在这个AI重构生产力的时代，DIA项目用一个月时间颠覆了传统软件开发逻辑。从填表式交互的终结到Vibe Coding的实践，本文深度解构了如何用AI原生思维重构日程与费用管理系统，揭示Agent架构、计划流水线等关键技术突破，为产品经理提供从认知到落地的完整AI转型方法论。

在这个时代，努力是最不值钱的变量。

如果你还在为改一个APP页面的文案而给研发提工单、等排期；如果你还在凌晨一点盯着密密麻麻的竞品截图，机械地在Excel里填表；如果你认为“懂技术”意味着要亲手写下每一行冗长的业务逻辑——那么，你正在被这个时代降维打击。

一个月前，我开始了一个实验。我是一个非技术背景的构建者，我试图挑战一个被视为“旧时代残余”的领域：日程与费用管理。 我用了一个月，写了十几万行原始代码，复刻了一个极其复杂的、跨业务域关联的AI原生产品（DIA）。

这不是一次传统的开发，而是一次“Vibe Coding”的深潜。 当Anthropic的工程师凭借AI辅助，人均产出效率达到谷歌工程师的1000倍时，我们必须意识到：软件工程的旧围墙已经倒塌。 今天的开发者不再是“码农”，而是“指挥官”；代码不再是束缚创意的锁链，而是随心而动的“Vibe”。

一、认知觉醒：为什么Web 2.0的产品正在沦为“高位截瘫”？

在切入实操之前，我们必须先捅破一层窗户纸：你手机里90%的工具软件，本质上都是“高位截瘫”的。

1.1 填表式交互的终结

回想一下你创建日历或记账的过程：点击加号 -> 填写标题 -> 选择时间 -> 选择分类 -> 点击确认。

“当你填完这张表格的时候，你可能已经忘了你要干嘛。”

这种基于“表单、图标、图形界面”的结构化输入，是因为旧时代的数据库只能识别死板的数据。 而大模型（LLM）的出现，让我们第一次可以实现“模糊表达，精准执行”。

1.2 什么是真正的“原生AI产品”？

很多产品增加了一个聊天机器人，就宣称自己是AI产品。但那只是“旧时代产品封上了一层AI套壳”。 它们与底层数据库是隔离的，无法实现无缝操作。 真正的AI原生产品（DIA）应该是：

Agent = 大模型（脑）+ 内存（记忆）+ 规划（推理）+ 技能（手/API）。

LUI（语言交互）在前，GUI（图形界面）在后。

二、深度解构：Vibe Coding的底层架构逻辑

在这一个月的实战中，我沉淀出了一套适配Vibe Coding的高效架构。这不仅是技术选择，更是产品思维的重构。

2.1 轻客户端原则（Thin Client）

我遵循的首要大原则是：IOS端只做“傻渲染”。 所有的增删改查、Agent循环、工具调用，全部发生在后端。 IOS客户端就像一个传菜员，它甚至不知道自己端上去的是什么，它只负责按照后端的指令进行界面渲染。

价值：极大地降低了多端适配成本。如果你想拓展安卓或PC端，只需要写前端交互，核心业务逻辑（云端）纹丝不动。

2.2 DDD领域驱动：高内聚，低耦合

在DIA中，我将“日程管理”与“费用管理”划分为两个独立的业务域。

• 互不污染： 管理时间需要地点、人物；管理钱需要金额、类别。它们运行在各自的逻辑轨道上。
• 跨域协同： 由顶层的“编排器Agent”同时下达任务。比如：“帮我把出差的发票报销了”，编排器会同时调动日程Agent（寻找出差事件）和费用Agent（处理票据识别）。

2.3 “计划与执行流水线”：效率的终极飞轮

这是我在开发中经历的最重大的架构调整。

• 起步期（LLM解析器）： 仅让模型解析意图，靠手写脚本执行。缺点是丧失灵活性，无法处理中途取消或修改。
• 阵痛期（ReAct逻辑）： “推理-执行”无限循环。缺点是批量操作极慢，删四个日程要走四个循环。
• 成熟期（计划与执行流水线）： 模型先生成一个包含N个步骤的完整“计划”，呈现给用户确认后，数据库毫秒级一次性执行。

