许愿机需要的只是愿望本身，放大器需要的，是你已经存在的信号。

前言

最近总有朋友问我：你天天用 AI 干活，日子应该过得挺爽吧？需求往对话框里一丢，起身接杯咖啡，回来代码就写好了。

说实话，要是真能这样，我早躺平了。

被问的人多了，我发现大家伙对 AI 的期待普遍卡在同一个点上——把它当成一台许愿机：我给出愿望，它负责实现，中间的差距，统统由它补齐。愿望说得越简单越好，最好是"做个好玩的系统"这种一句话需求，显得我很懂行。

但实际用下来，我的感受恰好相反：AI 从来不是许愿机，它是放大器。它放大的是你已经具备的能力——你的判断力、你的经验、你划清边界的能力。你要是没有信号，它放大出来的，就是噪声。

许愿机思维，是最高级的偷懒

先说个我身边的真实案例。

有个做运营的朋友，上个月听说 AI 写代码很猛，兴致勃勃地注册了一堆工具，然后对着 AI 说了句："帮我做个充值弹窗，要好看，用户看了就想充钱。"

AI 很勤快，十分钟就交稿了。弹窗是弹出来了，那配色、那字体、那布局，一眼就能看出是"AI 脸"，比 2015 年的页游还复古。更绝的是，充值逻辑是裸奔的——客户端自己给自己发钱，我拿脚趾头都能白嫖它一晚上。

朋友很委屈："AI 是不是不太行？"

问题出在哪？出在"好看"和"用户看了就想充钱"这两个词上。这不是需求，这是结果。它是你希望 AI 抵达的终点，但你没告诉它起点在哪、路怎么走、中间哪些坑不能踩。AI 接收到的只有一句话愿望，于是只能用平均水平的理解去填补所有空白——填补出来的，自然就是平均水平的垃圾。

许愿机思维的本质，是把"想清楚"这件事外包了出去。你省掉的不是时间，是思考。而思考恰恰是放大器唯一能放大的东西，你把它省掉了，AI 就只能放大你的懒惰。

放大器不会凭空造信号

做过程序员的人都明白一个道理：0 乘以任何大数，都是 0。

AI 的放大倍数确实高。它能帮你把一段代码优化的执行时间砍掉 90%，能帮你在几百万行日志里定位一条异常，能把你憋半天的样板代码在几秒钟内铺满整个工程。但这一切的前提是——你得先有那"1"。

你没有能力的时候，给 AI 的输入就是空集，放大器再猛，放大的还是空集。

我自己有个很直白的体验。同样是让 AI 优化一段代码，我如果只说"让它更快"，AI 大概率会给我一个自以为是的方案，要么加了层没什么用的缓存，要么把代码改得又长又绕。但我要是在需求里多写一句"这个函数在多人协作的项目里，别动公共接口，重点看重复计算的循环"，AI 给出的方案立刻就不一样了。

区别在哪？区别在于我自己心里已经有一个大致的判断了。我知道问题大概在哪个方向，我只需要 AI 帮我把这个方向上的细节走完。AI 放大的是我的判断——我有 1，它给我算成 10；我没有，它给我算成 0 的 10 次方。

你的表达能力，就是信号的强度。 你能把愿望拆得多细，你给 AI 的输入信噪比就有多高，放大出来的结果就有多接近你想要的东西。

一个把 AI 当许愿机的翻车现场

当然，我自己也是栽过跟头的，而且摔得比谁都响。

大概是两个月前，我琢磨着把一个老模块重构一下。那个模块写了好几年，夹杂着三代人留下的代码风格，看着就头疼。我当时的心理活动很简单：AI 不是能重构吗？让它来。

于是我就给了它一句史诗级许愿："把这个模块重构得优雅一点。"

AI 听了非常兴奋，当场进入状态，吭哧吭哧干了整整一天。等我晚上回去一看，好家伙，它是真卖了力气——把整个模块的命名规范统一了，把历史遗留的各种写法都改了，diff 拉出来足足一千多行。

看着挺专业，是吧？问题是我并不打算动那些历史代码——它们丑是丑，但是稳定，线上跑了几年没出过事。我只想改其中一小块的性能瓶颈。

结果那一千多行的 diff，我一行都不敢接。因为我不知道它在哪些地方偷偷改变了行为语义，风险根本不可控。最后我把它的劳动成果全回滚了，改回我原本的计划：自己花一个下午，把该改的那一小块改了。

那次之后我想明白一件事：许愿越模糊，AI 的自由度就越大；自由度越大，翻车的面积就越大。 你把方向盘全交给它，它确实会开，但它开的方向，是它猜的你的方向。

放大器怎么调：三个旋钮

想清楚"AI 是放大器"这件事之后，我给自己定了三个旋钮，每次让 AI 干活之前都先拧一遍。说白了我现在给 AI 下的指令，一半是需求，一半是边界约束。

旋钮一：输入质量。 给 AI 的背景信息，宁多勿少。工程结构是什么、改这块会牵连到哪几处、有没有历史包袱、验收标准是什么——这些都得写清楚。AI 看不到你脑子里的上下文，它只能看到你喂给它的那些字。

旋钮二：验收标准。 我不要求自己能把 AI 的代码每一行都看懂，但至少要能判断"它给的东西对不对"。这个判断力就是放大器的底座。你要是连好坏都分不出来，AI 给你什么你都得点头，那它放大出来的就不是能力，是你的盲从。

旋钮三：边界控制。 涉及架构方向、关键模块、数据安全的决策，必须停下来等我拍板。AI 可以提方案、可以列选项、可以把过程跑完，但方向盘上的手，得是我的。这不是不信任它，是责任问题——出了事背锅的是我，不是那个能把错误说得义正辞严的模型。

注：这三个旋钮听起来很抽象，落到配置上就是一堆规则文件。我以前写过一篇《规则写给 AI，但整理的是自己》，那里面的速查卡、触发词表、规则分级，本质都是在干同一件事——把放大器的"放大倍率"和"放大方向"校准好。规则不是写给 AI 的约束，是写给自己的说明书。

AI 不欠你一个结果

说了这么多，其实最想说的一点是：AI 不欠你一个结果，它只负责把你给出的一切放大。

你给它模糊的愿望，它就放大你的模糊；你给它清晰的边界，它就放大你的清晰；你给它扎实的语义，它就放大你的扎实。你自己的地基有多牢，它盖出来的楼就有多高。

看现在网上铺天盖地的焦虑——"AI 要取代程序员了""XX 行业要完蛋了"——我觉得大可不必。真正该问的问题不是"AI 会不会取代我"，而是"我的信号够不够强，值不值得被放大"。一个人的判断力、审美、经验、以及把愿望翻译成动作的能力，这些东西 AI 没法替你长出来，但它能让你有的那些东西，十倍百倍地响。

写在结尾

从最开始把 AI 当网页上那个"谈经论道"的老师，到后来把它当成住在终端里的学徒，再到现在把它当成一台自己亲手校准的放大器，我花了大半年。

期间也没少翻车，也没少半夜盯着它的输出怀疑人生。但把心态从"许愿"切换到"放大"之后，很多东西一下子顺了：我不再指望它给我惊喜，我只要求它不辜负我的判断。它做得好的时候，功劳是我俩的；它翻车的时候，问题基本都能追溯到我输入的那句模糊的话上。

还有一些没想清楚的地方，比如怎么把放大器的校准经验标准化，让团队里的每个人都能拧那三个旋钮。等有空了再琢磨。

说到底，放大器放大的，是我自己的样子。想让它放大出好东西，得先让自己成为值得放大的那个信号。