AI 让写代码这件事变快了，但项目并没有因此自动变简单。真正难的部分，反而更明显：判断什么应该做，什么不能动，什么需要验证。
速度不是质量
一个模型可以很快生成组件、接口和样式，但它不知道这个项目背后的历史，也不知道哪些文件属于后台边界、哪些脚本负责生产部署、哪些改动会影响已有数据。
我会先给 AI 明确边界
例如在 yaokai.me 的重构里，前台页面、组件、视觉和文案可以大改；后台、数据库、API、文章系统和部署脚本不能被破坏。没有这个边界，生成速度越快，风险越大。
判断来自运行结果
我不会把 AI 的回答当成结论。代码要能构建，页面要能打开，移动端要能读，Dropdown 不能穿透背景，hover 不能出现黑点，部署脚本要能保留生产数据。
更好的协作方式
AI 适合做探索、候选方案、实现细节和检查清单。人要负责目标、取舍、验收和复盘。这样 AI 才是放大判断，而不是制造更多不确定性。