我姐姐是一名老师,有将近200个学生。
她每天要在好几个微信群里收集家长发来的作业图片,一张一张保存,再一个一个核对谁还没交。收完之后,在手机相册里批改,改好了,再把结果发给对应的家长。
我光是想想就觉得头大。将近200个学生,作业、图片、家长,要一个个对应起来,本身就是一件很繁琐、也很容易出错的事。
所以她一直跟我说,想让我给她做一个系统,让学生交作业、她批改作业都能简单一点。
前段时间,我去了我姐家,又聊到了这个事。我就一边和她聊天,一边把需求记下来。也是因为好久没见了,我们聊了很多东西,一直聊到将近凌晨2点。
最后,我把记下来的需求整理好,提交给了AI,让它自己实现、自己验收,再给我生成一份完整的验证报告。
第二天醒来的时候,AI已经把系统写出来了。
系统分成老师管理后台和家长端。老师可以管理班级、邀请家长、布置作业和批改作业;家长注册后,可以添加孩子、提交作业,再根据批改结果完成订正。我大致看了看,功能基本是可用的。
又过了一周,到了周末,我花了2个小时,把系统部署到了线上。我姐当天就开始用了。
后面又陆续加上了AI辅助批改、录制视频上传分享,还把老师后台适配了手机端。我姐说,这样就可以随时随地批改作业了。
用了大概两周了,她跟我反馈说,真的太方便了,省了好多时间和精力,家长的反馈也很好。
我们还聊到,后面可以再做深入一点。既然已经有了AI辅助批改,那是不是也可以把孩子的作业完成情况、错题类型、卷面习惯整理出来,再根据每个孩子的情况做一些专题训练?
这些还只是想法,但现在至少收作业、核对、批改、反馈这一套流程,已经不用她在微信群和手机相册里来回折腾了。
如果放在以前,我姐让我做这个系统,我真的会有点为难。
它倒不是有多难,但班级、学生、家长、作业、批改,每一块都得做。靠自己一个字母一个字母地敲出来,估计怎么也得小一个月。工作之外,再挤出这么多时间,确实不容易。
而现在,有AI帮忙,从整理需求到部署、调整,前后投入的时间大概也就两三天。
一晚上写出初版,和把系统上线给人用,当然还是有区别的。但即便把后面的时间算进去,这件事也已经变得容易了很多。以前可能一直拖着没做的东西,现在真的能做出来,还能根据我姐使用中的反馈继续改。
其实不只是这个作业系统。
过去半年,我把自己以往想做的各类系统,差不多都做完了,大概有十几个,用来支持自己的工作、学习等。
过去这十年,我每天工作十几个小时,经常忙到凌晨两三点。结果想做的东西越来越多,积压着没写的代码也越来越多。
但是最近,我有时候竟然不知道还要写什么了。
周六日都有时间去买菜、做饭了,而且最近还迷上了做饭。一边做饭一边想事情,饭做好了,事情也想清楚了。把思路发给AI,让它自己干活、自己验收,我再看结果。
以前总觉得时间不够用,脑子里有很多想法,但手上做不过来。现在至少在做系统这件事上,我不用再一直被写代码的速度卡着了。
从我姐这个系统往外想,我觉得以后这样服务于个人、小团队或者小公司的“小系统”会越来越多。
有些需求,可能就是一个老师每天收作业时遇到的麻烦。事情很具体,使用的人也不多,但每天都要做,靠人一遍一遍核对,确实很费精力。
以前,专门找人做一套系统,时间和成本都不一定合适。现在开发的门槛降下来了,这些原来只能靠人力堆的事情,就有机会慢慢交给系统、交给AI去处理。
AI对程序员这个行业的改变已经很大了,这种变化也会顺着我们做出来的系统,影响到其他行业。而且,做这些系统的人,也不一定都是程序员。
不过,这里还是得说一句:能让AI做出一个可以运行、可以使用的系统,和把它长期放在公网上运行,之间还有一些事情要处理。
尤其是系统里有数据的时候,数据会不会泄露、有没有备份,出了问题怎么查,这些都需要关心。编程仍然是一件有工程化要求的事,不能因为页面能打开、功能能点,就觉得所有的事情都解决了。
当然,这部分专业的工作,往后也会有越来越多的平台帮大家处理。像妙搭、灵码这类做应用的平台,就是来解决这些问题的。甚至微信新上线的小微AI,也支持做自定义的应用了,不过它目前只支持做个人工具给自己使用,还不支持分享给其他人使用。
我们在公司其实也在做类似的事情。
把域名、部署、数据库、备份、日志这些工程问题都封装起来,让业务同学只需要描述需求,就能自己完成一个系统的开发和上线。
我现在越来越觉得,AI带来的变化,也许不只是让原来的工作做得更快。它会让很多以前因为太麻烦、太贵、太耗时间,所以一直没人解决的小问题,第一次变得值得解决。
对我姐这个事情来说,这个变化没那么宏大。
就是以后收作业的时候,她不用再守着几个微信群,一张一张地存图片了而已。
但可能真正的变革,本来就是这样一点点发生的。
最后,祝好。
非著名程序员,全栈开发工程师,长期专注系统开发与架构设计。
功能待开通!
