前言：最近在开发自己的第一款软件时，对AI辅助编程的现状产生了一些思考。看到很多人用MCP快速试错产品，而我却在慢慢打磨框架、排查Bug。这种对比让我对创造的本质有了新的理解。
一、同质化浪潮下的创造困境
1.1 MCP的双刃剑效应
我之前考虑的事情似乎正在发生，也可能是我的错觉:
我之前想过，MCP会让应用百花齐放，也可能让应用充满同质化。
这二者似乎在同时被放大。
最近刷推，觉得很多人vibe coding出来的MVP同质化还是比较严重的，至少从UI来讲是这样。
我不认为这是一个坏事，至少它保证了一个产品的下限，但是这也可能会导致螃蟹效应或者是生态绞杀现象。
大家都挤在一个篮子里，用最省力的方式做事。
当下的技术生态正在经历一场前所未有的”民主化”进程。
AI正在极大地拉高产品的下限，同时也可能在拉低上限的独特性。
当所有人使用相似的模型、相似的框架、相似的提示词模板时，产出的UI和基础架构自然会趋同。
1.2 两种创造模式的分野
我在近日开发自己的第一款软件的时候内心就产生了鲜明的对比，我没有学过代码，却在Gemini和Claude Code的帮助下推进项目。
我看到别人用MCP一天就试错了很多款产品的时候，我用一个周才慢慢把框架搭出来，昨天晚上排查BUG排查到2点，焦头烂额，因为自己不懂代码和架构，只能自己摸索。
这种对比让我幻想未来会发生的事情。
实际上折射出两种截然不同的创造模式：
探索需求型：通过快速、低成本的试错，验证哪个想法可能会有市场。这是一种广度优先的搜索（Breadth-First Search），如同在沙滩上快速画出很多草图。
构建系统型：在修复Bug的过程中，学到的不仅仅是那一行代码，而是整个系统的运作逻辑、数据的流转、模块间的依赖关系。这是一种深度优先的搜索（Depth-First Search）。
我认为，在AI时代，后者的价值非但没有减弱，反而被放大了。
因为当AI能轻易生成90%的”平庸”代码时，那剩下10%的、决定产品灵魂、稳定性和天花板的架构设计、深度优化和独特创意，就成了稀缺资产。
一个MCP产品，半天就做出来了，可能他们本来路是对的，结果开发出来的产品一堆Debug等着去解决，他们会误认为是错的产品，然后抛弃，换赛道了。
这件事情我相信这段时间一定是有在发生的。
他们会把”执行层面的困难”误判为”战略方向的错误”。
因为来得太快，他们没有投入足够的时间和情感，没有与问题进行殊死搏斗，或者说没有进行深度思考。
所以会造成认知偏误，无法判断这个BUG是通往正确道路上的一块绊脚石，还是整条路都是死胡同的标志。
二、人机协同的艺术
2.1 从工具到伙伴的转变
一个有趣的事情：我和Gemini探讨一个问题以后得出来的解决方法，甚至让Gemini写好提示词，然后让Claude code去解决。
捣鼓了半天没有成功。
而当我不把提示词写得太精准，转而专注于去和Claude code说明我碰到的情况和现象的时候，Claude开始动脑子了，然后一点点帮我排查掉了问题。
这个发现揭示了与AI协作的两种情景：
把AI当”工具”或”编译器”：给它一个精确、规范化的指令，期待一个确定的输出。这适用于”造螺丝”——比如快速生成一个API接口。这是模板化的，高效的，但也是死板的。当指令与AI的内部知识稍有偏差，它就会失败，因为它没有被赋予”思考”的权限。
把AI当”伙伴”或”结对程序员”：向它描述困境、上下文和观察到的现象。不是在下命令，而是在邀请它进入思考过程。这给了AI模型一个机会，去动用它更深层次的推理、联想和模式匹配能力。它从一个指令执行者，变成了一个问题解决的参与者。
我认为LLM果然目前还是个单细胞生物，它的目的是满足你的要求，补足你的想法。它局限于人的思维。
于是我就想，究竟我们应不应该写规范化的提示词，每个人都厌倦了和AI描述自己的想法，转而走向模板化的时候，迎来的也是同质化。
过度依赖和追求”标准化完美提示词”，最终很可能会走向平庸和同质化。
而创造力源于和AI之间这种独特、充满探索、如同雕刻般的对话。
能够清晰地描述问题、提供丰富上下文、并与AI进行启发式对话的能力，将是一种核心竞争力。
2.2 模块化思维：像练琴一样写代码