这将批量操作的耗时从2分钟压缩到了几秒钟。

三、实战避坑：如何驾驭“并不完美”的AI编程？

Vibe Coding并不意味着你可以彻底躺平，它对“可观测性”和“提示词工程”提出了更高的要求。

3.1 解决AI代码的“玄学Bug”

AI写代码（尤其是原生iOS代码）时，常会出现难以排查的“玄学错误”。

方案：使用Web语言（Bridge方案）。 在日历视图等复杂交互中，我选择了Web页面桥接硬件能力。 因为Web语言的训练数据更海量，AI生成的质量远高于Swift/SwiftUI，开发效率提升巨大。

3.2 建立“可观测性”追踪系统

在十几万行代码中，有将近30%是与功能无关的“监控代码”。

日志ID追踪（Logging）： 给Agent的每一个行为、每一个传递环节编上号。

锁定Bug： 当系统没反应时，你不需要自己读代码，而是让模型去扫描特定的日志编号。这比让AI盲目扫描全量代码快8-10倍。

3.3 自改进飞轮：报错即测试用例

我建立了一个自动化闭环：生产环境中的每一个报错，都会自动转化为本地环境的测试用例（Test Case）。

“每一次上线前，花一个小时跑完近百个自动化Case，看着模拟器自动蹦出卡片，那种‘确定性’是Vibe Coding成功的基石。”

四、 极致美学：令牌化（Tokenized）的设计体系

即便是一个AI辅助开发的工具，如果“丑”，也难逃失败。

我并没有采取“画一张图实现一个页面的”笨办法，而是建立了一套一万多行的“设计令牌（Design Tokens）”系统。

• 符号化定义： 将字体、间距、材质、毛玻璃效果全部抽象为Token。
• 极速复刻： 只要规范定好，新增任何组件，只需要告诉AI“读取当前规范”，即可生成视觉统一的UI。
• 布局逻辑： 在移动端交互已经基本定型的今天，不要试图挑战用户习惯。布局遵循行业标杆（如Timepage），在配色和品牌感上做创新。

五、方法论：你该如何开启第一行“Vibe Code”？

作为产品经理，你不需要成为算法科学家，但你需要成为一名优秀的“架构构建者”。

1. 识别“可AI化”的场景

• 寻找那些需要大量“填表、点击、搜索、整理”的低效环节。
• 判断该场景是否存在“跨域”需求（如：日程+费用、日程+邮件）。

2. 拥抱SDK与开源框架

不要从零造轮子。

Agent开发： 推荐使用如LangChain或Microsoft Semantic Kernel（笔记中提到的是MSDK）等成熟框架。 它们能帮你处理工具循环、上下文管理和结构化输出。

数据库： 即便前期只是做Demo，数据库选型也要考虑扩展性（多租户、安全性），避免未来的技术债。

3. 提升“指令精准度”

Smart Agent， Dumb Tools： 这是一个核心心法。让工具（API）保持极致的简单、纯粹（只做执行），把校验、解析、推理全部交给拥有全局上下文的Agent。

4. 从“对话”到“闭环”

• 先用AI跑通逻辑Demo。
• 引入可观测性代码。
• 构建自动化测试回归体系。

结语：创造力的重新夺旗

软件工程师（Software Engineer）这个头衔正在模糊，取而代之的是“构建者（Builder）”。

在高度发达的互联网环境中，已经没有绝对的需求空白。我们要思考的，是如何用新时代（Agent）、新工具（Vibe Coding）、新思维（LUI）去提供一个比旧时代优秀10倍的解决方案。

正如Karpathy（OpenAI创始成员）所说，代码生成的广阔领域已经基本被解决。 接下来，是属于那些有冲劲、有想法、愿意花时间驾驭AI工具去改变世界的“非技术背景”构建者的黄金时代。

如果你可以，那么现在就开始。