我最近离开了在 Superlogic 的职位。
我不是要离开科技行业，也不是不再做东西了，更不是在休一个传统意义上的长假。
相反，我打算用接下来的这一章，把重心放在家人身上、帮忙把一家非营利组织建起来，并且教我的孩子们如何用 AI 做出真正的产品和生意。
最后这一件，是我最感兴趣的实验。
我的孩子们成长在一个「把想法变成能用的软件」的成本正在迅速下降的世界里。一个有动力的人，如今可以在几天、有时甚至几小时之内，从概念走到原型。
但开发得更快，并不会自动产出更好的产品。
AI 可以生成代码、设计、文案、调研和商业计划。它做不到的，是可靠地判断哪些问题值得解决、用户是否真的在乎、哪些取舍是可以接受的，以及一个产品什么时候可以发布。
这些才是我想教的本事。
目标不是教他们写提示词
我并不想把孩子培养成职业的提示词工程师。
我想让他们学会「造东西」。
这意味着要学会：
- 发现真实的问题
- 和潜在用户交谈
- 检验假设
- 定义一个很小的第一版
- 用 AI 加速执行
- 审视并质疑生成出来的成果
- 把东西公开发布出去
- 衡量发生了什么
- 把它改好，或者把它关掉
AI 工具很重要，但它们不是课程内容。
课程内容是判断力。
一个能让 AI 模型生成一个应用的孩子，做了一件有意思的事。而一个能讲清楚这个应用为什么该存在、服务的是谁、可能怎么赚钱、可能在哪里失败、以及应该先做什么的孩子，学到的东西要有价值得多。
Senternet 是我们的工坊
我启动了 Senternet，一间做产品和咨询的工作室。这个名字并不新：Senternet 是我 27 年前创办的第一家公司，如今把它重新启用，感觉刚刚好。
它是一把伞，我会在它下面做产品、开发应用、为公司提供顾问服务，并试验新的商业想法。在合适的地方，我的孩子们会参与进来——不是作为旁观者，而是作为贡献者。
这可能包括：
- 调研一个市场
- 给一个产品起名
- 访谈用户
- 设计一个界面
- 制作营销素材
- 测试一个原型
- 看数据分析
- 帮忙决定接下来做什么
有些项目会是客户的活儿，有些会是我们自己的产品。
有些可能长成生意，有些会很快失败。这在预期之中。
我想让他们体验从想法到落地的完整循环，包括那些不舒服的部分：需求不清、假设错误、缺陷、被拒绝，以及行为与预期不符的用户。
AI 让「更快地造出错的东西」变得更容易。
唯一的防线，是学会思考。
我们会用 AI，但不会把责任外包出去
我的经历横跨工程、安全、运营、产品、设计和高管管理。我做过 CEO、CTO、COO、CISO，也做过创始人和一线的建造者。
我能教给孩子们最有用的东西，不是某个具体的框架或编程语言。那些都会变。
我能教他们如何对系统进行推理。
当我们用 AI 生成软件时，他们需要问：
- 这段代码真的能跑吗？
- 它安全吗？
- 模型做了哪些假设？
- 我们在收集什么数据？
- 这些数据归谁所有？
- API 失败时会发生什么？
- 规模上来之后这要花多少钱？
- 我们是在解决最初的问题，还是只是在堆功能？
- 会有人为它付钱吗？
- 它究竟该不该存在？
模型可以给出一个答案。
但后果，依然归造它的人所有。
这个区分很要紧，尤其对那些若非如此、可能会在成长中以为「看起来像样的输出」就等于「正确的输出」的孩子来说。
BeeReady 给了我们一个真实世界的问题去解决
我还会在 BeeReady 做志愿者。这是一家非营利组织，由我的妻子 Andi Senter、另一位同样是医生的母亲 Elda Fisher 和我共同创办。
BeeReady 专注于改善青少年体育赛事中的应急准备：心肺复苏和 AED 培训、有明确标识的志愿响应队伍，以及让救命设备更容易被取用。
我将担任 CTO 和 COO。
这意味着我要负责技术、运营、内部系统、志愿者协调、数据收集，以及让这个组织成长所需的基础设施。
这给了我们比课堂练习更好的东西。
它给了我们真实的约束。
