过去三个月，我利用 VibeCoding 做了三个工具：一个个人网站、一个提效小插件、一个笔记洞察工具。
坦白说，这些工具既不精致，也没几个用户。但在“造轮子”的过程中，我对 AI 的认知发生了质的飞跃——我不再停留在概念层面的“理解”，而是真正触碰到了 AI 的边界、可能性的上限，以及它对传统产品思维的重构。
在此期间，我观察到舆论场中存在两种截然不同的声音： 一种是极度狂热 ：“10 分钟开发一个 APP，人人都是架构师！” 一种是极度虚无 ：“市面上同质化工具泛滥，制造这些电子垃圾有什么意义？”
这两种声音，恰恰折射出当下 AI 讨论中的浮躁与焦虑。作为一名产品经理，我想跳出“工具论”，从更理性的视角探讨一个核心命题： 在 AI 辅助编码普及的时代，产品经理为什么要学会“弄脏双手”？
一、 重新定义“动手”：从“造轮子”到“懂轮子”
1.1 跨越“知道”与“做到”的鸿沟
在传统流程中，产品经理的核心价值是“定义”——需求分析、方案设计、资源协调。技术实现往往是一个黑盒。 这种分工虽然高效，但也导致了PM对技术的理解往往悬浮在理论层：
- 成本盲区： 不知道一个看似简单的功能，背后需要多大的工程量。
- 边界模糊： 不清楚 AI 能力的真实天花板和底线在哪里。
- 可行性幻觉： 难以准确判断技术方案落地的真实难度。
VibeCoding 等工具的出现，改变了游戏规则。它并非要求 PM 转型成为全栈工程师，而是提供了一个低成本的**“验证沙盒”。通过亲手敲击（或生成）代码，我们能建立起一种对技术实现的直觉性理解**。
1.2 一个真实的“劝退”案例
在开发“笔记洞察工具”时，我最初的设想极其宏大：全量分析笔记、自动生成知识图谱、输出深度洞察…… 但当我真正上手实现时，现实给了我三记重锤：
- 数据结构之重： 标签系统的设计远比画原型图复杂，牵一发而动全身。
- AI 幻觉之痛： 对模糊指令的理解，AI 经常“一本正经地胡说八道”。
- 性能优化之难： 笔记数量一旦上千，处理速度断崖式下跌。
这些认知，是任何 PRD 文档和技术分享都无法赋予的。 最终，我被迫砍掉 80% 的功能，只保留了“关键词分类+定期回顾+哲思洞察”。功能虽简，但它跑通了。 这个过程教会我的，是如何在残酷的技术约束下，做出更务实的取舍。
1.3 “动手”的深层红利
从方法论角度看，PM 亲手写代码的价值在于：
- 需求验证的颗粒度： 快速将脑暴转化为可交互的原型，把“伪需求”扼杀在摇篮里。
- 技术边界的感知力： 用肉身测试 AI 的上限与下限，不再被技术名词忽悠。
- 协作效率的同理心： 真正理解开发者的痛，沟通不再是“鸡同鸭讲”。
二、 直面争议：回应两种典型误区
2.1 警惕“10 分钟开发 APP”的浮夸叙事
社交媒体上充斥着“零代码做出 XXX”的爽文。这类内容最大的误导在于：它们把 AI 的“起步速度”等同于“成品效率”。 实际上，VibeCoding 的价值不在于让你 10 分钟生成一个 Demo，而在于大幅降低了试错成本。 它允许你用极低的代价去验证想法、去碰壁、去迭代。真正的效率提升，来自于对需求的深刻理解，而非工具生成的表面速度。
2.2 “电子垃圾”还是“认知阶梯”？
面对“制造电子垃圾”的质疑，我的回答是：对于个人开发者而言，产品的价值不在于交付物本身，而在于制作过程中的认知迭代。 就像小时候玩乐高，乐趣不在于最后搭好的房子，而在于搭建的过程。 即便你做出的工具市面上已有替代品，但在过程中你获得了什么？
- 解决了特定痛点： 哪怕只为你一个人服务，解决了你的真实问题，就是价值。
- 培养了产品直觉： 在取舍功能的痛苦中，理解了什么是 MVP（最小可行性产品）。
- 建立了技术理解： 知道“能做”和“好做”的区别。
学习的副产品，本就不该用商业成功的标准来衡量。 “电子垃圾”，或许正是通往卓越产品的垫脚石。
2.3 差异化的本质：技术拉平了门槛，但没拉平审美
当技术门槛被无限降低，同质化不可避免。那么，差异化从何而来？ 答案在“软实力”：
- 洞察力： 你是否比别人更懂用户的隐秘痛点？
- 审美力： 你的交互是否足够优雅、具有情感连接？
- 品牌力： 你的产品是否传递了独特的主张？
技术只是基建，当人人都有基建时，上层建筑的设计能力才是决胜关键。这对 PM 来说，既是挑战，更是回归本质的机遇。
三、 方法论：如何正确使用 VibeCoding？
3.1 核心原则：做对自己有用的东西
“对自己有用”是学习 AI 编程的唯一捷径。 因为只有需求是真实的，反馈才是即时的，动力才是内在的。这远比看一百个小时的教程有效。
3.2 实践框架：从 0 到 1 的四步法
基于我的踩坑经验，总结了一套适合 PM 的实践路径：
- 痛点挖掘（做减法）： 不要宏大叙事。找那个让你每天觉得麻烦的小事（如整理会议纪要、管理稍后阅读）。
- 需求简化（抓核心）： 先做“能用”的丑东西。不要想知识图谱，先做个搜索框。
- 快速实现（跑流程）： 关注核心链路，忽略边缘 Case。先让车跑起来，再考虑换轮胎。
- 使用迭代（如实修）： 自己先用起来。那个你从来不点击的按钮，果断删掉。
3.3 关键能力：戴着镣铐跳舞
使用 AI 编程的过程，本质是学习**“在限制中做设计”**。 你会发现 AI 理解不了复杂的上下文，性能存在物理瓶颈。这些限制，恰恰是产品设计的真实环境。学会在不完美的技术条件下找到最优解，才是 PM 的核心竞争力。
四、 图景重构：AI 时代的产品思维
4.1 从“定义者”到“验证者”
传统流程是线性的：需求分析 → 方案设计 → 开发实现。PM 是“定义者”。 AI 时代，流程变成了环形的：想法 → 原型 → 验证 → 调整。PM 变成了“验证者”。 我们不再需要等待漫长的开发排期，验证假设的周期从“周”缩短到了“小时”。
4.2 从“协调资源”到“独立探索”
过去，验证一个想法需要协调 UI、前端、后端。现在，在早期验证阶段，PM 可以独立完成闭环。 这赋予了我们前所未有的探索自由度。
4.3 从“技术理解”到“技术直觉”
最重要的是，通过动手，我们获得了一种技术直觉。 这种直觉让你在听到一个需求时，下意识地知道：难点在哪里？风险有多大？性价比如何？ 这种直觉，将是 PM 在 AI 时代最护城河的能力。
五、 结语
回到最初的问题：VibeCoding 到底有用吗？ 如果你的目标是“快速开发一个爆款 APP”，它大概率会让你失望。 但如果你的目标是**“以极低的成本理解 AI 的边界，重构自己的产品思维”**，那它就是最好的老师。
在这个过程中，你会遇到 AI 的幻觉、性能的瓶颈、逻辑的漏洞。 但正是这些“麻烦”，让你真正触摸到了 AI 的实体。
做出对自己有用的 AI 应用，是学好 AI 的唯一路径。 不要做岸上的评论家，下水吧，水的深浅，只有自己知道。