不会代码的产品经理，用Codex和阿里云，从灵感到上线仅用6小时，开发出MBTI充电小游戏。本文复盘全流程，揭示人机协作的真相：AI并非抹平门槛，而是转移了门槛。你的知识存量，决定AI的杠杆率。

周末，我用Codex+阿里云上线了人生第一个独立开发的小小小小应用：一个 MBTI 充电小游戏。

玩法很简单——选好自己的 MBTI，系统会从你人格专属的「100 件怪事」清单里随机派发一件，做一件”让你稍微活过来”的小事，立即开始充电。

灵感来源于刷抖音时刷到一个巨大的转盘，上面写着不同 MBTI 人格恢复能量的 N 件小事，视频暂停在哪条就去做哪条。当时就觉得这个点子挺妙——不同性格的人，其实需要不同的“小剂量充能方式”，而同一件事对 I 人是回血、对 E 人可能是耗电。

• 转盘的痛点在于：内容混在一个视频里，看完就划走了，没法真的用起来。所以我把它做成了产品：
• 按人格分池：16 型人格各自独立的 100 件事，避免”给 I 人派发社交任务”这种反效果；
• 一键派发：不做选择、不做计划，点开就给一件事，降低行动门槛；
• 够小够怪：所有行动都控制在几分钟内能完成，”怪”是为了制造一点意外感，打破低能量状态的惯性。

第一个版本做得很糙，但从“刷到灵感”到“产品上线”跑通了全流程，这种感觉对我来说是头一次。也验证了一个小观察：好产品不一定解决大问题，能在正确的时刻给人一个极小的行动理由，就够了。

先叠一下BUFF，交代一下这个应用有多小：没有服务端，没有复杂业务逻辑，甚至没有真实用户。它存在的唯一目的，就是让我把”从想法到上线”这条路亲手走一遍。你可以理解为一次给自己做的链路验证。

起因说来话长。前阵子”龙虾”火的时候，我跟风买了阿里云的套装，里面有Claw和一台云服务器。Claw接上飞书玩了一阵，后来停了，服务器就一直闲着吃灰。某天看着账单里的这台机器，我想，总得给它找点事干，顺便也了了自己一个心愿：亲手部署一个应用，看看上线到底是怎么回事。

全程用Codex协作。做完之后我记了两个数，挺有意思的。

做应用，从想法到能看能点，一共1小时。Codex干了40分钟，我干了20分钟。

部署，从拿到一台空服务器到应用能访问，一共5小时。Codex干了1小时，我干了4小时。

同一件事，前后两个环节，分工比例从AI干三分之二，变成了我干五分之四。这个反差让我想了很久，后面细说。

顺利的那1小时

先说顺利的部分，顺便交代我是干什么的：我是产品经理，不会写代码。

这1小时里我的做法是，先让Codex出个计划，别急着动手。它把实现方案列出来，我像审需求文档一样逐条过：这个交互不对，那个流程多余，哪里和我想的不一致。改完了，再让它开工。

然后分两步走。先要一个能看能点的Demo，方向确认没问题，再让它落成正经的工程代码。

说实话，这个过程比我预想的还顺。后来想想也不奇怪——审方案、提修改意见、把模糊的想法讲清楚，这些本来就是我吃饭的本事。十几年产品经理干下来，别的不敢说，描述需求这件事是真熟。

而现在的AI编程，吃的就是这碗饭。你描述得越准，它交付得越快。

这个感受不是我一个人的。OpenAI自己的数据显示，编程智能体Codex的活跃用户今年2月到7月从100万涨到了800万，其中五分之一是产品经理、律师、分析师这类不写代码的人，而且这部分人涨得比开发者还快。我算是亲身体会了一把这个数据是怎么来的。

折腾的那5小时

然后是部署。这部分就狼狈多了。

第一件事就把我卡住了：本地做好的东西，怎么传到云服务器上？

对，就是这么基础的问题。开发者看到这里可能会笑，这算问题吗？可我真的是第一次碰云服务器，之前连SSH是什么都不知道。我原先想象中的”部署”，是把应用”放上去”，像一个动作为止。实际一上手才发现，中间隔着文件传输、目录结构、环境配置、服务启动、端口开放一整条链路，每一步对我来说都是新的。

