共计 1107 个字符，预计需要花费 3 分钟才能阅读完成。
@知乎科技 我希望利用人工智能将我的创意变为现实，然而在实施的过程中却遇到了许多意想不到的困难。我尝试让 AI 学习我并不熟悉的技术文档，以实现项目设计中的功能，但实际效果远未达到我的预期。例如，我计划开发一款 APP，接入扣子 API 以实现语音通话功能。尽管我以前从未开发过 APP，也没有进行过语音通话的相关工作，但我掌握了 coze 平台及其语音通话的技术文档。至于 APP 所需的技术栈，我希望 AI 能给出一些建议以供我选择。最后，在考虑到场景和用户规模后，我确定了技术栈，并制定了产品文档，接着将其交给 AI 处理。理想中，前端页面的生成应该迅速，但在后端部分，我提供了扣子技术站的网址，结果却无法成功获取信息。于是，我不得不将所需内容直接复制到项目中，让 AI 参考，但最终生成的 demo 充满了 bug。此后，我又不得不重新查阅技术文档和代码逻辑，仿佛自己又学习了一遍。这样的经历让我感到，使用 AI 编写代码的初衷被扭曲了，理应是减少对技术的深入学习，而专注于构思产品功能。此后，我尝试了其他方法，例如利用官方文档中的项目案例，让 AI 学习并生成一个可以供新人参考的技术文档。尽管如此，结果依旧是满是 bug，修复过程中我还得频繁向 AI 询问，很多时候因为对技术不够熟悉而不得不再学习。这一切让我感到失望，实际上并没有如宣传所言那样简单。那些关于 AI 独立开发产品、声称一周、两周甚至 48 小时完成的帖子让我感到好奇，真的全程依赖 AI 吗？如果真是如此，又是如何做到的呢？
在开发的过程中，我还碰到一个难题：如何让 AI 实现前后端的无缝连接，使两者能够顺利对接。
目前，我主要使用的是 trea，搭配 cloud3.5/3.7 版本，另有 gpt5height 和 gptmin 版本。之前我尝试过 cursor，后来转向 trea 是因为发现它们的模型名称相同，只有编译器不同，并且 trea 的费用还低于 C 版。今天询问一位朋友，他提到不同编译器之间确实存在差异。最理想的体验仍然是使用 codex 和 Claude code 在终端运行，但我心中有疑问，同款模型在不同编译器下的表现是否真的有显著差异呢？
对于那些所谓的赚钱短视频，看看就好。认真对待的话，你会发现大部分内容都需要自己亲自摸索。人们的目的只是为了让你交学费，而你却在做复杂的工作。
