AI × 判斷力 × 品味 = 超級軟體

近日，聯合創始人Michael收到一條訊息：“AI + 判斷力 + 品味 = 超級軟體”。但作者很快意識到，加號並不準確——AI並非簡單疊加，而是放大。正確的公式應為：AI × 判斷力 × 品味。

AI是驚人的加速器。作者對其極為看好，因為它徹底改變了從想法到工作軟體的速度。然而，更快的產出並不自動意味著更好的產品。若將AI指向錯誤的問題，它會更快地導向錯誤的結果；若接受第一個合理的輸出，最終只會得到可用卻毫無特色的軟體。但若與良好的判斷力和品味結合，AI能為小團隊提供幾年前無法想象的槓桿。

AI“垃圾”為何容易識別？如今大量軟體被生產出來，因為AI讓看似合理的結果變得極其廉價。初版看起來還行，但使用幾分鐘後，你就會發現缺失了什麼：工作流千篇一律，每個操作顯得同等重要，功能只因易於新增而存在，並非經過深思熟慮。使用者對此已有感覺，他們或許不稱之為AI垃圾，也無法精確描述問題所在，但他們能察覺意圖的缺失。作者認為，良好體驗的標準並未大幅提高，清晰、一致、有用、用心向來重要。變化的是人們接觸到的軟體數量——現在看到更多軟體，比較更多，也更快地識別出那些在構建時沒有人堅持高標準的產品。

判斷力始於為誰服務。對作者而言，超級軟體並非試圖為所有人做所有事的軟體，而是為明確理解的使用者群體構建的軟體。它圍繞使用者的日常工作、問題及思維方式而塑造，因有人花時間理解什麼對他們重要而改善其生活質量。判斷力決定產品為誰而造、哪些問題值得解決、接受哪些取捨、留下什麼。AI可以幫助探索所有這些問題，但最終仍需有人決定哪些客戶對話重要、如何協調衝突需求以及產品應成為什麼。AI可以參與，但團隊首先需要發展並闡明自己的判斷力，否則AI便沒有有意義的東西可處理。

以Vendure為例，他們有意構建了一個高度可定製的電商平臺，使用者可自帶見解，而Vendure的意見則下一層：他們關心開發者如何達成期望結果。在設計系統迭代中，他們發現過去對擴充套件表面限制過少，導致介面混亂。新的設計系統規定：每個檢視只能有一個主要操作。開發者仍有擴充套件點，而儀表盤保留了清晰的層級。作者強調，這一判斷來自超越程式碼的背景：產品經驗、使用者對話以及關於介面行為的明確意見。

品味更難定義，因為它主觀。作者視之為一種性格特質，透過所見、所建、所拒、所學逐漸形成。它體現在視覺層次、行為、語言、一致性、剋制等數百個細節中，也體現在你所持有的基準——不滿足於第一個合理的想法。AI讓第一個可接受的答案几乎免費，因此在那裡止步很誘人。品味表現在持續質疑和改進答案的意願上。品味無法完全收入清單，但其後果可以分享：團隊可將過去的決策轉化為設計原則、預設值、元件API、示例、命名約定和約束。一旦編碼進系統，未來的開發者和代理都能受益。

同樣的思路適用於開發者體驗。代理如今編寫大量程式碼，但人類仍需閱讀、理解、維護並做出自信決策。清晰的API、強約定、好命名、顯式契約和可理解的架構使之成為可能。有趣的是，改善人類DX的東西通常也能改善代理的DX。設計良好的系統歧義更少，代理能生成更好的程式碼、更可靠地導航程式碼庫、更準確地回答問題。

軟體現在有人類和非人類使用者。最佳體驗並非完全相同：人類可能需要清晰的工作流和強視覺層級，代理可能需要可預測的API和顯式邊界。在這兩種情況下，良好的判斷始於理解誰在使用產品並圍繞其需求設計。

作者希望儘可能多地使用AI，同時帶來更多背景、判斷力和品味。其迴圈是：給AI產品背景和約束，而不僅僅是任務；利用AI探索多種可信方法；運用人類判斷選擇正確的取捨；透過批評和迭代應用品味，直到結果達到高標準；將決策編碼進系統，讓未來的人類和代理繼承。

沒有普適的最佳。最佳因使用者群體而異，取決於你選擇為誰服務、接受哪些取捨、相信他們的體驗應如何。隨著AI承擔更多判斷，我們仍需選擇它應遵循哪些意見以及哪些結果值得追求。這正是作者對未來如此樂觀的原因：小而思慮周詳的團隊擁有前所未有的槓桿，能比以往更快地構建卓越軟體。要善用這種槓桿，他們需要深刻理解使用者、持有堅定意見、拒絕僅僅是合理的輸出，並將所學編碼進產品。