让更多的中小企业用好数据 https://www.sidshine.cn/ 一个NotionNext搭建的博客 Fri, 03 Apr 2026 08:28:10 GMT https://validator.w3.org/feed/docs/rss2.html https://github.com/jpmonette/feed zh-CN All rights reserved 2026, Sidney <![CDATA[08 言出法随：成为真正的创造者]]> https://www.sidshine.cn/article/08-yanshufasui-chuangzaozhe https://www.sidshine.cn/article/08-yanshufasui-chuangzaozhe Tue, 31 Mar 2026 00:00:00 GMT

08 言出法随：成为真正的创造者

约 2000 字 · 建议阅读 7 分钟
#AI编程 #启程 #言出法随 #持续成长
从「我不会编程」到「我能做出东西」，这个转变比任何具体技术都有价值。
这个系列到这里就要收尾了。如果你一路跟下来，我们聊了意识觉醒、认知转变、认知定位、认知心法、技能技法、技能实战。这篇做个回顾，再说几句持续成长和下一步可以做的事。

我们走过了什么

开篇我说，个人的成长始于意识的觉醒，成于认知的积累，显于技能的运用。
意识层：看见时代在变，理解言出法随，意识到自己也可以。不再被「数学不好、英语不好、不懂术语」拦住，知道真正关键的是想清楚、说清楚、能判断。
认知层：言要准，需求模糊就动手，返工代价更大。要聚焦，想法太多反而都推不动。好的问题从观察中来，不是凭空想出来的。懂业务的人比纯技术的人更容易做出有用的东西。
技能层：用 JTBD（待完成的任务）、MVP（最小可验证价值）、灵魂三问想清楚；用 Pre-mortem（预演失败）和故事思维避坑；用结构化框架和迭代对话跟 AI 协作；用分阶段实现、测试、部署把东西做出来。
心法帮你想清楚，技法帮你说明白，实战让你真正上手。这条意识 → 认知 → 技能的路径走完一遍，你手里应该至少有一个能用的作品。
08 信息知识图谱 - 意识×认知×技能×行动

值得反复记的几件事

说清楚比写代码重要。 在言出法随的时代，表达能力就是编程能力。需求说不清，AI 再强也帮不上忙。把背景、约束、期望讲明白，用框架减少遗漏，接受多轮迭代，比追求一次完美更实际。
先做减法，再考虑加法。 任何想法，先砍到只剩核心。三个功能做扎实，好过十个功能做一半。MVP 不是偷懒，是智慧。
别跟 AI 较劲。 它会理解错、会幻觉、会过度发挥。发现错了，具体指出、修正、继续。花时间争论不如直接说「我要的是 X，请改成 Y」。
聚焦。 时间精力有限，一次做好一件事，做完了再做下一件。这个教训我写了两篇还在强调，因为太容易忘。
知道边界。 AI 能帮你做很多事，但不是全部。涉及敏感数据、资金、高可靠性时，该找专业人士就找。知道什么时候该求助，是一种成熟。
五条要点 - 说清楚、做减法、别较劲、聚焦、知边界

持续成长可以怎么做

多做项目。 学是为了用。从烦恼日记里找一个真问题，做成一个小工具，用起来。做完一个，再做下一个。持续实践是最好的老师。
迭代已有的。 第一个版本能跑就行，后面根据使用反馈慢慢改。完美是迭代出来的，不是一次做出来的。
建立作品集。 做过的项目，哪怕很小，也可以整理成清单。写清楚解决了什么问题、用了什么技术、学到了什么。以后回顾，会很清楚自己走了多远。
保持观察。 身边人的抱怨、自己的重复劳动、现有工具的不满，都是新项目的种子。养成记下来的习惯，灵感不会缺。

立即可以做的三件事

如果读完这个系列，想动手却不知道从哪开始，可以试试：
第一，记一周烦恼日记。 每天记一两件让你烦的事，一周后看看哪些重复出现、最不想忍。选一个，问自己：最小能验证价值的版本是什么？把它写成一两段话。
第二，把那段话写成 PRD（产品需求文档）。 用灵魂三问、一句话描述、P0 功能、不做清单，把想法结构化。写的过程会逼你想清楚很多细节。
第三，选一个平台动手。 网页小工具可以用 AI IDE + 静态托管；知识问答可以用扣子、Dify 这类平台；自动化脚本可以直接让 AI 写 Python。选一个你能在周末跑通最小版本的路径，先做出来。
做完这三步，你就从读者变成了实践者。后面的路，就是重复这个过程，一次比一次顺手。
三步行动 - 烦恼日记→PRD→动手做

