AI正在改变软件开发的底层范式。

　　我们正处在一个技术驱动的悖论中：AI工具正在以前所未有的速度加速开发流程，却也暴露出巨大的能力差距——相同的工具，不同的团队，产出的差异可以是十倍甚至百倍。

　　这意味着，所谓“AI原生开发”，远不是把工具接入流程这么简单，而是一次对整个研发体系的重构：从原型、协作到部署，每一步都要为AI的介入重新设计。

　　在这份关于“AI驱动的全栈研发方法论”中，我们试图从源头解答一个问题：真正懂得与AI协作的开发者，到底做对了什么？

　　不久前，Bessemer（美国SaaS领域最专业的投资机构之一）对话了Perceptron AI的创始设计师Cedric Ith——Perceptron是一家致力于构建AI原生产品的前沿公司，专注于将生成式模型融入研发工具链，打造具备自动优化与自我学习能力的开发平台。

　　在Cedric看来，AI并不是插入在流程某一节点的工具，而是应嵌入整个设计系统的“语义层”，在编码、交互、调试、部署的每一个环节中，主动生成、判断和迭代。

　　本文将分享Cedric总结的五条关键经验，带你理解AI在现代研发流程中真正应扮演的角色：从氛围编码（vibe coding）到品味引导，从自然语言原型到全栈交付。这是一个关于人与AI如何共同构建产品的时代信号。

　　01品味是护城河，设计思维是新的超能力

　　在AI几秒就能写出代码的时代，差异化已经不在于“谁能构建”，而在于“谁知道该构建什么”。

　　Cedric曾提出一个判断：我们正进入一个软件资源极度丰富、创造门槛极低的世界。这意味着，技术本身不再构成护城河，真正的竞争力转向了设计思维和产品直觉。

　　当所有人都能用自然语言生成功能原型时，谁能提出精准的问题定义、优雅的解决路径和令人愉悦的用户体验，谁就能占据优势。执行速度、产品感知力、UI/UX细节，正在成为AI时代的新壁垒。

　　与此同时，AI也在重新定义设计流程。新的生成算法让设计师可以用前所未有的速度探索大量设计概念，这不只是为了“更快做出图”，而是让团队可以在用户定义的参数下，自动生成、评估并迭代出更符合人性的解决方案。

　　所以，这不再是一个“会不会写代码”的问题，而是一个“能不能提出好问题，并迅速做出打动人心的产品”的问题。

　　最终的赢家，不是技术最强的团队，而是那些能把AI的执行力与人的品味、判断力结合得最自然的团队。他们才是新一代的“产品创造者”。

　　02自然语言，是一种新的设计界面

　　在Cedric的工作流中，我们观察到一个非常深刻的转变：他已经不再依赖传统设计工具，而是将自然语言作为主要的设计媒介。他说：“关键技能已经不再是写代码，而是如何清晰、准确地表达你的想法和变化，让AI明白你在说什么。”

　　这种变化，正在重新定义设计师的核心能力。设计师正在从“画图的人”转向“用语言驱动产品结构的人”。

　　新兴的关键技能，被Cedric称为“设计词汇”——这不是指能否写代码，而是能否用准确的语言描述现代框架、CSS属性、交互逻辑。例如，他会用“4像素圆角”、“0.2不透明度”、“悬停态”这样的术语与v0交互，将一个带有坐标跟踪的边界框交互，在几分钟内通过提示生成原型，而过去这可能需要工程师数天时间才能完成。

　　这背后隐藏着一种新的提示能力：明晰、一致、共享语言。

　　明晰：把复杂的请求拆解为简单的、可执行的语言。例如，不是“在图像上加个标签”，而是“为图像上的每个边界框，在左上角添加一个粗体白色文本，显示框编号（如Box 1、Box 2）”。

　　一致性：一旦你把某个功能命名为“分段模式”，就始终如一地使用这个称呼，而不是在后续提示中用其他词替代。

　　共享语言：就像传统团队用标准术语协作一样，现在你也需要“教会AI”你的词汇表。Cedric会在设计初期就引入关键术语，并反复使用，让AI也能“和你讲同一种语言”。

　　最适应这一变化的设计师，往往有两点共性：强烈的学习能力和工具切换能力。他们能在Figma、V0、Cursor等工具之间无缝流转，不断适应新接口，快速掌握AI能力，并用“语言”而非“代码”去构建产品逻辑。

　　正如Cedric所展现的那样：未来的设计师，未必需要成为工程师，但一定要成为高语言分辨率的系统构建者。

　　03“设计工程师”正在崛起

　　我们正见证设计与工程之间那条传统分界线正在迅速消解。Cedric的工作流程就是一个典型案例：从Figma起步，在V0中完成可交互原型，最后直接用Cursor在代码库中进行最终调整。

　　这不仅提升了效率，更重新定义了产品的制造方式：

　　▍闭环所有权正在成为新标准

　　设计师不再只是视觉方案的提供者，而是能在整个技术堆栈中直接操作的产品推动者。正如Cedric所说：“我可以直接贡献代码，并将PR提交到代码库中。这是一个闭环系统，作为设计师我从未拥有过这样的控制力。”设计的意图不再依赖工程师“还原”，而是由设计师自己贯通全流程交付。

