AI 很强，但缺乏“大局观”
AI 擅长解决需求明确的问题
当前的大模型已经非常强大，尤其在明确任务下表现惊人：
- 给定清晰需求，快速实现功能
- 按指令完成模块开发
但它们的能力高度依赖“需求的清晰度”。
AI 的短板：缺乏系统级思考
尽管在执行层面很强，但在系统层面仍存在明显不足：
- 缺乏长期视角
- 缺乏系统级架构判断
- 缺乏对未来扩展的预判
AI 可以写出“能用的代码”，
但未必能写出“能活三年的系统”。
原因很简单：
它只会优化你给它的需求，不会替你明确潜在的需求。
提问能力：在不确定中构建确定性
什么是“真正的提问能力”？
很多人理解的提问，只是向 AI 下指令。
但真正的提问能力，本质是：
在不确定中构建确定性。
通过提问，我们明确了：
- 目标是什么
- 约束条件是什么
- 优先级是什么
- 长期影响是什么
- 未来可能的变化是什么
提问，本质上是在为未来设定边界。
架构设计的本质：回答关键问题
架构设计并不是画图。
架构设计的本质，是对一组关键问题的回答。
例如：
- 要服务多少人？
- 要维护多久？
- 会有多少人协作？
- 是否需要多租户？
- 是否需要插件机制？
- 是否需要拆成微服务？
每一个设计决策，本质上都是对某个问题的回应。
如果这些问题没有被问出来——
架构就只是“刚好能跑”。
AI 能替你提问吗？
理论上可以，现实中不会
未来更强的模型，可能会主动反问：
- 用户规模是多少？
- 是否需要高可用？
- 是否有合规要求？
- 是否需要横向扩展？
但在当前阶段：
AI 不会主动为你的未来负责。
如果你不给足够上下文，它会默认最简单假设。
如果你不说明长期目标，它会优化当前需求。
因此：
提问能力的高下 → 决定需求清晰度 → 决定 Prompt 质量 → 决定输出质量。
AI 时代的能力重构
分工正在改变
在 AI 时代：
- AI 负责实现
- 人类负责提问，进而定义需求
写代码正在变得廉价，
但提问能力变得稀缺。
真正核心的能力不再是：
- 写代码
而是：
- 提出有价值的问题
- 明确长期目标
- 构建系统级思考
结论
在 AI 时代：
- 写代码会被自动化
- 架构设计变得关键
- 提问能力变得核心
AI 可以放大一个人的执行力，
但不会自动放大一个人的思考深度。
实现能力可以被替代，
但提问能力，仍然属于人类。