鸣谢

这个系列的很多思路和方法，受益于 Vibe Vibe。Vibe Vibe 是一个系统的 AI 创造学习平台，从觉醒、心法、技法到实战，覆盖了从想法到作品的完整路径。如果你想继续深入学习，推荐去那里看看。

最后

AI 不完美，我们也不需要完美。重要的是开始，是一次次试错之后慢慢找到感觉。
言出法随的时代已经来了。接下来，看你的了。
✅ 如果这篇内容对你有一点点启发， 👉 欢迎【点赞】+【推荐】+【分享】给你最好的朋友，让TA和你一起成长。
💬 你最近在用 AI 做什么尝试？ 欢迎在评论区聊聊，也许你的问题，正是很多人的困惑。
系列完整回顾
  • 00 意识觉醒 — 欢迎进入言出法随的时代
  • 01 认知转变 — 门槛的消失始于认知的转变
  • 02 定位的认知 — 如何找到创造方向
  • 03 需求梳理的认知（上）— 像产品经理一样思考
  • 04 需求梳理的认知（下）— 逆向思维及用户思维
  • 05 提示词工程的认知 — 与AI对话的艺术
  • 06 实战技能训练（上）— 从 0 到 1 做出你的作品
  • 07 实战技能训练（下）— 从开发到上线
  • 08 言出法随 — 成为真正的创造者（本文）
言出法随系列 · 完
]]> <![CDATA[07 实战技能训练（下）——从开发到上线]]> https://www.sidshine.cn/article/07-yanshufasui-shizhan-xia https://www.sidshine.cn/article/07-yanshufasui-shizhan-xia Sun, 29 Mar 2026 00:00:00 GMT

07 实战技能训练（下）：从开发到上线

约 1600 字 · 建议阅读 6 分钟
#AI编程 #实战 #迭代 #言出法随
做一版，验证一版，再改一版。完美是迭代出来的，不是一次做出来的。
上一篇把需求分析、PRD、技术选型都理清了。技能实战的上下两篇，就是把「从想法到作品」这条路径走完。这篇聊开发、调试、测试、部署，以及一些避坑经验。
07 信息知识图谱 - 分阶段实现、调试、测试部署、版本与安全

用结构化 Prompt 分阶段实现

有了 PRD，不要一次性把全部功能都塞给 AI。按 P0、P1 分阶段来。
先做 P0。把 PRD 里的核心功能拆成几个小任务，每个任务用 S.C.A.F.F. 或 R.G.C. 写成 Prompt：背景是什么、当前要解决什么、期望输出什么格式、有什么约束。做完一个验证一个，没问题再往下。
比如知识库助手，P0 可能是：先完成知识上传和基础问答，能跑通流程。验证通过后，再加来源标注、错误提示这些。每加一块就测一遍，避免改了一处、另一处崩了还不知道。
分阶段做的另一个好处是：问题容易定位。 功能少的时候出问题，范围小，好排查。功能堆多了再调试，往往不知道从哪下手。
分阶段实现 - 任务→验证→再迭代

常见问题怎么处理

开发过程中会遇到几类问题。
AI 理解偏了。 给你的东西不是你想要的。别急着重做，先具体指出哪里不对、你希望怎样。越具体，AI 改得越准。笼统地说「不对」「重做」，效果通常不好。
报错。 把完整报错信息复制给 AI，附上相关代码片段，问它原因是什么、该怎么修。先诊断再修复，比直接要代码更容易找到根因。有时候 AI 第一次给的修复方案不行，多问一句「还有没有别的原因」也能帮上忙。
改了一处影响别处。 说明模块之间耦合比较紧。能拆的尽量拆，每次改动的范围小一点。一时拆不了，就把相关功能一起测一遍，避免遗漏。