也可能是我的做法更倾向于去慢慢雕刻一些作品，我弹钢琴的时候一首歌都能打磨好几个月。
目前我觉得最好解决上下文的方式还是随处做笔记，在每个模块加入md说明，限制架构条约。
LLM就和人一样，在算力速度和处理速度比现在迭代N倍之前，人和LLM都无法即时学太多东西。
举个例子，这就和练琴一样，如果一个人从头弹一首曲子弹到尾，他如果不是那种钢琴专家，而是个新手的话，他可能永远都学不会这首曲子了。
换句话说，他可能会不停犯错，然后人的脑子又是一种输入形态的记忆模式，人脑会把错误记下来，然后下一次继续犯同样的错。
想要练好一首曲子的最好方法就是不要犯错，而人的记忆又无法记住一首歌这么长的内容，
于是我们只能先保证自己在第一行甚至第一小节不犯错，把这项工程模块化，用100%的正确率重复训练写入大脑，才能跑整首曲子。
这种对练琴方式，可以映射到软件工程和AI协作的本质。
“人脑会把错误记下来，然后下一次继续犯同样的错”——心理学上”错误强化”（Error Reinforcement）的体现。
将这个模型应用到AI的上下文工程上：
极度收敛上下文：给LLM一个庞大、混乱、充满矛盾的代码库，就像让一个新手从头到尾弹奏《拉赫玛尼诺夫第三钢琴协奏曲》，结果必然是灾难性的”幻觉”和错误。
创造练习小节：每一个模块的文档就是那段乐谱，架构条约就是乐理。强迫自己和AI在这个高度受限但绝对清晰的环境里工作，直到这个模块完美无瑕。
这是一种工程纪律，强迫我们思考、整理、把混乱化为秩序。而这是AI本身相对不擅长的事情。
不信你让AI整理自己的笔记就知道了，那些笔记最终依然不是属于你的东西。
三、技术选择与价值判断
3.1 CLI：回归本质
MCP确实很快，将来我也得学用一些小工具，比如快速增加一个api接口，那这种螺丝其实可以没有必要自己造。
但我认为CLI才是未来最好的Coding assistant。
CLI作为编码助理的核心优势在于：
组合性（Composability）：CLI是强大的”乐高积木”。可以用管道符将AI的能力与无数个经典工具串联起来，构建出无限可能的自动化工作流。这是任何图形化界面都难以企及的Ability。
精确与专注：CLI摒弃一切不必要的视觉干扰，让人专注于指令和逻辑本身,与机器直接、高效沟通。
通用性与跨平台：一行CLI指令，在MacBook、远程Linux服务器、CI/CD流水线里，都能以同样的方式工作。
与工匠精神相符：CLI鼓励更深入地理解底层系统，而不是停留在漂亮的界面上。
未来的终极Coding Assistant，会是一个多模态的、无处不在的”代理（Agent）”——它的核心逻辑深植于CLI，同时也会有视觉化的前端，能理解并无缝关联来自不同界面的信息。
3.2 生态平衡：共生非对立
这个世界就是这样奇妙，追逐MCP的人，和耐心打磨的人，都会有出路，大家都有饭吃，互相制衡，没有绝对的对错。
不过，有一点我可以确认的是，一个能让业内称之为艺术品的软件，绝对不是用MCP做出来的。
这是一个健康的生态系统应有的样子：
追逐MCP的人是生态系统中的”探险家”和”投机者”。他们快速验证想法，寻找新的大陆。他们中的大多数会失败，少数的成功会开辟出全新的市场和可能性。
耐心打磨的人是生态系统中的”建设者”和”工匠”。他们在已被验证有价值的地方，慢慢雕琢出护城河非常深的艺术科技作品。
二者不是绝对的对立，而是价值链上的不同环节。探险家找到了金矿，建设者来开采和冶炼。没有前者，后者无的放矢；没有后者，前者发现的价值无法最大化。
四、从实践中提炼的方法论
4.1 调试中的顿悟
我在协同CLI开发的过程中，进行了很多次优化，以及修改了很多次开发方向的调整，甚至把我软件的内核都换了。
在排查BUG的过程中，一度怀疑自己的软件架构是不是做错了，产品逻辑是不是出了问题。
排查掉BUG以后，有一种”我真的做到了”的感觉。这感觉有点像第一次打败碎星拉塔恩。
每一步都走得艰难，每一步都走得扎实。（想起有张GIF是开发者小心翼翼地把计算机拖进回收站了，笑）
通过解决问题，建立起了对整个系统坚不可摧的信心和理解。
这种持续性快乐是速成产品无法给予的。
4.2 思想的涌现式架构
