這個(gè)程序員用AI寫代碼省了3個(gè)月，卻栽在1個(gè)細(xì)節(jié)上

2024年，一個(gè)從沒寫過一行前端代碼的產(chǎn)品經(jīng)理，用6周時(shí)間搭完了一個(gè)完整的禮物推薦網(wǎng)站。不是外包，不是招實(shí)習(xí)生，是靠AI生成代碼——也就是圈內(nèi)現(xiàn)在說的"氛圍編程"（Vibe-coding）。

Gift Peach的創(chuàng)始人后來復(fù)盤：省下的時(shí)間夠?qū)?00篇技術(shù)博客，但踩的坑也夠喝一壺的。他的經(jīng)歷像一面鏡子，照出了AI編程熱潮里那些沒人愿意細(xì)說的真相。

從"現(xiàn)金塞賀卡"到AI禮物管家

創(chuàng)始人坦承自己來自一個(gè)"非禮物家庭"。生日、節(jié)假日，標(biāo)準(zhǔn)流程是現(xiàn)金塞進(jìn)賀卡，講究點(diǎn)的寫張支票。直到結(jié)婚進(jìn)入妻子家，才發(fā)現(xiàn)世界上有人能把送禮變成精準(zhǔn)打擊——拆開包裝那一刻，你會(huì)想"這東西存在嗎？你怎么知道我需要？"

送禮是門手藝，大多數(shù)人沒學(xué)過。

這個(gè)認(rèn)知缺口成了Gift Peach的起點(diǎn)。但關(guān)鍵決策是：不做市場調(diào)研，不做競品分析，先解決自己真有的問題。創(chuàng)始人想提升送禮水平，唯一的辦法是試錯(cuò)。AI工具的出現(xiàn)，讓他意識(shí)到可以把這套試錯(cuò)經(jīng)驗(yàn)產(chǎn)品化。

這個(gè)選擇后來證明是對的。有真實(shí)場景的人做產(chǎn)品，講故事和做功能都更順手。

商業(yè)模式做減法：砍掉80%的幻想

早期Gift Peach差點(diǎn)變成四不像。創(chuàng)始人的清單越列越長：聯(lián)盟營銷市場、AI推薦引擎、社交功能、用戶UGC內(nèi)容、訂閱制高級(jí)版、企業(yè)禮品方案……

每個(gè)想法單獨(dú)看都合理，拼在一起就是災(zāi)難。

轉(zhuǎn)折點(diǎn)來自一個(gè)粗暴的測試：把網(wǎng)站發(fā)給20個(gè)朋友，觀察他們實(shí)際怎么用。結(jié)果發(fā)現(xiàn)沒人關(guān)心社交功能，沒人愿意寫禮物評價(jià)，企業(yè)方案更是想多了——大家只想快速找到"送媽媽什么好"的答案。

最終砍到只剩一個(gè)核心：AI對話式推薦，按成交抽傭。

這個(gè)決策讓代碼量減少60%，上線速度翻倍。創(chuàng)始人后來總結(jié)：AI編程最大的陷阱，是讓你誤以為做功能很便宜，于是忍不住做很多。實(shí)際上維護(hù)成本、用戶體驗(yàn)復(fù)雜度、后期迭代債務(wù)，一樣都不會(huì)少。

AI寫代碼的3個(gè)隱藏成本

Gift Peach的技術(shù)棧選的是Next.js（React框架）加Vercel部署，AI主力用Claude 3.5 Sonnet。創(chuàng)始人記錄了幾組真實(shí)數(shù)據(jù)：

第一，生成代碼只占工作量的40%。剩下的60%是調(diào)試、測試、修邊界情況。AI寫的表單驗(yàn)證看起來完美，遇到特殊字符就崩；生成的支付流程能跑通，但錯(cuò)誤提示文案全是機(jī)器腔，得人工重寫。