测试与部署

功能做完，先自己完整走一遍主流程。以知识库助手为例：上传文档、提问、看回答、点来源链接。把能想到的典型问题都问一遍，看看回答准不准、来源对不对。
发现问题就记下来，能修的先修。不需要追求零 bug，但主流程不能有明显问题。
部署取决于你选的平台。用扣子这类平台，一般是在控制台配置、发布即可。自建的话，需要准备服务器或托管服务，按文档操作。部署完成后，再走一遍线上流程，确认和本地一致。
有版本管理习惯的话，部署前打个 tag 或记一下 commit（Git 提交），方便出问题回滚。一开始做不到也没关系，先把东西做出来、能用上，再慢慢补。

版本管理与数据安全

做个人工具，版本管理可以简单点：定期把代码备份一份，或者用 Git 做基础提交。主要目的是：改坏了能回退，换电脑能恢复。
数据安全要重视。知识库里的内容如果是内部文档，要注意存储和访问权限。用第三方平台时，看清数据存在哪、谁可以访问。敏感信息能不进去就不进去，实在要进，至少心里有数。
另外，别把密钥、密码、token 写在代码里提交到公开仓库。用环境变量或配置管理，这些在平台文档里一般都会说明。
版本与安全 - 备份、回滚、权限、密钥

小结

实战下篇的核心：分阶段实现、逐步验证；出问题先诊断再修；测试主流程；部署前检查；注意版本备份和数据安全。 做到能用的版本，比追求完美更重要。用起来之后，再根据反馈迭代。
技能层从技法到实战，到这里就告一段落。下一篇是这个系列的收尾：回顾意识-认知-技能的完整路径，聊聊持续成长和下一步可以做的事。
✅ 如果这篇内容对你有一点点启发， 👉 欢迎【点赞】+【推荐】+【分享】给你最好的朋友，让TA和你一起成长。
💬 你最近在用 AI 做什么尝试？ 欢迎在评论区聊聊，也许你的问题，正是很多人的困惑。
系列回顾（至本文）
  • 00 意识觉醒 — 欢迎进入言出法随的时代
  • 01 认知转变 — 门槛的消失始于认知的转变
  • 02 定位的认知 — 如何找到创造方向
  • 03 需求梳理的认知（上）— 像产品经理一样思考
  • 04 需求梳理的认知（下）— 逆向思维及用户思维
  • 05 提示词工程的认知 — 与AI对话的艺术
  • 06 实战技能训练（上）— 从 0 到 1 做出你的作品
  • 07 实战技能训练（下）— 从开发到上线（本文）
下一篇预告：《08 言出法随：成为真正的创造者》
会回顾意识-认知-技能的完整路径，总结避坑要点，并给出持续成长和下一步行动的建议。
]]> <![CDATA[06 实战技能训练（上）——从 0 到 1 做出你的作品]]> https://www.sidshine.cn/article/06-yanshufasui-shizhan-shang https://www.sidshine.cn/article/06-yanshufasui-shizhan-shang Fri, 27 Mar 2026 00:00:00 GMT

06 实战技能训练（上）：从 0 到 1 做出你的作品

约 1800 字 · 建议阅读 6 分钟
#AI编程 #实战 #PRD #言出法随
PRD（产品需求文档）是连接「想清楚」和「做出来」的桥梁。把心法的思考成果写进文档，AI 才能帮你落地。
心法和技法都聊过了。技能层不只是「会说」，更要「会做」。这篇和下一篇，用一个完整案例走一遍：从需求到设计，从开发到上线。
我选知识库问答助手作为例子。不是因为它最简单，而是因为它有代表性：需要明确用户、梳理知识来源、定义回答边界，做的时候会遇到典型问题。你跟着思路走，换成自己的项目也能套用。
notion image

第一步：用灵魂三问定方向

动手写 PRD 之前，先把灵魂三问答清楚。
用户是谁？ 知识库助手的用户，可能是经常要查内部文档、制度、流程的同事。他们不想在群里问人，也不想翻一堆历史消息，希望能直接问出一个答案。
痛点在哪？ 信息散落在各种文档、表格、聊天记录里，找起来费劲。问人吧，别人不一定有空，自己查吧，不知道从哪查起。
为什么选这个方案？ 把常用的知识整理进一个地方，用自然语言提问就能得到答案，比搜索关键词、翻文档快得多。而且回答最好能追溯到来源，方便核对。
这三问答完了，方向就定了。后面写 PRD 的时候，每一块都要跟这三个答案对上。
灵魂三问 - 用户、痛点、差异化