非营利组织预算有限。志愿者时间有限。用户可能正处在紧张、分心的状态，或者根本不懂技术。系统必须能在球场、泳池和社区活动现场跑起来。软件不能仅仅因为「造起来有意思」就存在。
它必须减少摩擦。
它必须支撑使命。
而在这件事上，失败是会有代价的。
这让 BeeReady 成了一个格外有意义的环境，用来教产品开发、运营和负责任的技术。
技术栈没有过程重要
我们会使用现代的 AI 辅助开发工具。这大概率包括编码智能体、设计工具、自动化平台、云服务、数据分析，以及传统的开发环境。
但我不希望这个项目变成一份不断加长的工具清单。
工具变得太快了。
可复现的过程更重要：
- 找到一个真实的问题。
- 定义用户是谁。
- 找出风险最大的那个假设。
- 造出最小的验证。
- 用 AI 加速这项工作。
- 带着批判的眼光审阅一切。
- 把它放到真实的人面前。
- 衡量行为，而不是收集赞美。
- 决定是否继续。
无论产品是一个手机应用、一套非营利组织的工作流、一项咨询服务，还是一门小小的线上生意，这个过程都管用。
它也能阻止 AI 辅助开发退化成无休止的原型生成。
发布不是过程的终点。
发布，是现实开始给这份作业打分的时刻。
我预期他们会失败
我并不指望每个项目都成功。
如果都成功了，我反而会担心。
一个没人用的项目，可以教会定位。
一个没人买的产品，可以教会定价。
一段让人困惑的引导流程，可以教会设计。
一处安全失误，可以教会威胁建模。
一个花了三周却毫无价值的功能，可以教会范围控制。
重点不是为社交媒体制造一串亮眼的发布记录。
重点是帮他们培养出恢复、调整并继续构建的能力，同时不把失败误认为自己的无能。
AI 降低了试验的成本。这本该让我们更愿意去检验想法，而不是更舍不得自己产出的每一个想法。
这同时也是一场教育实验
传统教育往往把各个学科分开。
编程是一门课，商业是另一门。写作、设计、财务、运营和市场，又各自待在别处。
而做一个产品，把它们全都合到了一起。
一个小小的软件项目，可能要求一个学生把话写清楚、用数学思考、理解用户、评估取舍、管理时间、说明自己的决定，并接受批评。
AI 在每个阶段都能帮上忙，但它也带来了一个新的教育难题：学生可能产出自己并不理解的成果。
所以我们会立一条很简单的规矩：
你应该能讲清楚你造了什么。
这不是要背下生成代码的每一行。专业开发者本来就依赖着自己没写过的框架、库、抽象和工具。
它的意思是：你要对这个系统理解到足以推理它的行为、局限、风险和目的。
如果你说不清它为什么能用，那你就还没做完。
我打算写些什么
我打算把这场实验记录在这里。
可能包括：
- 我们如何挑选项目
- 我如何教孩子负责任地使用编码智能体
- AI 辅助开发在哪些地方效果很好
- 它又在哪些地方制造了隐蔽的问题
- 我们如何验证产品想法
- 我们如何组织小型的家庭项目
- 做非营利组织技术得到的经验
- 我们犯下的错误
- 我们发布的产品
- 我们决定砍掉的项目
我特别感兴趣的，是「生成软件」与「建立一门生意」之间的那道鸿沟。
这道鸿沟依然巨大。
AI 正在让实现变得更便宜。但它并没有让理解客户、渠道分发、判断力、领导力和担责变得过时。
在很多情况下，它反而让这些变得更重要了。
一种不太一样的职业选择
离开一份全职工作，常常被描绘成纵身跃入创业的戏剧性一跳。
这一次感觉不一样。
我并没有把一切都押在一家创业公司上。我在搭建一间工作室、帮着运营一家非营利组织、和孩子们待更多时间，并且创造一个我们可以一起检验想法的地方。
在我职业生涯的大部分时间里，我都在帮助公司做产品、解决技术问题。
现在我想更直接地运用这些经验，同时教会我家里的下一代去创造，而不只是消费。
我们会大量使用 AI。
我们也会质疑它、检验它、拒绝它的输出，并为我们发布出去的东西承担责任。
在我看来，这才是「用 AI 造东西」这件事里最要紧的部分。
Top comments (0)