摘要：但说句直接一点的话：在AI时代，用代码行数衡量能力，本身就是落后的。但在AI时代，它变得“可能”。现在：

设计系统的人更重要 认知 + 工具使用能力决定上限

未来的工程师，更像： 系统设计者 + AI调度者，而不是纯粹的编码者 七、结论：这不是神话，但也不是幻觉 我们可以给一个相对理性的判断： 值得肯定的

能从 0 到 1 做出产品，本身就超过大多数人。

最近，科技博主 王自如 用48天时间，通过AI编程工具开发出一款AI应用的案例，引发了不小的讨论。

很多人的第一反应是两个极端：

• 一种是惊叹：一个人 + AI，已经可以替代一个团队？
• 另一种是质疑：这是不是营销包装？代码真的靠谱吗？

但如果你只停留在这两个层面，那基本等于没看懂这件事。这件事真正值得分析的，不是“48天写了多少代码”，而是：

在 AI 时代，一个人的技术产品力，究竟由什么决定？

一、代码，已经不是核心指标了

“20万行代码”是这次传播中的一个高频关键词。但说句直接一点的话：在AI时代，用代码行数衡量能力，本身就是落后的。

原因很简单：

• 大量代码可以由AI生成
• 行数 ≠ 架构复杂度
• 行数甚至可能意味着设计混乱

真正该看的，是：

• 架构是否清晰
• 模块是否解耦
• 是否具备可扩展性
• 系统是否稳定

换句话说：

代码，已经从“能力证明”，退化为“执行过程的副产品”。

二、真正的差距：你在“用AI写代码”，还是在“设计AI系统”？

很多人也在用 ChatGPT、Claude 写代码，但结果差异很大。

核心区别在这里：

低阶用法（大多数人）

• 写函数
• 修 bug
• 做 CRUD

中阶用法

• 生成模块
• 辅助设计 API
• 提升开发效率

高阶用法（关键）

• 设计 Agent 协作流程
• 构建工具链（Tooling）
• 管理上下文和状态

如果从这个角度看，问题就变成： 王自如是在“用AI写代码”，还是在“用AI构建系统”？

这两者的含金量，完全不是一个量级。

三、48天的本质：不是速度，而是“杠杆”

48天做一个App，这件事放在过去是很难成立的。

但在AI时代，它变得“可能”。

原因不是人变强了，而是：

AI提供了前所未有的效率杠杆（Leverage）

这个杠杆体现在：

• 代码生成速度提升
• 学习成本下降
• 跨领域能力被补齐
• 试错成本大幅降低

但这里有个现实你得认清：

工具放大能力，但不会替代能力

也就是说：

• 强的人 → 被AI放大
• 弱的人 → 只是更快地犯错

四、产品力，才是决定上限的东西

技术圈很容易陷入一个误区：过度关注“实现”，忽视“产品”。

但真正决定一个项目成败的，从来不是代码，而是：

是否有真实问题

• 解决什么痛点？
• 用户是谁？
• 使用频率如何？

为什么必须用AI？

• 是刚需，还是噱头？
• AI是否真的提升体验？

是否接近PMF（产品市场匹配）

• 有没有用户愿意持续使用？
• 有没有自然增长？

你可以把问题问得更直接一点：

如果不用AI，这个产品还成立吗？

如果答案是“也可以”，那AI只是包装层。

五、工程完成度：Demo 和 产品之间，差了一个世界

48天可以做出一个Demo，但做出“产品”是另一回事。

常见问题包括：

• 边界条件缺失
• 系统不稳定
• 数据处理粗糙
• 安全性不足

所以你必须区分三个层级：

• Demo级：能跑起来
• 可用级：用户能用
• 商业级：可以规模化

很多AI项目，看起来很炫，其实停留在第一层。

六、真正值得关注的，不是他，而是“范式变化”

如果你把这件事当成“某个人很厉害”，那你错过重点了。

这件事真正说明的是：

软件开发的范式，正在发生变化。

过去：

• 写代码的人最重要
• 经验积累决定上限

现在：

• 设计系统的人更重要
• 认知 + 工具使用能力决定上限

未来的工程师，更像：

系统设计者 + AI调度者，而不是纯粹的编码者

七、结论：这不是神话，但也不是幻觉

我们可以给一个相对理性的判断：

值得肯定的

• 能从 0 到 1 做出产品，本身就超过大多数人。
• AI 工具使用深度，明显高于普通开发者。

需要冷静的

• 代码量不代表工程能力
• 产品是否能持续迭代，才是关键

更重要的判断

这不是“天才案例”，而是 AI 时代新型个体开发者的一个样本。

最后一句话

如果你只是围观这个案例，你会得到一个结论：

“AI很强”

但如果你认真拆解它，你应该得到的是：

“未来我该如何提升自己的技术产品力”

这两者之间的差距，就是普通开发者和真正成长者的差距。