第二步：画用户画像，定 MVP 范围

用户画像不用写很长。抓住几个关键特征：谁、在什么场景下、要完成什么任务、现有方案卡在哪。
比如：一个入职半年的运营，遇到报销流程、活动审批之类的问题，不想每次去问老员工，希望能自己查。他习惯用微信、飞书，希望能在常用的工具里就能问，不用打开另一个 App。
有了画像，MVP（Minimum Viable Product，最小可行产品）就好定了。第一版只做能验证核心价值的最小集合。 知识库助手的第一版，核心就是：能上传或导入知识、能提问、能拿到回答、答案能溯源。不做多轮对话优化、不做权限分级、不做知识自动更新，先验证「问得准、找得到来源」这件事。
同时列一份不做清单：不做实时联网搜索、不做多知识库切换、不做复杂推理链。明确不做什么，能避免需求蔓延。

第三步：写成 PRD

PRD 不需要多长，能把前面想的写清楚、让 AI 能执行就行。我用的大致结构是：
一句话描述：一个给内部同事用的知识库问答助手，基于已有文档回答问题，并标注来源。
核心功能（P0）：P0 是最高优先级，必须有的功能。上传知识文档、支持自然语言提问、返回答案并附带引用来源。按优先级分 P0、P1，P0 先做。
用户流程：用户输入问题 → 系统检索相关文档 → 生成回答并标注来源 → 用户可点击查看原文。
技术约束：平台选型（比如扣子、或自建）、数据存储方式、是否涉及敏感信息。这些会直接影响实现路径。
成功标准：能准确回答文档内已有的问题；回答错了或不知道时，明确说明而不是胡编；来源可点击查看。这三条达到，第一版就算过关。
写 PRD 的过程，会逼你把模糊的想法变清晰。很多一开始觉得「很简单」的点，写着写着会发现需要再细化。
notion image

第四步：技术选型与准备

知识类应用，常见做法有几种：用现成的低代码/无代码平台（比如扣子、Dify 等）、自己搭 RAG（Retrieval-Augmented Generation，检索增强生成） pipeline、或者用笔记软件自带的问答能力。
选平台时考虑几件事：你的知识是什么形态（Word、PDF、网页、表格）？平台能不能直接接入？需不需要写代码？数据能不能留在自己可控的环境？如果只是验证想法，优先选上手快、文档多的平台。
选定之后，按平台文档做环境准备：注册、创建应用、配置知识库、测试上传和问答。这些步骤往往比写代码更花时间，但做顺了后面开发会轻松很多。
知识库的维护也要提前想好：文档更新了怎么办？重复、过时的内容怎么处理？第一版可以手工更新，但心里要有个谱，避免后面推不动。

小结

实战上的核心就是：用灵魂三问定方向，用用户画像定 MVP，用 PRD 把需求写清楚，再选好平台和环境。 这几步做好了，下一篇的开发会顺很多。
✅ 如果这篇内容对你有一点点启发， 👉 欢迎【点赞】+【推荐】+【分享】给你最好的朋友，让TA和你一起成长。
💬 你最近在用 AI 做什么尝试？ 欢迎在评论区聊聊，也许你的问题，正是很多人的困惑。
系列回顾（至本文）
  • 00 意识觉醒 — 欢迎进入言出法随的时代
  • 01 认知转变 — 门槛的消失始于认知的转变
  • 02 定位的认知 — 如何找到创造方向
  • 03 需求梳理的认知（上）— 像产品经理一样思考
  • 04 需求梳理的认知（下）— 逆向思维及用户思维
  • 05 提示词工程的认知 — 与AI对话的艺术
  • 06 实战技能训练（上）— 从 0 到 1 做出你的作品（本文）
下一篇预告：《07 实战技能训练（下）：从开发到上线》
会聊用结构化 Prompt 分阶段实现、常见报错怎么处理、测试部署，以及版本管理和数据安全。
]]> <![CDATA[05 提示词工程的认知——与AI对话的艺术]]> https://www.sidshine.cn/article/05-yanshufasui-prompt https://www.sidshine.cn/article/05-yanshufasui-prompt Tue, 24 Mar 2026 00:00:00 GMT

