Xcode 没办法 CLI 控制，我只能遇到问题就截图问 AI 怎么弄，找一个界面操作有时候就是眼瞎找不到，Help 里面搜关键词有些时候也抓瞎，好在只是浪费点时间最后都解决了。
当我开发的 suisuinian 装在我的手机上时，激动坏我了，装在手机上后就发现问题了，真机和模拟器区别是有的，之前设计的架构不适用了，我开始跟 AI 商量改架构，参考 OpenClaw 的工作方式，问了 AI 这么个问题“我现在还没有云端，我在本地安装了 openclaw，我开发过程中怎么办呢？”，他读取了 OpenClaw 的文档告诉我怎么配置 Tailscale，成功的解决了手机和电脑沟通的问题。
中间改架构让 AI 写代码，优化，解决卡顿，搞了很久才把老架构的东西基本清理完，我的 Agent 们还是不够高效，好多问题还是我弄的多了发现了问题，直接锁定范围让他搞才搞定。
为了获取更强逻辑推理支撑，单纯的觉得 Minimax 蠢，我订阅了 Claude Pro，也是在朋友的安利下开始用 Cowork 替代 OpenClaw。让两个 AI 互相监督为了开发赋能，顶级模型配合“架构组件外加业务 Skills”的工作流闭环，确立了这套 Vibe Coding 运作机制。
（现在已经将 OpenClaw 改成用 Hermes+ Mac 端 LLM 处理）
微信小程序深水区实战：高频使用的三大核心技能#
不知道怎么就卷入了开发小程序这件事情里，我当然是有意愿的，想验证我摸索的这套工作流。便有了我和俱乐部队友协作重构了一套铁三俱乐部会员管理系统，包含管理员后台。这个从简单到复杂项目彻底检验了这套工作流的抗压能力以及 AI 之间友好的协作能力。
这里面最费时间的是视觉风格统一，我不喜欢用那些生成的 UI 交互页面再开发功能的开发流程，我喜欢的开发流程是，先把功能做出来，再去优化页面，Gemini 也有设计前端页面的能力，用 React 来做交互页面，每次我都还挺满意的，估计是已经跟我交流太多知道我喜欢什么了，我再把这个页面风格发给 Antigravity 参考，基本能复制出来效果。
功能开发完，优化好一个页面，开始让 AI 自己写 UI 规范，再一句话告诉他，将所有页面按照这个 UI 规范刷新一遍，坐等就行了。真正的尝到了规范框架下 AI 开发的高效的甜头，做好一个功能然后放大。
想到什么功能就开发什么功能，边开发边测试，遇到问题截图扔给 AI 让他去解决，开发好几个功能想要收敛的时候让 AI 去梳理框架，是否优化的方向，再决定如何优化，然后继续开发。如果按老的开发逻辑，研发早把产品经理骂死了。
如果说这里面哪里不够高效，那就是微信小程序开发生态比较封闭，不便于 AI 自动操作：开发者工具容易在挂 Proxy 时断网，缺乏稳定自动化控制命令。不过也在开发过程中熟悉了不复杂的云端开发平台，要自己新建数据库、函数罢了。
整个微信项目从一个耗时四小时堆叠的简单会员积分管理小程序，最终演化成包含活动管理和流程审批体系的闭合系统。支撑它底层运作的，是以下三个高频调用的技能核心：
1. 探路者：plan-ceo-review (CEO 视角审查)#
面对复杂逻辑变动，机器极易给出无法自洽的闭环。处理大规模改版前，我必然先唤醒审查技能。它从创始人视角分析全栈的逻辑严密性，核对前后端接口逻辑映射，梳理需求死角，杜绝制造低质量玩具代码。
2. 重构排错：investigate (源码溯源调研)#
在积分系统后台上线前，测试环境爆出 500 error: object null is not iterable。
我直接激活 investigate 进入追踪状态。它顺藤摸瓜检索脏数据生成路径，捕获出代码结构考虑不周留下的历史隐患。直奔根本原因生成行级重写补丁，结束了全网搜解决方案的历史。
3. 记录者：document-release (自动同步更新流)#
人工撰写维护开发文档枯燥乏味。每一次完整开发周期走完，我会触发文档同步进程，由它解析增量变更内容，自动提取架构调整模块和新增的环境变量同步至主说明档中。保证多项目无缝切换管理，机器或人接管代码不再因为断层而重头梳理业务上下文。
以上你都不会也没关系，有现成的 Skill 可以给你用，你也可以在开发过程中发现你总有重复的工作要做，那就让 AI 给你开发一个 workflow 来解决。
| 维度 | Skill（原子能力） | Workflow（预设流程） | Agent（自主实体） |
|---|---|---|---|
| 本质 | 解决“能不能”做的问题 | 解决“按什么顺序”做的问题 | 解决“做什么、怎么做”的问题 |
| 灵活性 | 固定、单一 | 逻辑固定，分支可控 | 高度自主，能处理非预期情况 |
| 驱动方式 | 被动调用 | 程序化触发 | 目标驱动 (Goal-oriented) |
| 类比 | 螺丝刀 | 组装说明书 | 工程师 |
云端痛点与提审防坑#
本地代码完美跑通远非开发终点。小程序业务上线审核机制极其严苛，存在诸多流程卡点漏洞。
最棘手的环节在于应对接口封锁及严格合规化审查要求。比如说在重做地址信息申请功能中，AI 调用原生 wx.chooseAddress 表单项由于命中平台位置访问门槛限制，造成前端进程假死，我也懒得去申请权限，直接让用户填一下地址也无伤大雅。
我基于业务视角直接发出处理动作：“删除违规阻断的原生组件，用标准文本框替换重塑表单请求逻辑，去掉弹窗权限拦截。”几秒后拦截点去除。
上线前的提审还需要报备精确的《隐私保护指引协议》及版本提审文案。指令给出明确依据：“分析提取当前所有依赖字段参数，对应官方规范文件编写协议说明和提审材料详情。”生成的规避性文件满足上线所需资质格式验证。一人独立运作即满足从编码设计到过审法务全部要素流转。
结语#
回头审视这些由机器迭代出来的工程代码，最大的收益并不是掌握了编码，而是建立整套基于指令、模型与架构拆解系统化做产品的运作模式。
从早期的散装文本投喂测试，进化到拥有专属矩阵模块及适配具体项目特性的 .geminirules 开发约束。今天启动任何新系统工程建设，这些固化好的经验就如同外挂脑图，成为了不知疲倦运转的构建组件库。
技术壁垒被彻底填平，决定最终输出效果的唯有产品设计蓝图及底层想法。
如果你有一个小众的产品设想需要变现，苦于找不到合适的工程师参与，建议尝试动手自己实现。依托现有 AI 提效系统搭建闭环工作流，一人化身独立运作实体，试制成本无限趋近于零。
现在，随时开启你的创造流程。
这篇文章写好的比较早，3月就写好了，到今天其实我已经 vibe coding 了公司官网（带招聘管理和飞书联动）、继续优化了 suisuinian App、开发了一个进销存管理系统，我也基本不用 Antigravity 了，主力在用 Codex、Claude。
也指导几位身边的朋友开始用上这几个工具，最难的是转变思维，立马让他们用上，用上之后自然不用多说，都说相见恨晚。
只有保持一直在路上才不慌，现在哪天 Token 没有用完就觉得很亏。