AI 时代，
更应该学会做减法

生成变便宜，取舍变昂贵

过去，一个功能要不要做，往往会经过比较长的讨论。因为实现需要时间，修改也有成本，所以人会被迫提前想清楚：它解决什么问题，谁会使用，最小的实现是什么。

现在，AI 可以让一个想法迅速变成现实。按钮可以加，页面可以改，动效可以再做一套。每一次修改看起来都不难，于是“先加上再说”逐渐取代了“它真的需要存在吗”。

但代码写得更快，不代表产品变得更清楚。功能越多，用户需要理解的东西越多；分支越多，维护和解释的成本越高。AI 降低了制造的成本，却没有自动降低复杂度。

所以 AI 时代更需要做减法。

减法不是把产品做得简陋，也不是拒绝丰富的可能性。它是在每一次增加之前，先问一句：如果去掉这个东西，产品还成立吗？如果答案是肯定的，它可能就还没有必要出现。

MVP 不是赶工版

我以前也容易把 MVP 理解成“先做一个能跑的版本”。后来才发现，MVP 的重点不是少做几个功能，而是尽快验证产品最核心的假设。

一个真正的 MVP，应该回答一个具体问题：用户是否需要这件事？他们是否愿意完成这个动作？产品提供的那一点价值，是否足以让他们留下反馈？

如果核心问题还没有得到回答，继续增加功能通常只是在掩盖不确定性。页面变得更完整，介绍变得更漂亮，但我们仍然不知道产品是否真的有必要存在。

AI 特别容易制造这种错觉。它可以把一个未经验证的想法包装得像一个成熟产品，让人误以为“已经做了这么多，应该继续做下去”。可投入的时间不是产品成立的证据，完成的页面也不是用户需要它的证据。

MVP 真正要做的，是把问题缩小到不能再回避的程度。

先规划，再让 AI 动手

AI 很擅长执行明确的任务，却不应该替我们决定任务的边界。

在让它修改代码之前，我越来越习惯先写下几件事：现在的问题是什么，想要达到什么结果，哪些地方不能被影响，怎样判断这次修改是成功的。

这几句话看起来很慢，却能避免很多无效的来回。没有边界的修改，很容易从一个小问题扩散成一连串补丁：为了修正一个视觉细节，改了布局；为了适配布局，又改了交互；最后整个页面都偏离了最初的问题。

规划并不意味着把所有细节提前决定。它更像是在动手之前画出一条边界，让 AI 在边界内提供方案，而不是让它根据一句模糊的“再优化一下”不断扩大范围。

我现在会把改动分成两类：

• 方向性的决定：产品做什么、不做什么，核心流程是什么，页面应该保持怎样的气质。这些需要慢一点，多问几遍。
• 可撤销的实验：一个间距、一种颜色、一段动效、一种文案。这些可以快一点，用真实效果验证。

对方向谨慎，对实验快速；对不可逆的决定慢一点，对可逆的尝试快一点。

谨慎，不等于害怕开始

“谨慎”有时会被误解成拖延，好像只有不断等待更多信息，才算认真负责。但真正的谨慎不是不行动，而是知道自己正在承担什么样的后果。

可以快速做一个小实验，因为它随时可以撤回；不能在没有验证核心需求之前，就把大量时间投入到完整系统里。可以尝试三种页面表达，但不应该因为已经写了很多代码，就舍不得删掉错误的方向。

AI 让试错变便宜了，我们更应该把省下来的成本用在验证上，而不是用来制造更多未经思考的内容。

多问一问，不会丢脸

还有一个变化对我来说很重要：向 AI 暴露自己的不足，心理成本正在变低。

过去遇到不懂的问题，我们可能不愿意马上问。担心别人觉得自己基础差，担心一个简单的问题暴露无知，或者只是害怕在对话里显得不够专业。很多人因此绕很远的路，先假装理解，再在错误的前提上继续工作。

AI 不会因为你不懂一个概念而责备你，也不会因为你反复追问而看不起你。你可以直接说：

我不理解这一段，请从最基础的地方开始。
这个方案可能遗漏了什么？
我是不是只是在给一个没有价值的功能增加包装？
如果你站在用户的角度，哪里最容易感到困惑？

这些问题并不代表能力不足。恰恰相反，它们让工作从假装确定，回到真正的理解。

AI 最有价值的地方之一，是提供了一个低压力的练习场。你可以在这里先承认自己不知道，再把问题拆开，直到知道下一步应该验证什么。

把缺点说出来，才能看见问题

如果只把完成后的方案交给 AI，让它帮忙润色和加功能，它很容易变成一台放大器：把原本不清楚的想法做得更完整，把不必要的复杂变得更精致。

更有用的做法，是把不确定和缺点一起交出去。

告诉它自己担心什么，哪些地方没有想清楚，哪些决定只是因为舍不得之前的投入。让它指出矛盾，要求它提出反例，甚至让它从完全不同的角色重新审视这个方案。

这不是把决策交给 AI，而是借助它扩大检查的范围。最后留下什么，仍然需要自己决定；但在决定之前，我们至少看见了更多可能的问题。

让 AI 帮你少做一点

我希望以后使用 AI 时，不只是让它生成更多东西，也让它帮我删掉一些东西。

删掉一个没有必要的页面，删掉一段解释不清的文案，删掉一个会打断阅读的动效，删掉一个只是因为“看起来很酷”才被保留下来的功能。

一个好的请求不一定是“帮我做得更丰富”，也可以是：

请找出这个方案里最不必要的部分。
如果只能保留一个功能，应该留下什么？
哪些内容是在增加价值，哪些只是在增加复杂度？

当 AI 不再只是加速器，也成为一面检查镜，我们才真正开始使用它带来的余裕。

最后仍然要由人负责

AI 可以帮助我们规划、解释、比较和试错，也可以让承认“不知道”变得更容易。但它不会替我们承担产品失败的后果，也不会替我们回答“为什么要做这件事”。

所以我现在越来越相信，AI 时代的工作方法不是更快地把所有想法做出来，而是更快地排除不值得做的想法；不是减少思考，而是把思考放在真正需要负责的地方。

先确认问题，再定义最小版本；先划清边界，再让 AI 修改；先承认缺点，再寻找解决方案。

AI 让行动的门槛降低了，也让暴露不足的代价降低了。我们没有理由继续假装自己什么都懂。

可以勇敢地多问一问，也可以谨慎地少做一点。

因为真正稀缺的，从来不是生成能力，而是知道什么值得留下。