AI Coding 时代最大的护城河,不是模型,不是 Agent,也不是工作流。 而是知识库。 这是我折腾了一整年 AI Coding,到最后才慢慢看明白的事。 可一开始,我和大多数人一样,劲儿全使在另一个地方——工作流。 怎么把写 PRD、出方案、写代码、生成测试串成一条链路,让 AI 一步步往下跑。 工作流跑通了,下一个问题马上冒出来—— AI 跑这些命令的时候,到底读什么? 光给它代码,不够。 于是所有人又一窝蜂去搞知识库。研发在搞,产品在搞,业务也在搞。 可搞着搞着我发现一件事:几乎没人能说清,知识库到底该是什么。 先说说,知识库不该是什么 很多人理解的知识库,是"把代码翻
最近 Loop Engineering 在持续刷屏。 公众号在刷,各种群里在讨论,我也看了好几篇文章。 每篇都有道理——五个组件、目标定义、古德哈特定律,逻辑很清晰,我都信了。 但看完之后有点空。 我的工作流该怎么 Loop 化?从哪起手?搭出来以后长什么样? 没一篇说清楚。 所以想聊聊我自己的理解,以及我们实际在做的事——我们团队搭了个叫 Talos 的系统,算是目前我见过最接近"生产级 Loop Engineering"的垂类实践。 Loop 其实只有两种形态 在我看来,Loop Engineering 这件事,放长了看只有两个终点。 第一个是通用智能 AI。 它足够强
去年开始,团队里每个人都用上 AI 写代码了。 按理说,效率该起飞了。 可折腾了大半年,我才慢慢看清:每个人都明显变强了,但团队的合力却没跟着强起来。 会用 AI 的人,效率飞涨。 用得浅的人,被甩在后面。 几十个开发,几十套打法——各自的 prompt 习惯、各自的提示词、各自摸索出的一套方法。 这本来不是坏事。 坏就坏在,大家的产出开始对不上了。 同一个功能,不同人让 AI 写出来的代码,风格能差出十万八千里。 某个同事摸到一个好用的技巧,群里截图一发,热闹两句,然后就沉底了。 下一个新人进来,还是从零开始踩。 文档呢?散在各个服务的 README 里,或者干脆躺在某个人的电脑里。 遇到跨
前面几篇,聊了团队怎么搭 AI 工作流、怎么建知识库。 今天聊聊 AI 在 PRD 编写和质量保障上,我们做了些什么。 其实这块从一开始就在工作流里。只是在开始的MVP版本里,核心全压在开发环节。 等大家真用起来,一个问题立马浮出水面: PRD 质量一般,工作流出来的技术方案,质量自然也上不去。 道理特别朴素:垃圾进,垃圾出。 源头的 PRD 含糊,后面 AI 再能干,也只是替你把这份含糊"发扬光大"。 所以我决定还是要治理一下这个源头。 第一步:先给 PRD 做个体检 我做的第一件事,是一个 PRD 质量检测 skill。 注意,它不碰业务逻辑,只做"规范层&q
最近这几天,我又开始焦虑了。 原因是,我突然意识到一件事。 已经有一阵子,没人反馈 Zeus 的问题了。 Zeus 是我们团队做的一套 AI Coding 工具体系。 说白了,就是想让 AI 把"写代码"这件事,从头到尾接过去。 用了两个多月,大家从一开始的别扭、吐槽、不信任,慢慢变成了—— 用得挺顺。 顺到,没人抱怨了。 按理说,这是天大的好事。 可那一刻,我心里咯噔一下。 因为"没人提问题",有两种可能:一种是真的没问题了,另一种是,大家已经看不见问题了。 我估计,是后者。 浮在水面上的,是看得见的成绩 这半年,团队是真的变样了。 Zeus、Zeus