人工智能技术的迅猛进步使得AI编程成为了公众关注的焦点。曾经只是辅助性的工具，现在AI编程正逐步成为职场中的核心力量，其更新换代的速度之快令人咋舌。本文旨在深入探讨AI编程工具的当前状况和未来发展潜力，评估其是否适合初学者上手，并分析它对产品开发人员所提出的挑战和提供的机遇。

业务和技术之间的墙头，被AI一块块拿掉。

01

在人工智能迅猛发展的这几年来，人们持续关注的一个热门议题便是：哪些工作将首先被AI所取代？

互联网，请睁眼。

该行业的各个职位表面上看似乎存在较高的门槛，然而，无论是专业要求还是协作流程，都如同自动化生产线一般，其中研发岗位占据主导地位，例如软件开发、质量检测、视觉设计等领域。

最初，我对这种观点持有一定的讥讽态度；回顾大模型刚兴起的那1-2年，AI显然还未具备取代大量人工的潜力；在众多话题的讨论中，流量推动的作用更为显著。

2024年，质疑之声此起彼伏，然而众多AI应用却在不经意间悄然崛起，成为了主流趋势。

绘图与编程领域表现尤为突出，根据对部门自24年上半年以来的使用体验观察，目前它们尚处于辅助作用的阶段，然而到了下半年及今年，情况已有显著变化。

很多AI工具，已经逐步成为工作中的主力。

尤其是今年，随着该领域热度飙升，众多AI应用的研发迎来了新的灵感迸发，这主要得益于那些既简便又实用的模型产品问世。

2024年非常突出的质疑声：AI行业缺乏现象级产品。

依据传统互联网的实践经验，唯有拥有产品，方能稳固地吸引并保留用户。然而，在25年以前，大型模型大多尚未达到实用水平，因此，那些建立在模型之上的应用产品往往难以发挥良好效果。

大模型的能力，直接决定AI产品的上限。

众多AI产品投入使用，促使用户认识到，性能卓越的模型确实能够简便地处理众多难题，其对于提示词的精准解读能力，使得在多轮交流中，复杂需求得以逐步实现。

于用户而言，无非是哪个好用就用哪个。

02

自踏入职场之门，我在产品研发部门度过了将近十年的时光，期间见证了整个行业竞争激烈化的全过程。

其中明显的节点，是从低代码产品崛起开始。

引入低代码平台至工作流程后，对于业务层面而言，无疑实现了成本降低与效率提升；然而，对于技术层面而言，却带来了不少管理及维护上的复杂性，因此在初期阶段，难免会听到不少抱怨与不满之声。

从降低成本和提高效率的视角出发，采用年收费数千元的软件，能够迅速完成众多业务流程，与自行研发系统的成本投入相较，几乎微不足道。

研发岗位的全栈工程师，大概就是从这个节点开始流行。

尽管互联网领域竞争激烈，但在人工智能爆发前夕，产业划分还涉及到产品和技术的区分，然而随着AI的迅猛发展，产业分类已逐渐演变，如今主要聚焦于业务和技术两方面。

最近产品和技术之间，都开始相互试探了。

在AI工具中，若导入产品草图，便能迅速生成应用；只需简单输入提示词，即可对应用进行持续优化。尽管效果可能不尽如人意，但通常能达到7到8分的水平。

提示词工程就三句：需求描述，哪里对哪里不对，哪里要优化。

03 在诸多人工智能应用中，AI编程的热度居高不下。

2024年，我尝试了编辑器ai图标 导入sketch，但感觉其表现尚不成熟。到了2025年，当编辑器开始流行时，我测试了其主流大模型的编程功能，结果仍然不尽人意。

AI辅助编程可以，还做不到信手捏来的程度。

类似那些颇受欢迎的自媒体文案，讲述着代码新手只需三五个小时就能迅速打造出一款产品，上架后会有多少用户注册。人们可能更感兴趣的是其背后的能力，而非产品本身。

若是针对静态网页而言，此观点堪称完美无瑕，然而，对于涉及前后端交互的应用来说，在短时间内则难以实现。

对于初学者而言，构建软件开发平台与数据库的过程或许会削弱他们大部分的探索热情。

近期目睹了模型在编程领域的卓越表现，我既对AI的更新换代速度感到震撼，同时也察觉到AI编程工具已经具备了实际应用的可能。

以前端技术为基础，开发一款名为“坦克大战1990”的电子游戏，确保其界面设计风格与原版游戏高度一致，并忠实呈现游戏的核心操作方式。

同类产品无需作为参照，其表现亦非令人瞩目，仅是基础性地实现了游戏的视觉效果和基本操作规则；代码编写流畅自如，累积了近千行，竟奇迹般地得以顺利运行。

懂点编程的知道：代码少出错奇怪，代码多不出错更奇怪。

按照3比4的配比，运用HTML技术，精心打造一个网页，旨在设计一款热门笔记的封面图像，并借鉴科技类目的设计风格。

该问题曾在二月份的模型中进行过测试，那时所编写的仅限于静态页面，不具备对封面内容进行动态调整的功能；然而，到了V3版本，它已经发展成为一个颇具雏形的工具。

采用HTML技术构建一个大型模型信息搜集平台，其中涵盖了增加、删除、修改和查询等基础操作，界面设计以简洁为主。

页面布局得当，且在信息管理中，字段设计考虑了时间与单选等元素。若将页面的增删改查操作与数据存储相连接，便构成了一个基础的功能单元。

也尝试了多种复杂的情境，经过对提示词的不断优化调整，即便是在进行6至7轮对话后，也能够基本满足需求。

从提示词的例子来看，该模型的编程能力已经相当出色，无论是对于业务需求的把握，还是程序中算法逻辑的解析，都完全能够达到及格的标准。

既然模型能力提上来了，相应的AI工具也可以再试试了。

04

近期我对比了Trae和另一款AI编程工具，明显觉得前者更为出色，然而在Trae这款工具上应用模型，其表现同样相当不错。

从整体来说，还是考验模型对需求的理解能力。

就工具本身而言，关键在于对需求进行深入理解后，评估流程管理的水平ai图标 导入sketch，例如确定实现需求所需的执行步骤数量，哪些步骤可由工具自动完成，哪些则需用户亲自操作。

只要简单的几步操作，就可以把需求自动化实现。

通过测试，仅用简单的产品原型，半天时间即可迅速完成小程序的开发。页面视觉效果和程序逻辑均能通过对话进行快速调整。尽管偶尔会有一些误差，但总体来说，其稳定性和实用性仍然很高。

对于未曾涉足产品研发领域的新手而言，操作上可能存在一定的难度；然而，对于软件研发领域的专业人士来说，这无疑是一种提高工作效率的有效工具。

这也带来了新的问题：加剧产品和技术的互卷。

今年对于从事产品研发的人员而言，不论是在招聘环节中还是独立开发者群体中，最热门的讨论焦点仍旧集中在AI技术领域，仿佛精通运用各类大型模型的能力，几乎等同于拥有了整个团队。

在内卷严重的当下，这对互联网打工人来说，既是挑战也是机会。

如有侵权请联系删除！