05 提示词工程的认知——与AI对话的艺术

约 1600 字 · 建议阅读 5 分钟
#AI编程 #技法 #提示词 #言出法随
你的表达能力就是编程能力。在言出法随的世界里，说清楚比写代码更重要。
心法篇聊了怎么想清楚。认知层有了，下一步是技能层：把想清楚的东西说明白，让 AI 能听懂、能执行。
同样一句话，不同人问 AI 会得到完全不同的结果。差异往往不在于模型多强，而在于你告诉了 AI 什么。AI 输出的质量，约等于你提供的上下文质量。 这就是很多人说的 Context is King（上下文为王）。
这篇聊几个我常用的方法。
05 信息知识图谱 - 上下文、框架、迭代与验证

上下文：背景、约束、期望

上下文大致包含三类：背景信息、约束条件、期望结果。
背景是 AI 需要知道的前提。你在做什么项目？用什么技术栈？目标用户是谁？这些不说，AI 只能猜。
约束是边界。代码要简洁、不要用外部库、必须兼容某某环境。不说清楚，AI 可能加一堆你不需要的东西。
期望是输出形式。要完整代码还是代码片段？需要注释吗？格式有什么要求？越具体，输出越对路。
举个例子。差的做法：帮我做一个登录页面。好的做法：我在做一个 React 待办清单，需要加一个简单的登录页面，只要邮箱+密码，不需要注册和找回密码，给我一个可直接复用的组件。后者 AI 更容易一次给对。
上下文三要素 - 背景、约束、期望

结构化框架：把开放式问题变成填空题

每次写提示词都从头想一遍该说什么，很累。用框架可以减轻认知负担。
S.C.A.F.F. 框架（情境-挑战-受众-格式-基础）适合比较复杂的技术任务。五个字母分别代表：Situation 情境（你在做什么、进展如何）、Challenge 挑战（当前要解决什么具体问题）、Audience 受众（产出给谁用、谁维护）、Format 格式（期望什么形式的输出）、Foundations 基础（必须遵守的约束）。按这个顺序填，关键信息不容易漏。
R.G.C. 框架（角色-目标-约束）更轻量，适合简单任务。Role 角色（让 AI 扮演什么身份）、Goal 目标（要完成什么）、Constraints 约束（有什么限制）。定身份、说目标、划边界，三件事说清楚就行。
框架不是死板，是起点。熟练之后可以简化或跳过某些项，但初学阶段按框架填一遍，能避免很多遗漏。

迭代：一次到位不现实

很多人期望写一句完美的提示词，AI 一次就给满分。这不现实。
你脑子里有完整画面，AI 只能看到你写下的文字。需求本身可能就模糊，你自己也不完全清楚想要什么，直到看到第一版。再加上自然语言的歧义，AI 理解错很正常。
第一轮输出的价值，往往不是直接能用，而是帮你想清楚。 看到 AI 做出来的东西，你才发现「哦，我要的不是这样」。这时候再给反馈、让它改，比第一次就追求完美高效得多。
我的习惯是：先给一个相对完整的提示词，看 AI 的第一版输出。不符合预期的地方，具体指出哪里有问题、希望怎么改。不要笼统地说「不对」「重做」，要说清楚「这个按钮应该放在右上角」「这里需要加错误处理」。迭代几轮，通常能逼近想要的结果。
迭代对话 - V1 到 V3 的收敛过程

AI 会出错，没必要跟它吵架

AI 会答非所问、过度发挥、偷工减料、甚至编造不存在的库和 API。这些都很常见。
关键是心态：发现错了，指出、修正、继续。不要跟 AI 较劲。 它没有恶意，只是理解有偏差或者训练数据有局限。你花时间争论「你为什么理解错」，不如直接说「我要的是 X，请改成 Y」。

