上周看到一个帖子，作者用AI独立开发了一堆项目，最后自己总结：「不然就是花token写个没人用的东西，然后感动自己。」
这句话戳到我了。说真的，这是我见过对独立开发现状最准确的描述之一。
代码变便宜了，但问题没变
AI让写代码的门槛确实低了很多。有人一个月把代码量从4万行堆到46万行（待核实具体数字，来自Prismira作者的复盘），有人用自然语言描述需求就能跑出一个可用的工具。
Lauren Tan（pstack作者）说得很直白：以前能做什么受限于本事，现在只要找对提示词和上下文就行。
但问题是，代码变便宜了，判断力没有变便宜。
你还是得知道：用户为什么要用这个东西？最低成本怎么验证需求？
做出来怎么让人知道？数据出来之后怎么改？
这四个问题，AI一个都帮不了你。
我观察到的真实分裂
现在独立开发者里出现了一个很有意思的分裂——
一边是那些越来越爱编程的人。他们用AI当放大器，自己负责判断和品味，AI负责执行。
做出来的东西虽然不一定完美，但每一步都有明确的用户场景在驱动。
另一边是那些越来越焦虑的人。他们用AI疯狂堆功能，但没有时间验收，没有真实用户反馈，最后发现做了一堆自己都不用的东西。
Prismira的作者自己承认：「AI做了那么多功能，但我压根来不及仔细验收和测试。
两边用的工具差不多，差距在于有没有在动手之前想清楚「这个东西解决谁的什么问题」。
验证比开发更值钱
这是我现在最坚定的一个判断：在AI时代，最低成本验证需求的能力，比写代码的能力更值钱。
举个具体场景。假设你想做一个账单整理工具，不要上来就写后端、搞数据库。
先用HTML在线运行做一个静态原型页面，把核心交互流程跑通，发给5个潜在用户看反应。这一步不需要服务器，不需要部署，当天就能完成。
如果反馈说「这个我要」，再往下走。如果反馈是「这个我自己用Excel就行」，你省了至少一周的开发时间。
验证通过之后，再考虑用Python写数据处理逻辑，接入模型做智能分类，用AI智能体开发能力把重复性的判断自动化掉。这个顺序很重要：先验证，再建设。
品味和专注，才是现在真正稀缺的
有人说得很好：「品味决定了构建一个东西，它的上限有多高。」
AI每天能生成大量看起来不错的代码、界面、功能。但过滤掉垃圾、坚持做对的事情，这件事AI做不了，只能靠人。
所以我现在的建议是：与其想着怎么用AI多做功能，不如先把「这个功能到底有没有人需要」这个问题想清楚。一个真正解决问题的功能，胜过十个没人用的功能。
一个可以立刻执行的小动作
如果你现在手里有一个想法，还没开始做——
今天花两小时，用HTML写一个最简单的演示页面，把核心功能的交互流程模拟出来。不需要真实数据，不需要后端。
把这个页面发给三个你认为会用这个工具的人，问他们一个问题：「如果这个工具存在，你会用吗？为什么？
根据他们的回答，再决定要不要继续。
这一步做完，你对这个项目的判断会清晰很多。