我用AI“氛围编程”做了个园艺App，结果学到了比园艺更重要的事
“My yard is dying, so I made an app for that”
2027 字
预计 8 分钟
中文摘要
作者用Google的Gemini AI Studio通过自然语言提示“氛围编程”了一个Android园艺管理App。第一次尝试是检查超市桃子节是否开始的简单App，这次更复杂：管理庭院植物、诊断问题。几分钟内得到可预览的App，但颜色方案糟糕（深紫配砖红），需反复调整。AI生成了“植物医生”功能，上传病叶照片后能诊断问题（如杜鹃花被景观布和碎石窒息），并给出行动建议。但App存在诸多缺陷：无法编辑任务、日期选择器失效、任务分类混乱。作者花了一下午与AI来回沟通修复，最终意识到：AI不懂物理世界（如用预设气候而非实时天气），且容易生成看似合理但实际无用的功能。她最终放弃完美App，直接按AI建议动手挖碎石、剪枯枝，发现园艺本身很解压。结论：AI编程很神奇，但需要清晰的问题定义；AI缺乏对真实世界的理解，开发者必须坚持验证。
核心论点
- AI编程（vibecoding）能快速生成可运行App原型，但需要大量迭代和人工调试。
- AI缺乏对物理世界的理解，会生成不合理的默认设置（如暗色背景、预设气候而非实时天气）。
- AI可能“假装”执行任务（如假装检查超市网站），开发者必须坚持真实数据源。
- 成功的AI编程需要用户有极其清晰的问题定义，否则会陷入无休止的修改循环。
- AI工具在特定功能（如图像识别诊断植物）上表现优秀，但整体App的可用性仍需人工打磨。
反方视角 / 盲点
- 文章未讨论AI编程对代码质量和安全性的影响，仅关注用户体验。
- 未提及使用AI编程的成本（API调用费用、电力消耗）是否值得。
- 未对比其他AI编程工具（如Cursor、Copilot）的体验差异。
对科技从业者的启示
- 对浏览器扩展/桌面应用开发启示：AI编程适合快速原型验证，但生产级应用仍需手动打磨UI/UX和业务逻辑，尤其是涉及真实世界数据（天气、API）时必须强制使用真实源
- 对SaaS产品启发：AI“植物医生”功能展示了垂直领域AI助手的价值——独立开发者可考虑为特定行业（如园艺、宠物护理）构建轻量AI诊断工具，作为产品差异化卖点
- 对出海推广启发：文章在The Verge发布，说明“个人用AI造工具”的故事有传播力，类似内容适合在Product Hunt或Hacker News推广，突出“解决真实问题”而非技术炫技