共计 2706 个字符，预计需要花费 7 分钟才能阅读完成。
人工智能技术的迅猛进展使得AI编程成为了一个备受关注的话题。从最初作为辅助工具到现在逐渐成为核心工作力量，AI编程工具的革新速度令人瞩目。本文将分析AI编程工具的现状和未来潜力，探讨其对新手的适用性，以及对产品研发人员所带来的挑战与机遇。
AI正在不断打破业务与技术之间的壁垒。
01
在人工智能飞速发展的这些年里，有一个持续升温的话题：AI最有可能首当其冲替代哪些工作呢？
互联网行业，真的要警惕了。
虽然这个领域的各个岗位看似隔绝，但无论是专业技能还是协作流程，都像是自动化的生产线，其中研发岗位尤为突出，例如软件开发、质量测试和视觉设计等。
起初，我对这一观点持怀疑态度，尤其是在大模型刚刚兴起的那1-2年内，AI并未显示出能够替代大量人力的能力，许多讨论似乎只是为了吸引眼球。
即便在2024年，质疑的声音依旧存在，但许多AI应用却悄然成为了主流。
在绘图和编程两个领域，尤其明显。从2024年上半年的实际使用情况来看，它们仍然只是起到辅助的作用，但进入下半年及今年，
许多AI工具开始逐渐成为工作的重要组成部分。
尤其是在DeepSeek大获成功后，很多AI应用的开发又重新焕发了活力，原因在于一系列易用的模型产品的出现。
2024年的质疑声中，有一种观点是：AI行业缺乏重磅产品。
根据传统互联网的经验，只有推出优质产品才能持久吸引和留住用户，但在25年前，大模型普遍处于可用阶段，那些表面产品往往难以实用。
大模型的能力是直接影响AI产品上限的关键。
许多AI产品在接入DeepSeek之后，让用户意识到优质模型的真正价值，能够轻松解决许多复杂问题，通过细致的提示词理解和多轮对话实现需求的迭代。
对用户而言，选择哪个好用的工具使用就是首要考虑。
02
自我进入职场以来，在产品研发部门工作近十年，见证了行业内的竞争演变过程。
其中一个显著的转折点是低代码产品的兴起。
引入低代码平台后，确实在业务上实现了降本增效，但同时增加了技术管理的复杂性，初期难免遭遇诸多质疑。
从降低成本和提高效率的角度来看，使用年费几千元的产品可以迅速解决多个业务流程，相较于自主研发的系统投入几乎微不足道。
全栈工程师这个职位大概就是从这一时刻开始流行的。
尽管互联网行业竞争激烈，但在AI爆发之前，至少产品技术和设计仍有所区分。而随着AI的快速发展，现在的分界已逐渐变得模糊，似乎只分为业务和技术两大类。
最近，产品和技术之间开始频繁试探对方的底线。
在使用AI工具时，通过导入产品草图可以快速生成应用，并通过简单的提示词进行持续优化，虽然未必能达到完美效果，但能达到7-8成的效果已属不易。
提示词的核心在于：需求描述，指出问题所在，以及优化建议。
03 在众多人工智能应用中，AI编程的热度依然高涨。
2024年我接触过Cursor编辑器，当时的体验感觉还有待提升，而在2025年DeepSeek刚火的时候，系统测试主流大模型的编程能力依旧令人失望。
AI辅助编程虽然可以实现，但仍无法达到游刃有余的程度。
例如一些热门的自媒体文案：代码小白利用Cursor在短短几小时内便能快速开发出一款产品，该产品上架后吸引了多少注册用户。大家或许更关心Cursor的能力，而非产品本身。
如果是静态网页，这种说法无可挑剔，但若涉及前后端交互的应用，短时间内是绝对无法实现的。
对于新手而言，搭建软件开发环境和数据库，可能会让他们失去大部分探索的兴趣。
近期在见识到DeepSeekV3模型的编程能力后，不仅对AI的迭代速度感到惊讶，也发现AI编程工具确实已经变得更加实用。
提示词示例：使用前端语言编写一款1990年的坦克大战小游戏，要求高度还原经典的用户界面设计风格和基本玩法。
不借助同类产品的衬托，其效果虽不算惊艳，但简单实现了游戏的视觉效果和基本规则，代码写了近千行却顺利运行。
懂得编程的人都明白：代码行数少出错是奇迹，反之则更为罕见。
提示词示例：以3:4比例，使用HTML制作一个Web页面，设计出科技类目风格的爆款笔记封面图。
在二月份的DeepSeekR1测试中，我们发现当时只实现了静态页面，无法动态更新封面内容。然而，随着V3版本的推出，这款工具已经具备了相当的功能，呈现出良好的效果。
提示词：利用HTML构建一个大模型信息采集系统，包含增、删、改、查等基本功能，界面设计应简约大方。
页面的设计非常合理，信息管理字段也兼顾了时间和单选等组件。若能将页面中的增删改查功能与数据存储连接起来，那么它就可以算作一个基础的功能模块了。
在多个复杂场景的测试中，经过多次调整提示词，经过6到7轮对话，也基本满足了需求。
从提示词的例子中，我们可以看出，DeepSeekV3模型的编程能力已经相当出色。无论是在理解业务需求还是在程序算法逻辑方面，都能够达到及格的标准。
既然模型的能力有所提升，那么相关的AI工具也值得进一步尝试。
04
最近我同时体验了Cursor和Trae这两款AI编程工具。显然，Cursor在某些方面更具优势，但在Trae工具中使用DeepSeekV3模型的效果也同样令人满意。
整体来看，这主要考验的是模型对需求的理解能力。
从工具自身的角度来看，关键在于需求理解后的流程管理水平。例如，实施需求时，需要拆分多少个执行步骤，哪些可以通过工具处理，哪些又必须由用户手动完成。
只需几个简单的步骤，就能实现需求的自动化。
在测试过程中，基于几张简单的产品原型，半天的时间内便能快速完成小程序的开发，无论是页面视觉还是程序逻辑，都能够通过对话迅速进行修改。虽然偶尔会出现一些偏差，但整体的稳定性仍然令人满意。
对于那些尚未接触过产品研发的小白来说，使用上可能会有一定的门槛；然而对于软件研发的内部人员而言，这无疑是提升效率的强大工具。
与此同时，这也引发了一个新问题：加剧了产品和技术之间的竞争。
今年，对于产品研发人员而言，无论是在招聘需求还是独立开发者圈子里，最热门的话题标签依旧是AI技能。似乎擅长使用各类大模型的人就等同于拥有一个卓越的团队。
在当前内卷现象严重的情况下，这既是互联网从业者的挑战，也是一次难得的机遇。
作者：半问 ，公众号：半问
本文由 @半问 原创发布于人人都是产品经理。未经作者许可，禁止转载
题图来自Unsplash，基于CC0协议
该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务