小结

技法篇的核心就几句：说清楚背景、约束和期望；用框架减少遗漏；接受迭代、别追求一次完美；发现错了就改、别跟 AI 吵。 心法帮你想清楚，技法帮你说明白。想清楚 + 说明白，言出法随才靠谱。技能层的下一块，就是真正动手做了。
下一篇会进入实战，从想法到作品走一遍完整流程。
✅ 如果这篇内容对你有一点点启发， 👉 欢迎【点赞】+【推荐】+【分享】给你最好的朋友，让TA和你一起成长。
💬 你最近在用 AI 做什么尝试？ 欢迎在评论区聊聊，也许你的问题，正是很多人的困惑。
系列回顾（至本文）
  • 00 意识觉醒 — 欢迎进入言出法随的时代
  • 01 认知转变 — 门槛的消失始于认知的转变
  • 02 定位的认知 — 如何找到创造方向
  • 03 需求梳理的认知（上）— 像产品经理一样思考
  • 04 需求梳理的认知（下）— 逆向思维及用户思维
  • 05 提示词工程的认知 — 与AI对话的艺术（本文）
下一篇预告：《06 实战技能训练（上）：从 0 到 1 做出你的作品》
会用一个完整案例，演示从需求分析、PRD 编写到技术选型的全过程。
]]> <![CDATA[04 需求梳理的认知（下）——逆向思维及用户思维]]> https://www.sidshine.cn/article/04-yanshufasui-xuqiu-xia https://www.sidshine.cn/article/04-yanshufasui-xuqiu-xia Sun, 22 Mar 2026 00:00:00 GMT

04 需求梳理的认知（下）——逆向思维及用户思维

约 1700 字 · 建议阅读 6 分钟
#AI编程 #心法 #逆向思维 #用户理解 #言出法随
告诉我我会死在哪里，这样我就永远不会去那里。先想清楚什么会让项目失败，比幻想成功更有用。
上一篇聊了 JTBD、MVP、灵魂三问。想清楚做什么之后，还有一个问题：什么会让这件事搞砸？
心法的上下两篇，都是认知的积累。上一篇帮你从任务视角想清楚要做什么，这一篇帮你提前看见可能翻车的地方，以及怎么更好地理解用户。
很多人一上来就想着怎么成功，很少先想怎么失败。但芒格有句话：告诉我我会死在哪里，这样我就永远不会去那里。先想清楚失败路径，比幻想成功更实际。
notion image

Pre-mortem（预演失败）：动手前先预演失败

Pre-mortem 的意思是：假设项目已经失败了，倒推原因是什么。
不用搞得很正式。动手之前，花几分钟问自己：半年后这个项目没人用、或者做了一半弃坑了，最可能是什么原因？
常见的有几类：
需求不清晰。 帮我做一个好用的 App、我想要一个能提高效率的工具。这种描述 AI 没法执行。好用对你意味着什么？提高哪个环节的效率？模糊的输入只会得到模糊的输出。太阳钟那次，我一开始就没把需求写清楚，AI 按自己的理解跑了一遍，结果很多功能是模拟的，前后端没真正联动。
功能太多。 第一版就要十几个功能，复杂度会爆炸。两个功能之间可能有一种交互，十个功能之间可能有几十种。给 AI 一个超长需求，结果通常是一团乱码，改都改不动。
技术选型不当。 追新、追酷，结果文档少、AI 不熟悉、兼容性差。做个人小工具，选成熟简单的方案就行，别跟自己过不去。
忽略用户真实场景。 做知识库助手的时候，我一开始想的是「能问答就行」。后来才发现，用户真正在乎的是：回答错了怎么办？知识更新了怎么同步？这些不提前想，做出来也难用。
做 Pre-mortem 不用列很长，挑三五个最可能发生的写下来就行。写完之后问自己：这些坑有没有办法提前避开？有，就先在需求或设计里堵上。
Pre-mortem - 动手前先预演失败

