我几乎没写代码，却用两个AI构建了一个天文软件：我的实战复盘与未来思考

分享者：Pkuspy | 整理与追问：Jun

当人们还在讨论AI是否会取代程序员时，我已经一头扎了进去。最近，我完成了一个专业级的天文模拟软件，它能实时、精确地渲染太阳系各大行星、矮行星及其卫星的运行轨道。令人惊讶的是，这个项目99.9%的代码都不是我亲手写的。我更像一个项目总监，指挥着两位特殊的“程序员”——Claude和GPT。这段经历彻底颠覆了我对软件开发的认知，也让我对未来工程师所需的核心能力有了全新的思考。

第一部分：指挥家的蓝图——我如何用Markdown文档驾驭“双AI员工”

我的核心工作流，不是编写代码，而是编写和维护一份作为“唯一真相来源”的中央文档。我把它想象成管理两个AI员工的核心技术规范。这两个“员工”各有专长：

• Claude： 我视他为严谨的“工程实现专家”。他在遵循规范、保证代码结构清晰和工程质量方面表现卓越。
• Codex (GPT)： 他则是富有创造力的“算法专家”，擅长解决复杂的逻辑和算法难题。

问题是，这两个AI无法直接沟通，而且都“记性不好”，受限于上下文窗口，无法记住项目的宏大蓝图。我的解决方案，就是为它们创建并时刻同步一份“项目宪法”——一份详尽的Markdown文档。

Jun: “这听起来像是在管理两个真人程序员。你是如何通过文档与它们协作的？”

Pkuspy: “完全正确。我创建了一个主文档，比如叫 claude.md，里面包含了项目的‘第一性原理’。它不是临时的指令，而是整个项目的基石，记录了：

• 核心架构： 比如代码必须遵循Unix哲学，按功能拆分成小文件。
• 关键算法： 比如解决浮点数溢出问题的坐标系变换逻辑。
• 数据契约： 所有天文数据源必须来自NASA JPL，以及数据结构如何定义。
• 不变的约定： 例如，所有距离的内部计算单位必须是公里，而不是天文单位（AU），以保证精度。

当我需要Codex工作时，我会确保它拿到的技术文档和claude.md里的核心原则是完全同步的。我手动维护这份同步，因为我是唯一掌握全局的人。我作为架构师，负责更新蓝图；而它们，则根据这份蓝图来砌砖。”

这个工作流将AI从一个简单的“代码生成器”提升到了“受指导的协作者”。它解决了AI编程最大的痛点：上下文遗忘和逻辑不一致。我不再需要反复向AI解释项目的背景，只需将更新后的文档部分喂给它，它就能立刻‘回忆’起所有关键设定。我的角色，也因此从一个疲于奔命的执行者，真正转变为一个运筹帷幄的“指挥家”。

第二部分：AI的“阿喀琉斯之踵”——我踩过的那些坑

AI并非万能，它的强大背后也潜藏着巨大的陷阱。在这个项目中，我遇到了三个核心挑战：

1. 精度的挑战：当宇宙大到浮点数都无法承受

在模拟从太阳到奥尔特云的广阔宇宙时，标准的float甚至double类型都无法承受如此巨大的尺度差异，精度溢出成了最大的拦路虎。我百思不得其解时，向GPT-5描述了我的困境。它给出了一个天才般的解决方案——动态调整坐标原点。即在宏观视角下，坐标原点在太阳；但当镜头拉近到某个星球时，程序会自动将坐标原点切换到该星球的中心。这样一来，所有计算都在一个合理的精度范围内进行。这个核心算法，是AI教给我的。

2. 真实性的挑战：AI无法分辨NASA和维基百科

数据是天文模拟的灵魂。我很快发现，AI无法判断信息的真伪。它会从互联网上抓取大量被“污染”过的数据。例如，它不知道天文学中“恒星日”和“太阳日”的区别。我必须明确告诉它，所有数据必须以NASA JPL（喷气推进实验室）的官方数据库为准，而不是维基百科。这让我深刻意识到，AI只是一个信息处理工具，而验证信息源的真实性、提供高质量的输入，仍然是人类专家的核心价值。

