用 AI 能開發產品嗎？

我的回答是：完全可以。全民愛畫就是一款用 AI 開發的產品。全民愛畫是一個 AI 裝飾畫創作和實物畫訂購工具，它利用 AI 技術完成了產品的核心功能，包括 AI 繪畫，用戶賬號和訂單支付等。產品大部分的前后端開發工作都由 AI 完成，而我的主要工作是進行產品架構設計、UI 設計、代碼調試和產品部署。簡單來說，就是讓 AI 來完成開發過程中的前后端工作，這樣可以極大降低開發難度，提高開發效率，讓你更輕松地實現自己的產品想法。

更多干貨：

利用 AI 進行產品開發，其實質是通過人機交互來解決問題。人提出問題，AI 回答問題，人和 AI 共同協作解決問題。

AI 的介入程度取決于產品的復雜程度，以全民愛畫為例，由于產品功能相對簡單明確，所以在產品規劃和設計階段問題不多，AI 的介入相對較少。如果你的產品需要進行市場調研和需求分析工作，那么在產品需求階段，可以利用 AI 分析市場數據和用戶反饋，輔助識別用戶需求。在產品設計階段，也可以利用 AI 來改善用戶體驗。在全民愛畫項目中，AI 主要在研發階段發揮重要作用，利用 AI 生成代碼、進行代碼測試和質量控制。

從全民愛畫的 AI 開發過程中，我總結了 5 條實用經驗，希望能幫助你更好地利用 AI 來輔助產品研發：

一、建立清晰的產品架構

清晰的產品架構有助于 AI 了解產品需求和開發重點，是 AI 開發的重要前提。建立清晰的產品架構通常需要以下步驟：

1. 明確產品目標用戶群、產品定位和用戶需求。
2. 對產品進行系統設計，將功能劃分為多個模塊，明確各個模塊的主要功能和交互關系。
3. 規劃產品系統架構，確定前后端技術架構和重要接口。
4. 輸出產品架構圖，詳細描述以上內容。

一個完整的產品架構應包含產品定位、功能模塊、系統架構和重要流程等主要內容，并用流程圖或圖表進行展示。以全民愛畫為例，產品定位是一個用于 AI 裝飾畫創作和購買的 Web 應用，主要功能模塊包括 ：賬號功能、繪畫功能和訂購功能等。前后端采用 Flask、jQuery 和 PyTorch 框架，使用 LCM 快速圖像生成模型，并進行 Web 應用部署。系統規劃了注冊登錄、文本生成圖像和訂購三大流程。

二、從最小可行產品開始構建

從最小可行產品（MVP）開始構建對 AI 開發非常重要。在早期的 AI 開發階段，應只實現產品最核心的基礎功能，然后逐步添加其他功能。前面提到過，用 AI 開發產品其實是通過人機交互來解決問題，每次提出的問題越清晰越聚焦，AI 回答的就越準確，這樣可以加快研發過程。采用 MVP 模式的另一個好處是可以快速驗證開發的功能，并將反饋提供給 AI 進行迭代優化。

例如，全民愛畫的繪畫功能模塊從最基礎的文生圖功能開始，在確保該功能可以較好運行后，再加入文本翻譯功能、草繪參考功能、圖像安全檢測功能等，每一個模塊都需要明確功能點，并在讓 AI 生成代碼時，提供與該功能模塊相關聯的前后端代碼，便于 AI 在現有功能代碼基礎上進行上下文的串聯。

三、使用成熟的技術框架

在 AI 開發中，選擇成熟的技術框架非常重要。成熟的技術框架提供了完善的功能模塊，可以顯著提高項目開發效率、靈活性和可維護性。

例如：全民愛畫前端使用 Bootstrap 和 jQuery 框架，可以快速搭建 Web 項目的前端頁面，后端使用了 pyTorch，LCM 潛在一致性模型和 SDXL 潛在擴散模型，從而可以生成高質量的繪畫作品。整個項目通過 Flask 框架實現前后端分離和 Web 應用的快速部署。

四、讓人機交互處于同一頻道

人的提問質量，直接決定了 AI 的回答質量，要想 AI 回答的準確，就需要人機之間保持有效的溝通，保證人機雙方處于同一理解頻道，避免產生誤解。例如可以采取以下方法：

①清晰而具體的指示。用概念清晰、邏輯嚴謹、語意準確的語言對問題進行描述，將想要得到的結果和需求清楚的告訴 AI，降低 AI 對問題的理解難度。

例如：在以下 Flask 代碼基礎上，實現用戶注冊功能，輸出相應的后端代碼，以及前端 html 和 js 代碼。要求用戶注冊時檢查用戶名是否存在，如果已存在則顯示“該用戶名已經被注冊”的提示。要求注冊時對輸入的密碼進行規則驗證，密碼驗證規則為：密碼長度至少 8 位，包含數字和字母。如果輸入的密碼不符合規則，則顯示“密碼不符合規則”的提示。如果密碼符合規則，且用戶名未注冊，則提交表單，并將新用戶插入到數據庫。

②對 AI 的回答提出質疑。AI 對問題的理解和回答不一定每次都正確，必要時需要對 AI 提出質疑，評估 AI 的理解程度，及時發現錯誤進行更正。例如，用“你確定......”，“你提供的代碼無效......”等短語來表達質疑，讓 AI 提供解釋來支持它的回答，或者重新給出正確答案。

③采取多輪對話。一個功能代碼的實現，不僅限于一次提問和回答，而是多輪迭代式人機對話的結果。往往 AI 首次提供的回答并不完整或者正確，需要進一步追問才能得到完整的答案。當 AI 理解錯誤時，你可以通過多次提問，以及重復你的需求，來逐步消除 AI 回答過程中的不確定性。

④解耦描述細節。必要時將問題或任務的描述從具體的實現細節中分離出來，以便 AI 更好地理解問題、設計解決方案，并提高系統的可維護性和可擴展性。例如提問：實現一個用戶認證系統，能夠提供用戶注冊和登錄的功能，并保證用戶身份的安全性。則 AI 會從用戶注冊、登錄、身份安全性等方面給出關鍵步驟建議，然后再通過與 AI 的多輪對話，生成出具體的實現代碼。

⑤多加恰當例子。使用一些典型的例子來增強 AI 對任務的理解。例如：要求用戶設置強密碼，包括使用字母、數字和特殊字符的組合，并限制密碼長度。密碼存儲時使用適當的哈希算法進行加密。

五、利用日志進行問題診斷

記錄系統日志非常重要，可以幫助 AI 快速定位和修復問題，在與 AI 對話過程中需要及時將日志信息反饋給 AI，引導 AI 做出正確的判斷。同時，通過分析日志，可以發現 AI 回答中的潛在問題和改進點，從而優化 AI 的表現。

AI 技術的快速發展為產品開發帶來了新的可能性和機遇。如果個人想利用 AI 開發產品，就需要對產品有全面的了解，并扮演類似架構師的角色，這意味著你需要具備更廣泛的能力，而不僅僅只專注于某一方面，只有這樣才能快速有效地利用 AI 來實現產品想法。

本項目所使用的 AI 工具為：poe.com，部分 SDK 來自 github.com。

歡迎加作者微信交流，微信號：nilescc