AI × 判断力 × 品味 = 超级软件

近日，联合创始人Michael收到一条消息：“AI + 判断力 + 品味 = 超级软件”。但作者很快意识到，加号并不准确——AI并非简单叠加，而是放大。正确的公式应为：AI × 判断力 × 品味。

AI是惊人的加速器。作者对其极为看好，因为它彻底改变了从想法到工作软件的速度。然而，更快的产出并不自动意味着更好的产品。若将AI指向错误的问题，它会更快地导向错误的结果；若接受第一个合理的输出，最终只会得到可用却毫无特色的软件。但若与良好的判断力和品味结合，AI能为小团队提供几年前无法想象的杠杆。

AI“垃圾”为何容易识别？如今大量软件被生产出来，因为AI让看似合理的结果变得极其廉价。初版看起来还行，但使用几分钟后，你就会发现缺失了什么：工作流千篇一律，每个操作显得同等重要，功能只因易于添加而存在，并非经过深思熟虑。用户对此已有感觉，他们或许不称之为AI垃圾，也无法精确描述问题所在，但他们能察觉意图的缺失。作者认为，良好体验的标准并未大幅提高，清晰、一致、有用、用心向来重要。变化的是人们接触到的软件数量——现在看到更多软件，比较更多，也更快地识别出那些在构建时没有人坚持高标准的产品。

判断力始于为谁服务。对作者而言，超级软件并非试图为所有人做所有事的软件，而是为明确理解的用户群体构建的软件。它围绕用户的日常工作、问题及思维方式而塑造，因有人花时间理解什么对他们重要而改善其生活质量。判断力决定产品为谁而造、哪些问题值得解决、接受哪些取舍、留下什么。AI可以帮助探索所有这些问题，但最终仍需有人决定哪些客户对话重要、如何协调冲突需求以及产品应成为什么。AI可以参与，但团队首先需要发展并阐明自己的判断力，否则AI便没有有意义的东西可处理。

以Vendure为例，他们有意构建了一个高度可定制的电商平台，用户可自带见解，而Vendure的意见则下一层：他们关心开发者如何达成期望结果。在设计系统迭代中，他们发现过去对扩展表面限制过少，导致界面混乱。新的设计系统规定：每个视图只能有一个主要操作。开发者仍有扩展点，而仪表盘保留了清晰的层级。作者强调，这一判断来自超越代码的背景：产品经验、用户对话以及关于界面行为的明确意见。

品味更难定义，因为它主观。作者视之为一种性格特质，通过所见、所建、所拒、所学逐渐形成。它体现在视觉层次、行为、语言、一致性、克制等数百个细节中，也体现在你所持有的基准——不满足于第一个合理的想法。AI让第一个可接受的答案几乎免费，因此在那里止步很诱人。品味表现在持续质疑和改进答案的意愿上。品味无法完全收入清单，但其后果可以分享：团队可将过去的决策转化为设计原则、默认值、组件API、示例、命名约定和约束。一旦编码进系统，未来的开发者和代理都能受益。

同样的思路适用于开发者体验。代理如今编写大量代码，但人类仍需阅读、理解、维护并做出自信决策。清晰的API、强约定、好命名、显式契约和可理解的架构使之成为可能。有趣的是，改善人类DX的东西通常也能改善代理的DX。设计良好的系统歧义更少，代理能生成更好的代码、更可靠地导航代码库、更准确地回答问题。

软件现在有人类和非人类用户。最佳体验并非完全相同：人类可能需要清晰的工作流和强视觉层级，代理可能需要可预测的API和显式边界。在这两种情况下，良好的判断始于理解谁在使用产品并围绕其需求设计。

作者希望尽可能多地使用AI，同时带来更多背景、判断力和品味。其循环是：给AI产品背景和约束，而不仅仅是任务；利用AI探索多种可信方法；运用人类判断选择正确的取舍；通过批评和迭代应用品味，直到结果达到高标准；将决策编码进系统，让未来的人类和代理继承。

没有普适的最佳。最佳因用户群体而异，取决于你选择为谁服务、接受哪些取舍、相信他们的体验应如何。随着AI承担更多判断，我们仍需选择它应遵循哪些意见以及哪些结果值得追求。这正是作者对未来如此乐观的原因：小而思虑周详的团队拥有前所未有的杠杆，能比以往更快地构建卓越软件。要善用这种杠杆，他们需要深刻理解用户、持有坚定意见、拒绝仅仅是合理的输出，并将所学编码进产品。