先讲个真事的模板，你八成经历过。产品经理走过来，往你桌上一放：「给我们的 App 加个搜索功能。」然后转身就走了。
七个字。看起来清清楚楚，对吧？你打开编辑器，AI 助手已经跃跃欲试，一个搜索框、一个输入监听、一句数据库 LIKE '%关键词%' 查询，十秒钟给你吐出来一个能跑的版本。
但凡你真这么交差，这活儿八成得返工三遍。因为「给我做个搜索功能」这句话里，藏着至少十个没问清楚的问题——而写代码这一步，恰恰是这十个问题都问清楚之后才开始的那一小段。
「搜索」这两个字底下埋了多少地雷
我们把那句含糊的需求拆开看看，它到底没告诉你什么：
- 搜什么？搜商品名，还是也搜商品描述、品牌、店铺、用户评论？搜的是标题里出现的字，还是「意思相近」就算？
- 谁在搜？是打字飞快的老用户，还是手抖打错字的新用户？要不要容错——用户搜「苹果手几」也得给他找到 iPhone？
- 数据有多大？一千条记录用
LIKE硬扫毫无压力；一亿条记录这么扫，数据库当场躺平。 - 结果怎么排？按相关度、按销量、按价格、按上架时间？「相关度」这三个字本身又是一个没定义的黑洞。
- 搜不到怎么办？显示空白页，还是推荐「你是不是想找……」，还是给点热门兜底？
- 要多快？用户按一个字母就实时出结果（每次敲键都查一遍），还是敲完回车再查？
还没完——要不要记录用户搜了什么好做后续分析？搜索框要不要有历史记录和联想提示？敏感词要不要过滤？多语言要不要管？
你看，「写一个搜索功能」这个动作本身，AI 几乎是免费送你的。真正吃掉一个工程师大半精力、也真正决定这个功能是好是烂的，是上面这十几个问题的答案。而这些答案，产品经理那句话里一个都没给。
代码是解法的皮，不是解法本身
这里要立一个贯穿本章的分野。
解决一个问题，其实是两件事：先想清楚「到底要解决什么」，再把想法翻译成机器能执行的指令。前者是脑子里的事，后者是键盘上的事。
我们平时嘴上说的「写代码」，指的是后半段——把一个已经想清楚的解法，用编程语言写下来。这层东西我叫它解法的载体。
载体就是「把想法装起来的那层皮」。同一个想法，你用 Python 写、用 Java 写、还是用大白话写在纸上，皮不一样，里子是一个。
而真正难的是前半段：把一团模糊的、互相矛盾的、连提需求的人自己都没想明白的现实困境，压缩成一个定义清楚的问题。
「定义清楚」的意思是：边界画死了（管什么、不管什么），成功的标准说死了（做到什么程度算成），输入输出都明确了。到这一步，剩下的就真的只是打字了。
用一个类比你就懂了。定义问题像医生问诊，写代码像药房抓药。病人进来说「我不舒服」——这跟「给我做个搜索」一模一样，是句正确的废话。医生的价值全在问诊：哪儿不舒服、多久了、疼是钝疼还是刺痛、按下去更疼还是松手更疼。等他写下一张诊断和药方，抓药的药剂师照单抓就行了，快而且不容易错。
AI 现在是全世界最快、最不知疲倦的药剂师。你把药方（清晰的问题）递给它，它抓得比谁都利索。但它当不了那个医生——因为问诊需要的不是记性和手速，是判断力，是「病人嘴上说的和身体真正出的毛病往往不是一回事」这种世故。
为什么 AI 在「定义问题」这步基本插不上手
这不是说 AI 笨。是这件事的性质决定的，有三个硬原因。
一、真正的需求不在文字里，在文字外
产品经理说「加个搜索」，他脑子里其实有一整幅画面：可能是老板昨天抱怨「用户找不到促销商品」，可能是客服每天被问「XX 到底在哪买」。这些上下文他没说、甚至他自己都没意识到是这些在驱动他。AI 只能读到那七个字，读不到那七个字背后半年的公司恩怨。
信息在源头就是缺失的，不是模型不够大能补回来的。你喂进去的是残缺的题面，再聪明的解题也解的是错题。
二、好问题要靠「反问」逼出来，而 AI 默认不反问
一个有经验的工程师听到「加个搜索」，第一反应不是动手，是反问：「搜什么范围？数据多大？搜不到给什么？」——他在用问题去戳破需求的模糊。
AI 的默认行为恰恰相反：你给它一句含糊的话，它倾向于脑补一个最常见的版本然后立刻交付，让你显得很爽。它不会拦住你说「等等，你这需求根本没想清楚」。这种「用一个漂亮的反问让对方卡壳三秒」的能力，AI 天生偏弱——它被训练成让你满意，而不是让你难堪。
三、划边界是在做取舍，取舍要有人担后果
定义问题最核心的动作，是划边界——决定哪些做、哪些坚决不做。
划边界就是画一条线：线里面是这次要解决的，线外面明确说「这次不管」。不划线，需求就会无限膨胀，永远做不完。
「搜索要不要支持错别字容错」——支持，多花两周还可能引入新 bug；不支持，一部分用户搜不到东西。这是个取舍，取舍就意味着有人要为「我们这版先不做容错」这个决定负责。AI 可以帮你列出两个选项各自的代价，但它没法替你拍板，因为拍板的前提是承担拍错的后果——被老板骂、被用户投诉、被自己半年后收拾烂摊子。责任这东西，没法外包给一个不会挨骂的模型。
把镜头拉回来：你该练的是什么
所以「会写代码」和「会解决问题」的差距，说白了就是这么大：
会写代码，是给你一道定义好的题，你能把它算对。会解决问题，是面对一句「我不舒服」，你能把它变成一道题。前者 AI 抢着替你干，后者它连门都摸不着。
怎么练？下次再有人给你扔来一句含糊的需求，别急着打开编辑器，也别急着把它甩给 AI。先当十分钟医生，逼自己写下三样东西：
- 这事的真正目的是什么？——不是「加搜索」，是「让用户更快找到想买的东西」。目的一变，方案可能整个换掉（也许根本不用搜索，改改分类导航就够了）。
- 边界在哪？——白纸黑字写下这次「不做什么」。这一条最反人性，也最值钱。
- 怎么算做成了？——一个能验证的标准，比如「搜『促销』能在第一屏看到当前促销商品」。没有这条，你永远不知道自己做完了没有。
这三样东西写出来，才是一张真正的药方。到这一步，你再把它递给 AI，让它抓药——它会抓得又快又好。
写代码的手艺正在被摊薄，这没什么可惜的。真正稀缺的、AI 抢不走的，是把「我不舒服」翻译成一张药方的那份判断力。你越早意识到自己值钱的不是打字的手，而是问诊的脑子，就越早站到了那条正在升值的曲线上。