Codex其实一直在认真帮我。它给的步骤是清晰的，命令也是清晰的。但每一份”清晰”里都藏着一个坑：它没说这条命令，是要在云服务器上敲，还是在我自己的电脑上敲。

步骤对，命令对，顺序也对。可对一个连”本地和远程是两台机器”都还没有体感的人来说，这些对的东西拼不到一起。就像拿着一张正确的地图，不知道自己站在哪个城市。我就在本机和服务器之间来回试，蒙了就问，问完接着蒙，4个小时就这么烧掉了。

最气人的是，事后复盘，那4小时里没有任何一步是Codex不会的。它全都会，全都给了答案。问题出在它默认屏幕对面坐着一个有基础运维常识的人。在它的世界里，”命令在哪个环境执行”是常识，不值得写出来。就像老手写文档不会写”记得先开机”。

被绕晕的那阵子我甚至有点生气，觉得这AI不行。冷静下来才反应过来，这不是它不行，是我们俩的知识底座差太远了。它不知道我不知道什么，我也问不出”我不知道什么”。这个空档，就得靠时间来填。

中间还有个意外发现。我本来以为Ubuntu命令行是必须啃下来的硬骨头，结果摸索中发现，阿里云服务器的运维入口可以直接用自然语言：我说我要干什么，它帮我处理。我人都傻了，连”学Linux命令”这一步都有AI接管了。这感觉就像你以为前面是座山，走过去发现山已经被别人移走了。

想明白的一件事

5个小时折腾完，人机分工那组数据一直在脑子里转：开发环节AI干三分之二，部署环节我干五分之四。为什么同一个我、同一个AI，比例能差这么远？

想来想去，答案朴素得有点好笑：开发环节我懂（懂怎么提需求），部署环节我不懂（对云运维一片空白）。

我是产品经理，需求是我的主场，所以那1小时里，我说什么Codex都能接得住，它交付什么我也能验得掉。轮到部署，我的知识存量是零，Codex给的每一个正确步骤，到了我手里都要先花十分钟搞明白”这是什么”，再花十分钟搞明白”在哪做”。它的答案越正确，我消化得越辛苦。

所以人跟AI的协作，有点像一个平衡游戏：你知道的越多，能让AI替你干的就越多，自己越省力；你知道的越少，AI能帮你做的就越有限，剩下的都得自己扛。

这个发现和现在流行的说法是反着的。这两年到处都在讲”零基础用AI做产品””不会代码没关系”，好像AI把门槛抹平了。我的体感是，门槛没被抹平，只是换了地方。会提需求的人，在开发环节确实享受到了红利；可一到部署这种我完全不懂的领域，同样的AI，同样的我，效率掉了个底朝天。工具一样，杠杆率不一样，而杠杆率取决于你懂多少。

所以怎么办

想通了这一层，倒不沮丧，反而踏实了。因为解法其实挺直接的，就两条。

第一，做事的顺序要反过来。以前面对一件新事，第一反应是评估自己：这个我不会，做不了。现在应该先问AI：这个事通常是怎么做的？让它把全景摊开，我再对着看自己会什么、缺什么。先看地图，再决定走不走。我那5小时里，”先把部署的全流程问清楚再动手”要是早点做，至少能省一半时间。

第二，别把”不会”当成终点。我的4个小时里，每卡一步就问一步，问完接着干。这个过程里补上的每一块知识，都会让下一次的人机比例往回摆——下次再部署，AI能替我干的，肯定不止一个小时的量。

补知识这件事本身，成本也一直在降。前面说了，命令行都能自然语言了。搁两年前，”学会部署”对我意味着一门要啃三个月的手艺；现在大概就是几个周末的来回问答。

最后一个念头

部署那几个小时，如果有人在我旁边看，会发现我干的活很滑稽：把Codex说的话搬到服务器上，把服务器的反应搬回来给Codex看。我就像个搬运工，在两台机器、两个AI之间来回跑。

跑着跑着我突然想，这个”搬运”的动作，会不会本身就是一种新的活法？

以前我做产品经理，是把业务的话翻译给开发，把开发的话翻译给业务，人是人与人之间的连接器。现在AI替我把代码写了，我改做的事变成了：本机这边有个会写代码的AI，服务器那边有个懂运维的AI，而我站在中间，知道整条链路长什么样，知道什么时候该把哪边的话传给哪边。这个”知道全局”的位置，眼下还得由人来站。

一个6小时的实验，一个极小的应用。要说最重要的经验是什么，大概就是：别问自己会不会，先问AI这事儿怎么做，缺什么补什么。补上的每一块，以后都是AI替你干活的理由。也许以后产品经理的饭碗，就长这个样子。