当我不再把 AI 当工具，而是当“第二大脑”

一开始，我用 AI，只是为了省事。
写代码、补注释、查报错。
典型的“效率工具型用法”。

后来我发现，这种用法，其实有点浪费。

真正的转折点，并不是某个模型变强了，
而是我开始意识到：
AI 改变的不是我“怎么做”，而是我“先想什么”。

从“怎么实现”，到“值不值得做”

以前遇到问题，我的第一反应永远是：

这个怎么实现？
用什么框架？
有没有现成方案？

现在不一样了。

当我把需求丢给大模型之前，我会先停一下，
问一个以前很少问的问题：

这件事，真的值得我做吗？

AI 的存在，让“实现成本”被极度压低。
当实现不再稀缺，判断本身就变成了核心能力。

以前，复杂 = 有价值。
现在，复杂往往只是历史包袱。

这是我在使用阿里云大模型相关方案时，一个很明显的感受。
不是它帮我多写了多少代码，
而是它逼我不断澄清：
我真正想解决的问题是什么。

当 AI 开始参与“思考过程”，而不仅是“结果”

我后来发现，大模型最有价值的时刻，
并不是它给出答案的时候。

而是它不断反问我的时候。

• 你这个目标，是业务目标，还是技术目标？
• 如果只允许你做一半功能，你会留下哪一半？
• 这个设计，是为了现在，还是为了“假想的未来”？

这些问题，说实话，人也能问。
但人很容易因为经验、情绪、惯性而放过自己。

AI 不会。

在百炼平台上试着快速搭建一些智能应用时，这种感觉尤为明显。
因为部署成本足够低，你可以快速试错；
而试错足够快，你就会更频繁地反思方向本身。

这是一种很微妙，但非常真实的改变。

AI 没有让我更快，但让我更少走弯路

这是一个容易被误解的地方。

很多人期待 AI 带来的是“速度飞跃”。
但对我来说，更明显的是另一件事：

我浪费在“错误方向”上的时间，变少了。

以前我很容易陷入一种状态：
功能能做，就一直往下堆。
直到系统越来越复杂，才意识到一开始就不该这么设计。

现在不一样了。

在真正动手之前，我会先用 AI 把想法“拷问一遍”。
让它从用户、系统、成本、长期维护的角度不断拆我。

有些需求，
不是被否定在代码阶段，
而是直接被否定在“思考阶段”。

这本身，就是效率。

我开始重新理解“开发者”的价值

有一个变化，我自己感受得很清楚。

以前我会下意识地把“会不会写”当作核心能力。
现在我更看重：

• 会不会定义问题
• 会不会判断取舍
• 会不会为长期复杂度负责

AI 可以生成方案，
但它不会替你承担后果。

系统是否可维护，
业务是否可持续，
这些责任，最终都落在人身上。

从这个角度看，
AI 并没有削弱开发者的价值，
反而把价值重新拉回了一个更本质的层面。

对阿里云 AI 产品的一点真实期待

整体体验下来，我最大的感受是：
阿里云在做的，并不是“炫技型 AI”，
而是尽量让 AI 进入真实工作流。

但我也有一些很具体的期待：

• 希望在复杂场景下，能更明确地暴露“决策过程”，而不只是结果
• 希望未来能看到更多“面向思考”的引导式能力，而不仅是工具集成
• 以及，能否让 AI 在多轮任务中，更好地“记住我的取舍偏好”

如果说现在的 AI 是一个很强的执行助理，
那我期待它慢慢变成一个懂我思路的长期协作者。

写在最后

这个冬天，我确实感受到了一点“AI 的温度”。
不是因为它多聪明，
而是因为它让我更频繁地停下来，想清楚再动手。

如果说以前的开发是：

想到什么，立刻去做。

那现在更像是：

想清楚什么，才值得去做。

对我来说，这已经是一次很实在的改变了。