2026.01.11
用z.ai进行了贪吃蛇游戏应用的开发
对话编程能做什么不能做什么
更擅长“小而清晰”的应用
- 范围清晰：一页网页、一个简单内部工具、一个小玩法
- 结果可见：能立即在浏览器中验证是否按预期工作
- 纠错直接：发现问题后，可以在后续对话中点明具体现象并要求修正（通过复制错误直接粘贴，或者截图粘贴的形式让 AI 进行修改）
在这个边界内，你可以把对话式 AI 看作一位执行力不错的“辅助开发者”。你只需在每一轮用自然语言细化和修正需求，就能快速得到可用的原型。
大型项目需要“流程视角”
一旦超出小而清晰的范围，只指望靠几轮对话让 AI 端到端完成复杂系统，很快就会遇到上限。大型项目往往要接后端、连数据库、整合第三方服务，还牵涉权限、安全、并发和大量业务规则，目标是交付一整套与现有业务深度打通的系统，而不是一页网页。
在这种情况下，更合理的做法不是把所有需求一股脑丢给 AI，而是先梳理出清晰的整体流程：关键步骤是什么、每一步的输入输出和状态变化是什么、哪些节点对性能和安全最敏感。再基于这张流程图，把相对独立的环节拆分出来，交给对话式 AI 生成接口、模块、脚本和测试。
以目前的能力来看，AI 更擅长加速一个个小步骤，由你（或你的团队）来决定怎么拆步骤、如何串联，并负责最终的架构设计、系统集成和运维。
能写和能用的区别
咋一看，AI 好像什么都能写，但这些东西到底能不能用，能用到什么程度，我们该如何划分？
一个可参考的经验是：
- 原型 / Demo / 内部自用工具：非常适合先交给 AI 打第一版，再由你迭代细节。
- 面向真实用户的大型产品：通常需要工程师在架构、抽象、性能和维护上长期投入。
- 强安全 / 强合规系统（如支付、风控、医疗等）：在当前阶段，不宜“生成完就直接上线”，必须引入严格的审查与测试流程。
📎 参考文章
- 一些引用
- 引用文章
有关Notion安装或者使用上的问题，欢迎您在底部评论区留言，一起交流~
Loading...