把用户当作故事的主角

另一个有用的思路是：别只列功能，试着讲用户的故事。
对比两种写法。
功能视角：做一个待办清单，有添加、完成、查看功能。
故事视角：小李是互联网公司的运营，每天要处理十来件事，试过便签纸会丢、试过几个 App 录入比做事还累，最怕漏掉重要的事。他需要的是：打开就能记，记完就能忘，做完划掉，晚上看着清空的列表安心下班。
后者能让 AI 更准地理解你要什么。因为故事里有场景、有情绪、有具体的任务。
做知识库助手的时候，我会这样描述用户：一个经常要查内部文档的同事，遇到问题时不想在群里问人、也不想翻一堆历史消息，希望能直接问出一个答案，而且答案要能追溯到来源。有了这个画像，做功能取舍就容易多了：溯源很重要，自动更新很重要，花哨的界面可以不要。
故事不是修辞，是高效的沟通方式。 当你对 AI 说「做一个待办清单」，它只能猜。当你讲「一个每天处理十来件事、怕遗漏的职场人需要什么」，它更容易给出对路的设计。
用户故事 - 让需求更可执行

不同场景怎么用

个人工具、团队工具、数据分析，侧重点不太一样。
个人工具：用户就是你自己，最容易理解。但也要写清楚使用场景，不然容易做成一堆功能的堆砌。问自己：我通常在什么情况下会用这个？一次用多久？
给家人做工具：用户画像特别重要。爸妈用手机和年轻人完全不同，字要大、步骤要少、容错要高。做之前先观察他们怎么用现有的 App，哪里卡住了。
数据分析：用户可能是老板或同事。他们看报告时要回答什么问题？需要支持什么决策？搞清楚这个，才知道要分析什么、呈现什么，否则做一堆图没人看。
心法的上下两篇就到这里。认知层积累得差不多了，下一篇进入技能层：怎么把想清楚的东西，用 AI 能理解的方式说出来。
✅ 如果这篇内容对你有一点点启发， 👉 欢迎【点赞】+【推荐】+【分享】给你最好的朋友，让TA和你一起成长。
💬 你最近在用 AI 做什么尝试？ 欢迎在评论区聊聊，也许你的问题，正是很多人的困惑。
系列回顾（至本文）
  • 00 意识觉醒 — 欢迎进入言出法随的时代
  • 01 认知转变 — 门槛的消失始于认知的转变
  • 02 定位的认知 — 如何找到创造方向
  • 03 需求梳理的认知（上）— 像产品经理一样思考
  • 04 需求梳理的认知（下）— 逆向思维及用户思维（本文）
下一篇预告：《05 提示词工程的认知：与AI对话的艺术》
会聊 Context is King、结构化框架、迭代对话，以及如何与 AI 高效协作。
]]> <![CDATA[00 意识觉醒：欢迎进入言出法随的时代]]> https://www.sidshine.cn/article/00-yanshufasui-yishijuexing https://www.sidshine.cn/article/00-yanshufasui-yishijuexing Thu, 12 Mar 2026 00:00:00 GMT

00 意识觉醒：欢迎进入言出法随的时代

约 1800 字 · 建议阅读 6 分钟
#AI编程 #意识觉醒 #言出法随
个人的成长始于意识的觉醒，成于认知的积累，显于技能的运用。在 AI 重构一切的时代，你感受到这种变化了吗？
我跟数据打了十年交道，Excel、Python、SQL 是吃饭家伙。ChatGPT 3.5 一出来就开始用，后来拿 AI 查资料、理思路、写脚本，慢慢成了日常。
但真正让我有触动的，不是 AI 本身有多强，而是身边悄悄发生的变化。
做产品运营的同事，用 AI 写了个自动化脚本，每周省下十来个小时重复劳动。以前觉得写代码离他挺远的，现在他真的在做，而且做得还不赖。
于是我决定把这段时间的学习和思考记下来，写成一个系列，让更多人感受到"言出法随"乐趣。

