优秀水平的平均值计算方法全面解析

回想一下，如今的编程体验与两三年前相比，变化可谓天翻地覆。

从叶子节点起步的编程时代

最初，我们主要依赖Cursor来完成编程任务。那时，整个产品的逻辑核心完全由我掌控，我需要用自己搭建的大框架来规划整个产品。因为Cursor最初的功能本质上只是一个自动补全工具——你必须先写好一个函数的头部，包括前面的注释、函数名以及传入参数，都明确无误后，它才会自动填充函数体内部的内容。

换句话说，那时的AI只能处理最底层的细节工作。

我必须先想清楚整个产品的全貌，设计好产品功能，甚至完成UI设计，至少搭建好整体架构，确定每个文件名并创建好所有文件，然后才能在某一个具体函数里——在整个工作流的最末端、最细小的环节——让AI开始介入。

这段时期我们也做出了一些产品。坦白说，每个产品都像是AI生成的半成品。

效率确实提升了：原来需要手动编写的函数，现在可以交给AI完成。但产品质量提高了吗？并没有。我依然是那个不合格的产品经理、不合格的美工、不合格的测试——每个环节其实都达不到专业水准。

转眼间，两三年过去了。

跨越多个时代的AI工具进化

如今，工具集已经彻底改变。像Claude Code这样的工具，与Cursor相比，已经跨越了数个时代。现在的开发流程不再是“我先搭建好大框架，AI只在叶子节点上执行”，而是从一开始，从最顶层开始，AI就与我共同构建方案。更不用说还有superpowers等一系列强大的技能，它们会不断向我提问，在最大的产品/技术分岔路口帮我做出决策。

有了这些工具，我现在更多思考的是在AI的辅助下，在高层次上：如何设计整个产品的功能，如何规划技术的大架构。然后AI会一层层地写出计划、做出设计、生成技术文档，交给我审查。之后，从生成文件到编写代码——现在VoiceDrop项目在两周内已经积累了将近1000个测试用例，确保每次提交的代码都没有回归问题——这些工作全部由AI包揽。

因此，从这个角度看，AI不再仅仅是在我的框架下弥补我的不足，而是在许多我根本不具备的能力上，把我拉到了优秀水平的平均值。

触达优秀水平的平均值

最近正在开发的VoiceDrop，它的设计可以说就是优秀水平的平均值。它的UI、它的测试——那些我并不擅长的领域——都达到了这个标准。

为什么我一直强调“优秀水平的平均值”？

因为它就是优秀水平中的一个平均数。它不会产生特别惊艳的设计，中规中矩，是所有优秀做法中的折中值。它不会把一个人变成顶尖优秀产品经理中的最顶级——那不是AI该做的事情。但如果一个人原本并不是出色的产品经理，AI能把他拉入优秀的队列。

同样的道理，如果一个人原本不是优秀的界面设计师，Claude Design能把我设计的界面提升到优秀的平均值。这对我来说，已经是巨大的飞跃了。

专业的产品经理、专业的工程师、专业的设计师，可能会对这个“优秀水平的平均值”不屑一顾，因为他们本就处于这一档次中的最高值。但整个AI生成程序这个领域，最大的差异并不在于追逐专业人员的最高点，而是把很多人的短板拉到正常的平均水平。

短板被拉平，才是最大的变革

即便是一位超级棒的设计师，也不可能同时在产品、工程、代码、测试等各个领域都达到各自领域的巅峰。因此，对大多数人来说，能够摸到“优秀那一档的平均值”，已经是非常了不起的进步。对于AI带来的改变，我们也不应该去挑剔最高值，而仅仅关注“优秀的平均值”——只要这些领域足够多，组合起来，就已经是无法想象的强大了。

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：优秀水平的平均值计算方法全面解析要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题