如何用 AI 编程工具帮助更多普通人释放创造力？分享我基于真实经历的思考

最近半年来，我一直对于 AI 编程很感兴趣。我尝试了不同的工具、不同的模型。无论是工作中，还是业余的独立开发项目，我都不断借助项目来学习 AI 编程，探索 AI 编程的最佳实践与功能边界。

很长的一段时间里，无论是我自己还是身边的程序员伙伴们，都只是把 AI 编程工具作为一个提高开发效率的手段。「用 AI 帮助你提升 10 倍的开发效率」，这个口号屡见不鲜。AI 是能力放大器，AI 可以把有经验的程序员的能力放大数倍，至于不会编程的普通人，本来就没有编程能力，也就无从放大。

不过，最近的一件事情改变了我的看法。我对 AI 编程的的看法也开始从「效率提升」向「创造力提升」转变。

我把与产品经理的沟通效率提升了 300%

作为一个程序员，我在工作中自然需要大量与产品经理打交道。这个故事的主人公，是我在工作中合作的产品经理，让我们叫她 Emily。

和很多典型的产品经理一样，Emily 不懂编程，但是她可以负责准备定义产品需求和功能，告诉程序员们该把产品做成什么样子。

在平时的需求开发过程中，Emily 经常需要做一个很麻烦的事情：她脑海里构思好产品功能后，需要通过原型图（产品截图 + PS + 文字描述）的方式表达出来，再交给 UI 设计师产出视觉稿。而这个沟通的过程，无论是画图还是文字、口头交流，都非常的费时费力。

这一天，我有一个新的产品功能 idea，希望与 Emily 沟通。这时，我同样遇到了这件麻烦事：如何把我的想法清晰准确地传递给 Emily。

我突发奇想，选择了一个 AI 编程工具帮助我画原型图。

这个工具叫做 v0，熟悉它的人应该知道，这是一个写前端代码的工具。我知道这个工具，是因为我在独立开发项目中使用过它。但这一次，我的目的并不是给我的项目写前端，而是利用前端代码画出一个产品原型图。

我在 v0 输入了一段描述需求的 Prompt，它很快生成了第一版效果图。随后我又做了一些小的调整，只用了 20 分钟，我就把原型图做好并发给了 Emily。Emily 看到图片，果然瞬间明白了我的想法。

我知道，如果没有这张效果图，我们俩空口讨论的话，至少需要花上一个小时的时间。这样一来，我一下子提升了 300% 的工作效率！

而这一切，仅仅只需要输入几句简单的 Prompt。

以下的视频，展示了 v0 的使用过程（公司实际业务信息已隐去，只展示示例流程）：

从技术到非技术的桥梁

起初，我只是因为自己的「见多识广」而沾沾自喜，Emily 也因为收获了一个好用的工具而夸赞我。直到这个月的某一天，我改变了自己的看法。

我从 4 月份开始陆陆续续在一些社交平台分享自己关于 AI 编程、独立开发、AI Agent 的一些心得和经验。写这些东西，一方面是实践费曼学习法，另一方面也是想发挥自己的优势：把一个知识清晰易懂地给人讲明白。

随着 AI 编程工具能力不断增强，不会编程的普通人也可以写一些简单的小项目了。我开始思考能否通过讲解让普通人也能够掌握 AI 编程。这个时候，我突然意识到，Emily 就是那个我第一个教会的「普通人」。

这是一个很割裂的世界。一方面，AI 编程工具蓬勃发展，帮助无数技术人解放了双手，节约了时间。另一方面，也许有无数个 Emily 在等待着有一个 AI 工具能提升他们的工作效率。这并不是 Emily 们固步自封，只是他们不知道如何找到适合自己的工具。大部分的 AI 产品还没有沉淀出真正好的生态、对人友好的使用方式，把大批量的用户挡在门外。

这个时候，就需要有人充当技术与非技术之间的桥梁，把 AI 编程工具的能力利用起来，帮助非技术人员更高效地表达和实现他们的想法。我的「把事情讲清楚」的优势在这中间也许可以发挥更多的作用。在接下来，我需要去挖掘更多的案例，思考非技术人员的提效之道。