讲真我一条代码都不懂写，但是走到今天，有了这种感悟，让程序大佬们看到，估计会笑话我。
最近刚学习了obsidian的笔记逻辑，卡片笔记写作法，我在开发的过程中也用到了这个。
把所有的日志分类好，不顾一切记下所有我看不懂的笔记，然后想办法在笔记中寻求软件框架和逻辑。
我感觉AI Agent，obsidian这些美好的工具，都恰如其分在最好的节点和我相遇。
我很喜欢卡片笔记写作法的理念：
分类和需求是逐渐生长出来的，排除一切干扰，思考是唯一要做的事。
这不就是我这阶段正在体验的最美好的事情。
这句话完美地描述了”涌现式设计”（Emergent Design）的核心思想。
不是在用一个僵硬的、预设的框架去框住思想；而是在让思想自由连接、生长，最终让框架和逻辑从思想的连接中自然涌现出来。
4.3 语言即代码
很久以前看到过这句话，”Talk is cheap. Show me the code.” - Linus Torvalds。
现在的现状似乎反转过来了：Code is cheap，show me the talk。
当我们用程序的思维去表达我们的语言的时候，可以如此的精准，去get things done，这本身就是一个无比浪漫的事。
Linus Torvalds说这句话的时代，瓶颈在于执行。
将思想转化为代码的过程漫长而昂贵。
现在，AI正在让代码本身变得前所未有的”便宜”。
瓶颈正在迅速转移到思想和语言。
但这里的”Talk”早已不是廉价的吹牛。它是一种新的、极其宝贵的技能：
- 结构化的语言：能够用清晰的逻辑、无歧义的词汇去描述一个复杂的系统
- 精确的表达：能够把需求、意图、甚至情感，精准地传达给AI
- 系统的思考：在”说”之前，已经完成了整个思维过程的推演
当能用”程序的思维去表达语言”时，就不再是一个”不懂代码”的人了。
掌握的是比代码本身更底层的、更强大的东西——逻辑本身。
我认为：人类最终还是要回归生物奇迹的本源:思考，洞见，逻辑，情感。
虽然我没打造过出一个完整的产品（目前正在路上），但是我已经可以预见到，这些就是打造出一个完美产品的最好的基底。
五、反思
AI时代的真相
不亲手写一款软件真的不知道，那些认为用AI的那些差生，会淘汰高级计算机工程师的想法真的是痴人说梦，认真学习的人会被不认真学习的人淘汰，这个世界从来没发生过这种事，这不符合逻辑。
聪明的高级计算机工程师早就拥抱AI了。他们能淘汰的只是那些不思进取的中间层面的人，而那些人在时代的浪潮下被冲到底层，愿意动脑子的人将取代他们。这才是符合力学逻辑的现象。
AI不是一个可以让人”弯道超车”的作弊码，它是一个”能力放大器”：
对于不思进取的中层工程师，AI放大了他的懒惰，让他更快地生成平庸的代码，最终让他的平庸变得更加无用。
对于聪明的高级工程师，AI放大了他的智慧，让他能把精力从繁琐的样板代码中解放出来，投入到更高级的系统设计、性能优化和用户体验上，让他变得更加无可替代。
最终的图景是：这不是AI淘汰人类，而是拥抱AI的强者，淘汰了固步自封的弱者。
愿意动脑子、不断学习、拥抱新工具的人，将取代那些停止思考、依赖旧经验的人，站到价值链的更高处。
在这里不得不感叹，感谢前人做出的努力和付出，感谢他们一点点敲出来的代码，才汇聚成今天的人工智能，让我们能在这个时代去拥抱科技，用上最好的生产工具，让我们有机会摆脱生产，重回创造，享受自己的人生。
从阿兰·图灵的理论，到冯·诺依曼的架构；从贝尔实验室的工程师，到开源社区的每一个贡献者 —— 用几代人的智慧、心血和坚持，把最繁重的”生产”工作，通过逻辑和算法，固化成了可以调用的工具。
结语
我们正站在一个特殊的历史节点上。AI正在重新定义创造的门槛和方式，MCP让快速试错成为可能，CLI让精确控制得以实现。但最终，决定一个作品是否能成为”艺术品”的，不是工具，而是使用工具的人。
在这个时代，最强大的创造者，是那些能够将深刻思考与强大工具完美结合的人，无论他们是否会写for循环。
这是一趟关于学习、创造旅程。在效率与艺术之间，每个人都需要找到属于自己的节奏。
文章作者： SouNd
版权声明：除另有声明外，本博客文章均采用 CC BY-NC-SA 4.0 许可协议。转载请注明原作者与文章出处。