3. 依赖地狱的挑战：AI在瞬息万变的前端世界中迷失

我曾尝试使用React Native这样的跨平台框架，希望一套代码到处运行。结果是一场灾难。前端世界的技术栈（尤其是Node.js生态）更新太快，依赖库版本复杂。而AI的训练数据总有延迟，它生成的代码往往基于过时的依赖，导致各种莫名 tämän的编译错误。我花费了大量时间在和AI一起调试环境问题上。最终我放弃了，回归到iOS和Android原生开发。这个教训是：在环境复杂、变化迅速的领域，AI的可靠性会大打折扣，稳定和可控压倒一切。

第三部分：AI时代的新铁律——拥抱“激进重构”

在整个对谈中，我反复强调了一个词：重构。这并非偶然，而是我与AI协作的核心实践。如果说AI是高效的“劳动力”，那么持续的、甚至可以说是“激进”的重构，就是保证最终产品质量的“灵魂”。

我有一个基本原则：只要在代码里闻到一丝“坏味道”（Code Smell）——任何让我感觉不爽、不清晰、不优雅的地方——就必须立即重构。例如，一个没有注释的神秘数字2.5，在传统开发中可能会因为赶进度而被容忍，但在AI协作中，这是灾难的开始。因为如果我今天不知道它是什么，明天AI更不可能知道，后续生成的代码质量就会急剧下降。

Pkuspy: “以前，重构的成本非常高，工程师为了进度会妥协，导致项目里堆积了大量的‘历史包袱’。但现在完全不同了，AI让重构的成本变得极低。我不需要自己动手，我可以命令AI：‘去分析这个文件，把所有硬编码的数字都提取成有意义的常量。’或者‘这个模块太臃肿了，把它拆分成三个更小的、符合单一职责原则的模块。’AI会立刻执行。”

Jun: “所以，你不再害怕推翻重来，因为重建的速度非常快？”

Pkuspy: “正是如此。哪怕会付出一些代价，我也绝不容忍坏代码的存在。因为我知道，一个清晰、优雅的架构，是AI能够持续产出高质量代码的唯一保证。如果不这样做，项目很快就会陷入‘垃圾进，垃圾出’的恶性循环，最终变得无法维护。”

因此，拥抱重构，将其从一个偶尔为之的“大手术”变成日常的“健身锻炼”，是AI时代开发者必须具备的核心素养。这不仅关乎代码质量，更直接决定了你与AI协作的效率和项目的最终成败。

第四部分：驾驭AI时代，我们到底需要什么能力？

这次经历让我彻底反思了未来的教育和个人能力模型。当AI能处理绝大多数编码任务时，什么才是人类不可替代的？

Pkuspy: “未来，一个天文学家、一个律师、一个建筑师，只要他有深厚的领域知识，就能利用AI构建出强大的工具。编程本身正在‘降级’为一种基础技能，而领域知识的价值则被前所未有地放大了。”

我认为，要真正驾驭AI，以下三种基础教育的重要性甚至超过了学习任何一门具体的编程语言：

1. 语文（语言表达能力）： 这就是未来的“编程语言”。你向AI提问、描述需求的能力，直接决定了AI输出的质量。模糊、有歧义的指令只会产生垃圾代码。清晰、精确、结构化的语言是与AI高效协作的基石。
2. 数学（逻辑与抽象能力）： 数学训练的不是计算，而是逻辑思维、分类讨论和抽象建模的能力。如何将一个复杂问题拆解成AI可以理解的、一步步的逻辑指令？这就是数学思维的应用。它是你设计软件架构和调试复杂问题的核心武器。
3. 物理（第一性原理思考）： 物理教会我们探究世界运转的根本规律。在AI时代，这意味着你不能满足于AI给出的“黑盒”答案，而是要去理解其背后的原理。为什么这个算法会生效？为什么数据会出错？这种刨根问底、回归本源的科学思维，是你在AI面前保持判断力和洞察力的关键。

我们不再需要成为记忆代码语法的“活字典”，但我们必须成为一个优秀的系统架构师。我们的工作是设计蓝图、定义规则、管理复杂性，然后将具体的砌墙任务交给AI。而那些缺乏逻辑思维和清晰表达能力的人，即使面对最强大的AI，也依然会束手无-ce.