挖掘 AI 编程的无穷潜力

2025 年被称为是 AI Agent 的元年。在这一波 AI Agent 浪潮中，AI 编程是其中最大的一个浪头。

这并不是巧合，而是由 LLM 的特点所决定的。当前 LLM 的训练能力依赖强化学习（RL）来做拔高。强化学习因为迭代的轮次极多，所以非常需要明确可量化的奖励反馈手段。像数学推理、编程这种有客观标准的任务就自然容易训练。LLM 擅长编程，也自然推动了 AI 编程产品的流行。

于是，AI Agent 在编程这样一个相对技术型的领域取得了巨大的发展，这导致了一个有意思的现象：AI 编程的潜力其实远远没有发挥出来。

第一，AI 编程作为技术型领域，推广普及非常受限。

目前来说，AI 编程只是在各种开发者的圈子里流行。普通人很难有兴趣去了解这种「一看就比较专业」的东西。于是，即使 v0 这样的工具已经可以做到让普通人无门槛使用（不需要任何编程能力），还是有大量的人没听说过这样的工具，不知道在他们的工作流程中可以使用。

这也是 AI 编程的名气远远不如 AI 绘画的名气大的原因：人们很容易想到 AI 绘画能帮助自己做什么事情，但是对于 AI 编程能做的事情一无所知。

第二，编程本身是一件极富创造性的事情。它不仅是程序员的工作内容，还能够作为很多人实现各种想法的手段。

例如在 Emily 的例子中，当她使用 v0 来生成前端代码，但她的目的并不是写代码，而是利用前端代码画出自己想要的原型图。在这个过程中，写代码是手段，画原型图是目的。

我们可以很容易想象出更多类似的场景：创业者用 AI 生成产品原型、营销人员用 AI 生成活动提案、老师用 AI 为学生做一个互动练习工具……写代码都是一种手段，而高效完成工作、快速产出创意才是目的。

结合这两点，我们可以得出一个惊人的结论：AI 编程的创造力可以帮助无数领域的人，但是它现在还不为大多数人所知。这意味着 AI 编程还有无穷的潜力等待挖掘。

现在大部分的 AI 编程产品，还在忙着推出新功能、追求 ARR，而忽视了如何把产品能力普惠给更多人。AI 编程的能力还在进步，但它的巨大潜力，不知道要到什么时候才能释放出来。

从技术能力向解决问题能力的转变

这段时间，随着 AI 编程的能力越来越强大。「程序员会被 AI 取代」的说法甚嚣尘上。不过我却认为，程序员真正的危机，并不是被 AI 取代，而是解决问题能力的缺失。

像以往的诸多技术浪潮一样，生成式 AI 在消灭了一部分技术岗位的同时，还会创造一批新的技术岗位。当前程序员的工作不好找，主要还是因为经济形势下滑导致的需求减少，同时 AI 时代的很多新的需求还没有产生。程序员作为一个有技术壁垒的工种，并没有那么容易被替代。

然而，程序员群体真正的职业发展危机，其实与 AI 无关，而是在一个顽固而隐秘的思维方式中：过分追求自己的技术能力，而不是解决问题的能力。

「我会 Java 语言」「我有 CUDA 底层经验」「我是做 AI Infra 的」，太多的人找工作是这样的一种思路。诚然，这是现在互联网公司招聘的常态，公司需要一批批的螺丝钉，因此工程师们被迫专精某项技术来证明自己的能力。甚至在面对 AI 威胁论的时候，很多人的第一反应是：寻找 AI 不擅长的小众技术栈。但是当环境变化，某个技术不再有用武之地的时候，依靠技术来找工作的程序员就很难说出自己的长处。

「我能把模糊的业务需求拆解成可落地的功能」「我能把复杂的工具包装成易用的产品」「我能在资源有限的情况下最快把系统跑起来」，这才是解决问题的能力，也是帮助程序员穿越周期的真正能力。可惜的是，互联网公司根本不看重这些，于是程序员们越来越懒于修炼这些能力。

这也是 Emily 的故事给我的最大启发，当唯技术论甚嚣尘上，如何寻找修炼自己解决问题能力的路径？

「跨界赋能者」也许是一种思路。AI 编程工具的潜力尚未被充分挖掘，这完全是技术人的优势领域，利用自己对 AI、对编程的了解，帮助更多的人打造新的工作流程，创造新的生产力。这既是帮助他人的高尚行为，也是锻炼解决问题能力的绝佳机会。

当思路不局限于技术本身，而是将编程作为手段和工具，发挥想象力，撬动技术的杠杆，我将可以创造出更大的价值。