两份 AI 应用上线记录揭示交付难点
文章汇总两份公开开发记录:一名零编程经验者用 AI 构建付费饮食记录应用,另一名独立开发者在上线后遭遇测试遗漏的问题。由此提炼需求边界与真实用户验证等经验,强调生成代码加速后仍需主动控制功能范围。
AI 深度解读
一位自称从没写过代码的日本开发者,靠提示词做出了付费美食记录应用 Ippin Log。另一位独立创始人让 AI 写了 Tilzix 的大部分代码,测试全绿,上线后却被真实用户撞出了七个问题。
Maqron 团队把两份公开开发日志放在一起,归纳出五条经验。对前端和全栈开发者来说,最实用的一条是把验收做到线上:AI 可以很快交出一版修复,用户能否用到它,还得看实际部署和真实输入。
功能出得越快,越需要一句话定范围
Ippin Log 的作者在写第一条提示词前就定下了规则:「记菜品,别记店铺。记口味,别记分数。」之后每张表单、每个图表、每项功能都要能回答同一个问题:它有没有帮助用户记录一道菜和它的味道?
这句话可以直接用来裁需求。AI 很容易顺手生成店铺排行或评分组件,但它们会把使用流程带向另一种产品。把范围写进提示词,也写进功能验收条件,生成再快也有依据决定哪些东西该留下。
作者估计,做页面只占约 40% 的工作量。其余约 60% 包括把 Stripe 切到 live mode 并跑通一笔真实付款、撰写法律页面、决定公开哪些个人信息,以及划定免费和付费范围。AI 参与了其中几乎所有的起草工作,付费边界和信息公开范围由作者拍板。
修完、发布、验证,顺序不能颠倒
Ippin Log 的作者遇到过 AI 在摘要里说修好了,打开已发布应用却看不到修复,也曾多次忘记按 Publish。后来他固定按三个步骤走:修复、发布、到线上复验。
Tilzix 遇到的是同一个问题的后端版本。修复已经写好,但承载它的 AWS Lambda 三周没重新构建,第二天的新用户仍然遇到了旧 bug。对前后端分开部署的应用,只看页面版本或代码合并状态,都可能漏掉真正处理请求的服务。验收时重走一遍出错的用户路径,才能确认修复覆盖了实际运行的链路。
测试全绿之后,真实用户还能发现什么
Tilzix 通过了测试,在创始人手机上也能正常使用。应用会根据网站地址猜品牌的 Instagram 账号。结果,一个使用多段式肯尼亚域名的客户发现,每张幻灯片上都写着 @pos。另一个网站托管在 Railway,推断出的账号成了 @railway。程序可以按预期执行,产品对数据的假设却错了。按创始人的说法,日志里的七个 bug 都不难修,而且都是在真实用户用到时才暴露。
他们连访问量也逐个看。小额广告第一天带来 15 位访客,其中 8 个其实是 Meta 数据中心检查链接的机器人。创始人后来采用的节奏是发布、观察五个真人使用、修复、再来一轮。Ippin Log 的作者也花时间补真实数据,逐条录入了自己吃过的 200 多道菜,让用户打开应用时有真实的本地菜品可看。
我的判断
两份日志最有说服力的地方,是把故障指向了可检查的环节。漏按 Publish 和 AWS Lambda 没重建,适合用部署记录和线上冒烟测试来兜底。把托管平台误认成品牌账号,光补部署检查没用,更直接的做法是允许用户确认或修改推断结果,再把出现过的域名加入回归测试。
约 40% 和 60% 的分配是 Ippin Log 作者对单个项目的估算。观察五个人也只是 Tilzix 创始人采用的工作节奏。原文没有对照数据,无法据此判断 AI 节省了多少总工时,也没给出观察多少用户才足以覆盖主要问题。两份日志能说明的是,真实付款、发布状态和陌生输入都曾影响应用交到用户手里的结果。
能拿来做什么
- 开始让 AI 改页面前,先用一句话写清这个页面要帮用户完成什么,再用它审查生成的字段、图表和交互。
- 修复跨前后端的问题时,发布后用原来的输入重走一次线上路径,并核对处理请求的 AWS Lambda 是否已部署对应构建。
- 当代码需要从网址猜账号之类的外部信息时,把多段式域名和托管平台子域名放进测试,并让用户能修正猜错的结果。
- 早期投放后抽查实际访问,再观察几位真人走完核心流程,把他们遇到的具体问题带进下一轮修复。