第五部分：信息革命：从搜索引擎到“源头信息”

Pkuspy的开发经历引申出了一个更宏大的话题：AI正在如何颠覆我们获取和信任信息的方式。作为生产力工具的创造者，Jun对此分享了他的深刻洞察。他坚信，由AI大量生成的二次、三次加工的文本（比如很多公众号文章）价值会越来越低，因为它们来源不可靠，充满了信息偏差。Jun观察到，这种趋势已经在他身边发生，他身边包括非技术背景的家人也开始习惯用豆包（Doubao）这样的对话式AI，而不是传统的搜索引擎去获取答案。

Jun: “未来最有价值的是‘源头信息’——比如专家的原始访谈录音、未经修改的学术论文、官方发布的数据集。我已经开始实践这一点，我用自己开发的脚本，将国外顶尖AI科学家的访谈视频转录、翻译，然后在开车、跑步时收听。我发现，直接听源头的声音，能捕捉到许多在转述文章中丢失的细节和情绪，这对于形成深度认知至关重要。”

我们正在从一个“搜索信息”的时代，迈向一个“对话信息”和“验证源头”的时代。信任的锚点，正在从海量的加工文本，转移到可追溯、未经篡改的原始数据上。

第六部分：重塑工具链：当Confluence和Jira的未来形态是“对话”

Jun关于“源头信息”的观点，引发了Pkuspy对现有企业工具未来的思考。

Pkuspy: “所以像Confluence这样的知识库，未来会被淘汰吗？”

Jun: “我认为它的形态会彻底改变。未来，我们为什么要花时间去写会议纪要和文档？理想的工作流应该是：所有会议、讨论都被自动录音并转录。当一个新员工想了解某个决策时，他不再是去翻阅一篇篇静态的文档，而是直接向公司的知识系统提问：‘去年Q3关于渲染引擎的技术选型，最终结论是什么？背后的考虑有哪些？’然后，AI会基于原始的会议录音，为他生成一份精准、动态的摘要。静态的知识库将被一个可对话、可追溯的‘集体记忆’所取代。”

这个设想也延伸到了个人层面。Jun分享了他对专用AI硬件的构想——一个能随时记录对话、想法，并在本地安全处理数据的个人助理设备。隐私是这一切的核心，数据必须由用户自己掌控。这可能是未来智能手机的终极形态，它不仅仅是通讯工具，更是我们记忆和思想的外置延伸。

第七部分：商业的终局：在利基市场中寻找“从0到1”的价值

对话的最后，回归到Pkuspy开发的天文软件本身。Pkuspy解释说，他最初将应用定价为6元，主要面向大众和天文爱好者。这一产品定位，引发了一场关于商业模式的深入探讨，Jun凭借其创业经验，提出了一个截然不同的视角。

Jun认为，真正的商业价值，往往不在于做一个“更好一点”的娱乐或科普产品，而在于为一个特定的专业群体，解决一个“从0到1”的刚需问题。

Jun: “你的应用如果只是让普通人更爽一点，那它的价值天花板就很低。但是，如果它能服务于需要精确月相信息进行科研或专业天文摄影的用户，为他们解决一个以前没有工具能解决的问题，那么它的价值就远不止6元了。核心是找到那些现有工具无法满足、并且用户愿意为之高价付费的痛点。”

这为所有AI时代的开发者提供了一个启示：我们不必总想着去构建一个面向所有人的平台级应用。相反，利用AI强大的能力，深入到一个你所热爱的、并具备专业知识的垂直领域（利基市场），为一小群人提供极致的、不可或缺的价值，这或许才是最可行、也最激动人心的商业路径。