什么是言出法随

2025 年初，Vibe Coding（氛围编程）在国外火了。有人译成氛围编程，有人叫感觉编程，但总觉得差点意思。我更喜欢用一个老词：言出法随。这四个字本来形容权力，说出的话立刻变成法令；在玄幻世界，它代表法力强大，而放到 AI 时代，意思变了：你把想法说清楚，AI 帮你把它变成现实。
想做个待办清单？告诉 AI，几分钟后就能用上。想写一个脚本？描述清楚需求，AI 帮你写代码。想做个小工具解决工作中的烦恼？把痛点说明白，AI 帮你实现大半。
听起来很美好。
但我越用越体会到一件事：言出法随里，真正关键的是那个"言"字。 你要的是一场雷阵雨，AI 可能给你下一场冰雹，因为你没说清楚。需求模糊着来，AI 再强也只能猜。一开始没想清楚就动手，后面返工的代价往往比从头来还大。这个坑我踩过不止一次，后面会展开聊。
所以我养成了一个习惯：动手之前先写需求、写设计、理清思路，想明白了再让 AI 一步步实现。正因为相信言出法随的力量，才更在意"言"的质量。
真正沉底的是「言」——需求清楚，法随才不会跑偏

我的一个琢磨

一边用 AI 做东西，一边观察身边的人，我一直在琢磨：为什么有些人上手很快，有些人却迟迟不开始？
想来想去，慢慢有了一个简单的想法，我管它叫意识、认知、技能。有点像道、法、术，意识如道是根基，认知如法是结构，技能如术是工具。
意识，就是看待一件事的底层态度。同样面对用 AI 做东西，有人第一反应觉得这不关自己的事，有人想着试试又不会怎样。就这一个念头的差别，后面的行动完全不同。意识没转过来，后面的事压根不会发生。
认知，是意识转过来之后慢慢积累起来的系统理解。AI 能做什么、不能做什么；怎么把脑子里模糊的念头变成清晰的需求；怎么判断结果靠不靠谱。这些东西攒多了，就成了判断力。
技能，是把认知变成现实的能力。真的动手做出一个东西来，遇到 bug 会调，不满意会改，知道怎么迭代。做多了，又会反过来加深认知。
这三层是转着的：意识觉醒 → 积累认知 → 练出技能 → 技能又反过来强化意识。但起点永远是意识的觉醒。
这只是我自己的理解，不一定准确。但至少对我来说，它帮我理清了先做什么的问题。
意识 · 认知 · 技能——起点是意识的觉醒
言出法随系列 · 开篇——全文要点漫画笔记（知识漫画信息图）

AI 到底给了什么，又没给什么

过去想做个产品，门槛是真的高：学语法、记规则、理解框架，光入门可能就半年起步。AI 把这道坎拉了下来。
现在更关键的能力变成了三件事：说清楚你想要什么，判断得了结果对不对，出了问题知道怎么调。 这三件事都不是传统意义上的技术能力，是任何人都可以练的通用能力。
但AI 拉低了入门的下限，却不会自动抬高上限。 时间一长，差距会从谁会写代码变成谁更会想清楚、说清楚、判断准。
坦白说，AI 也不是万能的。从数据分析的角度看，AI 对做产品、做页面的冲击比对做数据的人更大。数据分析有个环节目前很难交给 AI：理解业务背景、搞清楚数据从哪来、历史口径是怎么回事。而做产品、做页面，需求相对好描述，AI 接得住。
知道 AI 擅长什么、不擅长什么，这本身也是一种重要的认知。
AI 拉低了门槛，但上限与边界仍要靠自己看清

接下来会写什么

这个系列我会按意识 → 认知 → 技能这条线往下写：
  • 00 意识觉醒 — 欢迎进入言出法随的时代（本文）
  • 01 认知转变 — 门槛的消失始于认知的转变
  • 02 定位的认知 — 如何找到创造方向
  • 03 需求梳理的认知（上） — 像产品经理一样思考
  • 04 需求梳理的认知（下） — 逆向思维及用户思维
  • 05 提示词工程的认知 — 与AI对话的艺术
  • 06 实战技能训练（上） — 从 0 到 1 做出你的作品
  • 07 实战技能训练（下） — 从开发到上线
  • 08 言出法随 — 成为真正的创造者
每篇都会结合我自己的经历和踩过的坑来写。如果你也感觉到时代在变、想试试用 AI 做点东西，欢迎一起往下看。
下一篇预告：《01 认知转变：门槛的消失始于认知的转变》
下一篇会聊：那些数学不好、英语不好、不懂术语的担心到底是不是拦路虎；我从随口说需求到先写清楚再动手的转变；以及那段什么都想做、却什么都推不动的日子。
]]>