第二，技術(shù)債來得更快。AI傾向于用最新最炫的方案，不管你的團(tuán)隊(duì)能不能維護(hù)。Gift Peach早期代碼里有大量實(shí)驗(yàn)性API調(diào)用，三個(gè)月后兩個(gè)接口廢棄，重構(gòu)花了整整一周。

第三，也是最容易被低估的：AI不會(huì)替你背鍋。

用戶不會(huì)關(guān)心你的代碼是不是AI寫的，出問題只會(huì)罵產(chǎn)品垃圾。創(chuàng)始人提到一個(gè)細(xì)節(jié)：上線第一周，推薦算法把"送女友"和"送媽媽"的禮物池搞混了，客服收到十幾條憤怒私信。查代碼發(fā)現(xiàn)是AI生成的分類標(biāo)簽有歧義——"女性用品"這個(gè)分類被同時(shí)掛在兩個(gè)場景下。

這類問題AI檢測不出來，只有懂業(yè)務(wù)的人能發(fā)現(xiàn)。

那些AI教不會(huì)的事

Gift Peach上線三個(gè)月后，日活穩(wěn)定在幾百人，轉(zhuǎn)化率比行業(yè)均值高出一截。創(chuàng)始人把成績歸因于一件事：他比AI更懂"送禮焦慮"長什么樣。

產(chǎn)品里有個(gè)小功能——推薦結(jié)果頁會(huì)顯示"為什么選這個(gè)"。不是算法解釋，是創(chuàng)始人自己寫的短文案，比如"這款香薰的調(diào)香師是你媽喜歡的那個(gè)牌子的前首席"。

AI能生成一萬條推薦理由，但寫不出這種帶人情味的細(xì)節(jié)。

另一個(gè)例子是容錯(cuò)設(shè)計(jì)。用戶輸入"我男朋友喜歡打游戲"，AI推薦引擎默認(rèn)匹配電競裝備。但創(chuàng)始人加了一層人工規(guī)則：如果用戶沒填預(yù)算，先推200-500元的中檔選項(xiàng)，而不是默認(rèn)展示千元顯卡。

"不是所有人都知道游戲裝備多少錢，"他說，"直接推高端貨，很多人會(huì)嚇跑。"

氛圍編程的適用邊界

Gift Peach的經(jīng)歷不能簡單復(fù)制。創(chuàng)始人最后給了一個(gè)判斷框架：AI編程最適合驗(yàn)證期產(chǎn)品，也就是從0到1的階段。一旦用戶量上來、需求變復(fù)雜，傳統(tǒng)工程能力還是不可替代。

他現(xiàn)在的團(tuán)隊(duì)配置是：自己用AI處理80%的代碼需求，但關(guān)鍵模塊——支付安全、推薦算法調(diào)優(yōu)、數(shù)據(jù)合規(guī)——必須有人能看懂每一行邏輯。

"AI是加速器，不是替身。"

這個(gè)結(jié)論和2024年下半年業(yè)界的觀察一致。多個(gè)研究顯示，AI輔助編程讓原型開發(fā)速度提升2-3倍，但生產(chǎn)環(huán)境的bug率也同步上升，整體項(xiàng)目周期并未顯著縮短——只是把后期的調(diào)試壓力前置了。

Gift Peach的最后一個(gè)版本更新是在2025年初。創(chuàng)始人加了一個(gè)功能：用戶可以給推薦結(jié)果點(diǎn)"不對味"，系統(tǒng)會(huì)記錄反饋并調(diào)整下次推薦。這個(gè)閉環(huán)跑通后，復(fù)購率提升了27%。

數(shù)據(jù)來自他自己的后臺(tái)，沒經(jīng)過第三方驗(yàn)證。但他在復(fù)盤文章里寫了一句挺實(shí)在的話："至少現(xiàn)在，我送禮不會(huì)再被老婆家人偷偷吐槽了——這算產(chǎn)品成功，還是人生成功？"