在讨论 AI 对软件开发的影响时，很多人关注的是：
- 哪个模型更强
- Prompt 怎么写
- 哪个 AI Coding 工具效率更高
但在实际使用过程中，一个更关键的问题逐渐浮现：
为什么同样使用 AI，有的人效率显著提升，有的人反而更混乱？
这背后的核心差异，并不在工具，而在于：
是否具备“开发方式选择能力”
以及，由此延伸出的：
AI时代的开发超级个体能力模型
一、AI时代开发范式的变化
传统开发的核心在于“实现能力”：
- 代码能力
- 框架理解
- 系统设计
而在 AI 介入之后：
- 实现成本显著下降
- 代码生成速度接近即时
这带来的一个直接变化是：
开发的难点，从“如何实现”，转向“如何决策”
包括：
- 是否需要写代码
- 用什么方式实现
- 是否需要工程化
二、开发超级个体的能力模型（5个核心能力）
1. 体验决策能力（Experience Decision）
AI可以生成UI，但无法替代“选择”。
工程师需要具备：
- 交互合理性判断
- 信息结构设计能力
- 用户路径理解
本质不是设计能力，而是：
对“好体验”的判断能力
2. 需求重构能力（Problem Framing）
传统流程：
接需求 → 实现功能
AI时代更有效的方式是：
重新定义问题 → 再决定是否实现
尤其在不同业务类型下：
ToC 场景：
- 关注体验
- 关注增长
- 关注转化
ToB 场景：
- 关注流程
- 关注ROI
- 关注稳定性
3. 系统编排能力（System Orchestration）
“全栈能力”正在被弱化，取而代之的是：
系统级能力（System Orchestration）
核心在于组合：
- LLM能力
- API服务
- 数据层
- UI层
- 自动化流程
目标不是“写所有代码”，而是：
让系统完整运行
4. 问题拆解能力（Decomposition）
AI的能力边界，本质上取决于输入结构。
- Prompt = 问题拆解
- Agent = 任务拆解
能力越强：
- 输出越稳定
- 可控性越高
5. 快速迭代能力（Iteration Speed）
在开发成本下降后：
- 试错速度成为核心变量
对比：
| 时代 | 关键能力 |
|---|---|
| 传统开发 | 正确性 |
| AI开发 | 迭代速度 |
三、关键能力：开发模式选择（核心分水岭）
在实际工程中，一个更关键的能力是：
选择合适的开发模式
AI时代可以抽象为三种模式：
1. Harness模式（低代码 / 无代码）
定义
通过工具链 + AI 直接完成任务，不关心底层实现。
典型工具
- Zapier
- Make
适用场景
- MVP验证
- 自动化流程
- 一次性任务
判断标准
失败成本是否可接受？
特点
- 开发成本最低
- 可控性较弱
- 不适合复杂系统
2. Vibe Coding（AI + 人类协作）
定义
AI生成代码，人类负责结构判断与校验。
实践方式
- AI生成代码
- 人类进行 Code Review
- 基础测试覆盖
适用场景
- 内部工具
- 中低复杂度系统
- 快速交付需求
特点
- 开发速度快
- 可控性中等
- 技术债风险存在
3. System级 AI Coding（工程化开发）
定义
人类主导架构设计，AI参与实现。
必要组件
- 架构设计
- 单元测试
- 功能测试
- CI/CD流程
适用场景
- 核心业务系统
- ToB系统
- 高稳定性系统
判断标准
系统出错的代价是否高？
四、开发模式选择的决策框架
可以用三个维度快速判断：
1. 失败成本
- 低 → Harness
- 中 → Vibe
- 高 → System
2. 生命周期
- 短 → Harness
- 中 → Vibe
- 长 → System
3. 业务重要性
- 非核心 → Harness / Vibe
- 核心 → System
五、一个典型演进路径（常见误区）
很多项目的发展路径如下：
- Harness 快速验证
- 用户增长
- 系统复杂度提升
- 未升级开发模式
最终导致：
- 可维护性下降
- Bug频发
- 重构成本高
关键问题在于：
没有及时从 Harness / Vibe 升级到 System模式
六、Harness Engineering：AI时代的工程能力升级
进一步抽象，开发者的角色正在变化：
从“写代码”，转向“设计AI工作系统”
核心组成
1. 环境（Environment）
- 项目结构
- 文档
- 上下文
2. 约束（Constraints）
- 类型系统
- lint规则
- schema
3. 反馈（Feedback）
- 单元测试
- 自动测试
- eval机制
对比
| 能力 | 作用 |
|---|---|
| Prompt Engineering | 让AI执行任务 |
| Harness Engineering | 让AI稳定执行 |
七、总结
AI并没有消除工程能力，而是在重构它。
开发者能力从：
- 写代码
- 理解框架
转向：
- 决策能力
- 系统能力
- 约束能力
最终可以归纳为一句话：
AI时代的开发超级个体，本质是“系统构建者 + 决策者”
而不是单纯的代码生产者。
延伸思考
- 你当前的项目，属于哪种开发模式？
- 是否存在“过度工程化”或“工程不足”的问题？
- 是否需要升级开发方式？
