我一个朋友，完全不会编程。

上周她用一天时间，做出了一个管理阿姨开支的微信小程序。功能还不简单——阿姨拍照上传购物凭证，系统自动识别图片，生成详细的消费记录。

一整天，她没写一行代码。

编程的门槛，已经不是代码了。

一天做出复杂小程序，编程的门槛去哪了？

先说这个小程序到底做了什么。

家里阿姨买菜、买日用品，每次都会留小票和拍照。以前我朋友靠手工记账，又慢又容易漏。现在阿姨直接把照片丢进小程序，豆包（AI）自动识别图片内容——买了什么、花了多少、哪天买的——一条条消费记录就出来了。

这功能不简单吧？照片能认出买了啥、界面能点能滑、记录能一条条翻……搁以前，找个外包团队，报价至少几万，周期少说两周。

她一天搞定了。

怎么做到的？用 OpenCode。

她不需要知道什么是前端框架、后端接口、数据库表结构。她只需要跟 AI 说："我要一个小程序，阿姨上传购物照片，AI 识别后自动生成消费记录。"

AI 写代码，她看结果。不满意就说哪里要改，AI 重新来。

编程这件事，被重新定义了。

以前编程 = 写代码。现在编程 = 想清楚需求 + 说清楚需求 + 判断输出对不对。

就像你请了一个特别能干的助理。你不需要自己会做 PPT、会排版、会做数据图表，你只需要告诉他你要什么，然后看他做出来的东西，说"这里改一下""那个颜色不对"。

但助理也会理解错你的意思，AI 也一样。所以你说得越清楚，结果越靠谱。

你不需要会执行，你需要会判断。

需求是长出来的，不是想出来的

你可能会问：她一开始就知道自己要什么吗？

答案是：不知道。

她刚开始只有一个模糊的方向——"我太烦手工记账了，能不能自动化"。具体要什么功能、界面长什么样、流程怎么走，全是边做边想出来的。

这就很有意思了。

以前做产品是什么流程？先写需求文档，再开会评审，再开发，再测试。需求必须在动手之前想清楚，因为改需求的成本极高——改一行代码可能牵动十处。

但 AI 把这个成本压到了接近零。

她跟 AI 说"加个分类筛选"，五秒钟就改好了。说"这个按钮换个位置"，马上调。

改错了？没关系，让 AI 改回去就是了。

她跟我说，改到第三版的时候，突然想到一个问题——"阿姨会不会不会用？"她犹豫要不要加个操作引导，又怕太复杂。让 AI 试了一版，发现一个简单的拍照按钮加自动上传就够了。

这个"操作引导要不要"的问题，不是她一开始能想出来的，是看到第三版界面才冒出来的。

这就像在沙盘上摆棋子，而不是在石头上刻字。摆错了拿起来重摆，没有任何成本。

所以需求就变成了一种长出来的东西。

她心里有个模糊的方向在牵引——"我要自动化记账"。同时 AI 每次输出的结果也在启发她——"哦，原来还可以这样，那我要不要加个统计图表？"

人的方向感，推着 AI 去执行。AI 的输出，反过来又启发人想出新需求。两者互相推动，产品就一步步变清晰了。

这跟传统开发完全不同。以前是先想清楚再做，现在是边做边想。模糊的方向 + AI 的启发 = 逐步清晰的产品。

AI 负责执行，人负责定义

说到这里，你可能会有个疑问：那人的价值在哪？AI 什么都能做，还要人干嘛？

这个问题很关键，但答案其实很简单。

AI 负责执行，人负责定义。

回到那个小程序。AI 可以写代码、做界面、识别图片，但它不知道——

我朋友为什么要做这个小程序？她最痛的点是什么？消费记录要显示哪些字段才算"够用"？界面怎么排她看起来最舒服？阿姨操作起来会不会太复杂？

这些问题，只有她自己能回答。

她跟我说，AI 出第一版的时候，消费记录里列了十几个字段——单价、数量、店铺名、分类、备注……密密麻麻。她一看就删了大半，只留了"买了什么""花了多少""哪天买的"三个。

AI 觉得越全越好，她知道够用就好。

这就是人不可替代的地方。

AI 就像一个执行力爆表但没有主见的助理。你告诉他做什么，他做得又快又好。但你要是说不清楚，他做出来的东西就跟你想要的差十万八千里。

所以不会写代码的人，反而可能做出更好的产品。

因为他们的注意力没有被"怎么实现"分散，全放在了"我要什么"上。他们不会纠结用什么框架、怎么优化性能，他们只会想：这个功能对我有没有用？这个界面我用着顺不顺手？

以前你会不会写代码，决定了你能做什么。现在你会不会想问题，决定了你能做什么。

判断力，才是新时代的编程能力。

你不需要知道怎么做，你只需要知道——做出来的东西，对不对。

写在最后

代码不再是门槛了。

但"知道自己要什么"这件事，从来都不是门槛低的东西。它需要你在真实生活里被痛点扎过，需要你对"好"和"够用"有判断，需要你在模糊中摸出方向感。

这些，AI 替不了你。

所以别等想清楚了再动手。先种下去，让它长。