我们如何在开发中使用 AI（以及如何不用）

AI 的能力相当有限。

不是"没用"那种有限，而是"它能很自信地输出一堆东西，但仍然需要专业人士把关"那种有限。今天大家口中的"AI"，绝大多数指的是 LLM（大语言模型，比如 ChatGPT 或 Grok）。它们擅长生成看起来很像样的文字和合理的代码。但"像样"不等于正确，"合理"也不等于适合你的业务。

在高质量的定制软件、网站、Web 应用和移动应用里，AI 替代不了有经验的人，也省不掉开发流程中的任何环节。但只要用得有节制，它能帮我们探索方案、验证决策、提升质量。

这篇文章会讲讲我们在 LINK-V 是怎么用 AI 的，以及哪些 AI 产物可能真的会出现在你的项目里。

AI 擅长什么

LLM 本质上是基于模式的工具。它通过大量训练数据，预测一段文本的下一个词。所以它在这些方面挺有用：

• 给出多种变体
• 用不同方式解释同一个概念
• 把要点和笔记整理成初稿
• 提供代码模式和边界情况的参考
• 找出措辞或结构上的不一致

它不擅长这些：

• 理解你的完整背景（业务目标、约束、历史、优先级）
• 保证正确性
• 做负责任的决策
• 在长期里搭建一致的系统（除非有强引导）
• 判断什么是真的，它只知道什么"听起来对"

最后这点最关键。AI 可以一本正经地胡说八道。所以我们的原则很简单：AI 可以辅助，但永远没有最终决定权。

核心原则：负责的始终是专业的人

我们交付的每一项成果都有一个"主人"——一个真实的人。AI 可以帮他，但替代不了他承担的责任。

具体来说：

• AI 的输出只算草稿，不算决定
• 我们靠推理、评审和测试来验证
• 不管有没有用 AI，质量标准都一样

所以是的，AI 生成的内容确实可能进入你的项目。但不会未经评审、不会未经测试，也绝不会被盲目信任。

我们怎么在代码里用 AI

AI 在编程中确实有用，但不是很多 AI 营销话术里说的那种用法。

软件开发里难的部分往往不是"敲代码"，而是：

• 选对路线（架构、数据流、性能策略）
• 处理边界情况和真实世界的行为
• 与已有系统集成
• 让代码对未来的开发者依然清晰
• 避免 bug、安全问题和回归

AI 最能帮上忙的，是生成备选方案和帮你起步。它能给出多种实现方式、提醒一些常见坑（但不是项目特有的坑），或者建议更清晰的结构。

实际操作中：

• AI 生成的代码可以用于客户项目和产品
• 如果代码是 AI 写的，会由 AI 或程序员标注出来
• 所有生成的代码都由开发者逐行评审
• 我们用测试和真实使用来验证行为

代码量小、逻辑明显的，验证很快。但如果是关键代码（安全、支付、权限、数据完整性），我们会按其他关键代码的标准处理：评审更深、测试更多、要求更严。

我们怎么在图形、设计和 UX 里用 AI

设计不只是美观。它关乎沟通、清晰度、层次、信任和转化。AI 不像有经验的设计师那样了解你的品牌和你的用户。

AI 可以为大众化受众生成一些方向（因为它见过的都是大众化的东西），但它不了解你的细分客户。这部分还得靠我们。

AI 在以下场景帮得上忙：

• 头脑风暴布局和风格方向
• 给 UI 文案生成可选措辞或示意文字
• 抠图、去背景这类小工具任务
• 评估和第二意见（比如检查某个流程是否有让人困惑的步骤）

这主要是为了提升速度和广度。AI 让我们能探索更多变体，从更多选项里挑出最佳方向，或者把不同主题组合起来。

我们怎么在文字和沟通里用 AI

我们用 AI 来：

• 基于要点、结构和笔记生成初稿
• 调整语气（更正式、更亲切、更直接）
• 改进语法和清晰度
• 挑出别扭的表达
• 检查文化和社会敏感度（面向国际受众时很有用）

然后我们会编辑这些文字。符合我们语调的留下，太套话的删掉，每个表述都核对是否符合实际。AI 可以快速生成文字，但它无法保证准确性和相关性。

我们怎么用 AI 做头脑风暴和获取信息

AI 在以下场景适合做"第一遍或第二遍"工具：

• 命名方案
• 功能清单和取舍
• 潜在风险和边界情况
• 解决问题的不同思路

我们也用它来快速了解技术和商业资讯，主要是看个全貌、找出值得深入研究的点。

但重要信息我们还是会从一手来源核实。AI 可能漏掉选项、混淆细节，或者把猜测当成事实呈现。

AI 能让项目更便宜或更快吗？

有时候确实能加速一些局部环节。它能减少"白纸阶段"的卡顿、帮忙处理重复性的初稿、加快技术方案的探索。

AI 帮的忙大多偏向非技术层面。它不是一个能取代我们流程或决策的系统性工具，而是一个个人生产力工具——它帮人跨过白纸阶段、把问题拆小、在卡住时重新动起来。它的价值通常不是"AI 做完了活"，而是"它帮专家把活做得更好"。

同时，它也常常让需要考虑的选项变多，并且永远会带来额外的验证成本。

AI 不会省掉专业开发中的任何步骤。用得草率，反而会引入新问题，后期要花更多时间收拾，可靠性也会下降。

所以实际答案是：

AI 能在小处帮我们提升质量和效率。它替代不了专业工作，也无法把定制软件变成一键产品。AI 很少能减少工作量，但它能加快开发步骤之间的"衔接组织"，有时候确实能缩短交付时间。

小结

"AI 驱动"已经成了一个含糊的营销标签，往坏里说就是不切实际的承诺。也正因如此，有些公司把它理解成"把需求粘进工具里，然后把吐出来的东西交付出去"。这种做法对极简单、风险极低的页面或原型也许还行，对正经的商业软件就不能接受了。

我们测试过 AI 工具，但不愿在产出质量上让步，所以我们更倾向于一个直白的做法：

• 在真正有帮助的地方用 AI
• 让专家承担责任
• 所有重要的事都要验证

我们把 AI 当作实用助手，用来探索选项、改进产出。但在我们的 Timeless 服务和 Grace 产品中，每一个最终决定、每一行代码、每一项交付物，都由我们的团队负责并亲自验证。