共计 1127 个字符，预计需要花费 3 分钟才能阅读完成。
@知乎科技 我希望借助人工智能实现我的创意，然而在实际操作时却发现过程远没有我预想的顺畅。在这一过程中，我意识到存在着一些严重的问题。我设想让 AI 学习我尚不熟悉的技术文档，并根据项目的设计来实现相应的功能，但最后的结果却不尽如人意。例如，我想开发一款 APP 应用，并接入扣子 API 以实现语音通话功能。尽管我从未涉足过 APP 开发或语音通话的实现，但我了解 coze 平台和相关的技术文档。至于选择什么技术栈来开发 APP，我可以请 AI 提供一些建议，最终根据我对场景和用户规模的考量来决定适合的技术栈，并制定项目产品文档，然后将其输入 AI。
然而，实际情况是，前端页面的生成速度较快，但在后端时，我提供给 AI 的扣子技术站网址却无法被正确获取。后来，我不得不将技术网站所需的内容复制到项目中，以便 AI 参考并实现我所需的功能。结果生成的 demo 充斥着各种 bug，最终我还是得回过头去查看技术文档和代码逻辑，相当于又重新学习了一遍。这一过程耗费了我大量的时间和精力，令我深感失去了使用 AI 编程的初衷。通过 AI 编写代码，本应是减少对技术的深度学习，更多地关注于构思所需产品的功能。在此期间，我还尝试了其他方法，例如查阅官方文档中提供的项目案例，让 AI 学习这些案例并生成一个便于新手学习的技术文档。我将这个文档应用于我的项目，希望 AI 能依据其实现相关功能，结果依然是 bugs 满天飞，而在修复这些 bug 时，我不得不反复向 AI 询问，尤其在对一些技术不够熟悉时，还得重新学习相关的技术栈。总之，使用体验并不理想。互联网上宣称 AI 能够独立开发产品的帖子中提到，某些项目只需一周、两周，甚至 48 小时便可完成，这让我不禁好奇：这些真的是完全依赖 AI 吗？如果确实如此，那么是如何实现的呢？
在开发过程中，我还遇到一个问题，如何使 AI 能够将前端和后端有效连接起来，让它们能够良好地沟通。
目前，我比较常用的是 trea，主要使用 cloud3.5/3.7 版本，此外还有 gpt5height 和 gptmin 版本。之前我尝试过 cursor，后来转向 trea 是因为我注意到这些模型的名称相同，只是编译器不同，而 trea 的费用也比 C 便宜。今天我询问了一位朋友，他提到不同的编译器确实存在差异。最佳的体验还是使用 codex 和 Claude code 在终端上操作，但我不太明白，同款模型在不同编译器中的表现差异会有多大？