　　▍静态模型正在过时

　　过去的线性交接模式——设计师交图，工程师翻译——正在被更具协作性的工作方式取代。现在的设计交付不再是静态图片，而是包含交互逻辑的高保真原型，甚至是具备集成能力的代码框架。工程师面对的不再是一堆注释图，而是几乎可直接上线的可用组件。

　　▍设计与开发的迭代速度被大幅压缩

　　以往样式修改、功能调整动辄几天，如今设计师可在代码层直接处理，不再需要一轮轮截图、注释、沟通。设计评审与功能实现之间的间隔从天缩短为小时，推动产品快速打磨和上线。

　　这种范式转变正深刻影响团队结构和招聘逻辑。最高效的团队往往具备跨学科能力——既能写代码，又懂产品和体验。那些能够在设计与工程之间流畅切换、构建原型、推动落地的人才，将在AI驱动的新生产范式中脱颖而出。未来属于那些既有技术手感，又有品味判断的混合型团队。

　　04四种人工智能原生设计原则

　　随着人工智能应用加速落地，围绕AI产品的设计原则也在逐步成型。Cedric总结了一些区别于传统软件设计的新关键点，正在被越来越多优秀团队采纳。以下是其中最值得关注的四条原则：

　　▍减少认知负荷，让AI主动理解用户

　　最好的AI体验，应该像“与一个聪明的人自然对话”。这意味着，用户不需要反复点击、设置参数、思考指令结构，而是能将注意力集中在表达意图上，让AI自动处理上下文与细节。例如Recall AI和Granola就很好地体现了这一点，它们能在无需用户预设的情况下，从对话中自动提取关键信息与洞察，真正实现“无感操作”。

　　▍接受非确定性，并优雅地处理“脱轨”

　　与传统软件不同，AI系统的输出往往是开放性的、多路径的，可能出现不稳定或偏离意图的情况。好的设计不是避免这一特性，而是提供适当的“监督轨道”。例如OpenAI通过Temporal支持长流程任务的中断重试，Cursor和V0则引入“执行树”和“回退检查点”，允许用户在AI偏离预期时快速回溯并切换路径，避免“眼睁睁看着它跑错而无能为力”的挫败感。

　　▍让AI显示它在“想什么”

　　虽然底层模型可能是黑盒，但交互逻辑和推理过程应尽可能透明。Perplexity展示了极佳的引用机制，让用户知道信息从何而来；Deepseek展示了多步骤推理路径；Anthropic则在“思路链”可视化上持续推进。这些做法不仅提升用户信任，也帮助他们更好地校准AI输出，从而实现“可控性”与“可解释性”的结合。

　　▍设计是为了监督，而不是操作

　　随着AI越来越具备代理性，用户将从“执行者”转变为“指挥者”。这要求设计围绕“协调多个智能体”展开，而不是传统的按钮加操作流。早期的探索已经出现，比如Perplexity的“后台研究通知”、Codex的多线程进度条提示、Comet的生成式表单交互等。这些都在构建一种新的交互范式：用户不再逐步驱动，而是高层指令+智能反馈的闭环。

　　这些原则仍在演进，但有一点可以肯定：今天就开始围绕这些维度构建产品的团队，将率先打造出更自然、更值得信赖的AI体验。未来的AI产品，不是让人“会用”，而是让人“想用”。

　　05在崛起在AI时代，速度就是一切

　　在AI工具日新月异的时代，变化的速度令人惊叹。正如Cedric所说：“也许在我们讨论结束时，v0就已经不是最好的工具了。”这并不是一句玩笑，而是对当前产品环境最真实的写照。快速变动的生态，正在迫使企业从“构建完美产品”转向“构建快速学习型组织”。

　　从我们与Cedric的对话中，可以提炼出几条在这种环境中脱颖而出的组织特征：

　　允许团队主动尝试新工具，不以技术稳定性作为唯一评估标准；

　　优先推进“先交付再优化”，把学习和反馈速度放在第一位；

　　构建模块化、API驱动的架构，使系统具备快速整合能力；

　　强调“学习速度”与“专业经验”同等重要，鼓励主动适应变化。

　　对于大型企业而言，这种转变尤其重要。Cedric的建议很实际：即使你无法直接影响生产系统，也可以用AI工具快速制作高保真的交互原型，从而赢得组织内部的认可。设计不再只是“设计”，而是推动组织变革的试验田。

　　这种加速是复合性的——设计师能够更快地制作原型，工程师能更快地实现功能，团队能更快地获取用户反馈。整个产品开发周期被压缩，创新密度变得前所未有地高。

　　Cedric的AI设计堆栈，正是这一趋势的缩影：

　　Figma：依然是视觉设计的“真相来源”，用于布局、结构和初步框架，但在处理动态交互、状态管理等方面存在限制。

　　v0/Lovable/Bolt.new：承接Figma输出，支持自然语言定义动态行为。比如通过对话提示即可绘制坐标边界框，实现实时交互逻辑。

　　Cursor/Windsurf：直接在代码层精调样式与交互，比如“设置角半径为16px”、“依次编号每个框”，并生成PR提交给工程团队。

　　Shadcn/Tailwind/UntitledUI/HeroUI等组件库：为AI提供标准组件语义，极大降低幻觉风险。例如，用户可以直接说“使用Shadcn的toast组件”或“应用Tailwind不透明度20”，从而实现一致、可控的代码生成。

本文来源：36氪

文章转载于其他网络，如有侵权请联系我们及时删除