# 小孩子才做选择，大人全都要 日期: 2026-05-18T06:34:15Z 摘要: AI 让并行生成多个可运行实现的成本接近零，原型不再是做选择的工具，选择发生在做出来之后 关键词: - 原型 - AI - 多变体 - 并行开发 - 单件流 - 工作流设计 --- 做产品有一个经典决策：先做原型验证方向，还是直接实现。原型的逻辑是，实现太贵，先用低保真版本跑一遍，确认方向对了再投入。这个逻辑成立的前提是，实现本身的成本足够高。 这个前提正在消失。 用 [Claude Design](https://claudedesign.cc) 生成一个交互原型，与用 [Claude Code](https://docs.anthropic.com/en/docs/claude-code/overview) 生成一个可运行的实现，成本已经非常接近。[Magic Patterns](https://www.magicpatterns.com)、[WeaveFox](https://weavefox.cn)、[Variant](https://variant.com) 这类工具更进一步，一次提示可以输出多个可运行的方案，让你直接比较。选择发生的节点从「做出来之前」移到了「做出来之后」。决策从一堆草图变成了一堆能跑的实现。我也顺着这个思路做了一个[多变体生成器](/tools/multi-variant/)，输入一句话描述你想要的界面，选三种风格，AI 并行生成三个不同风格的完整 UI，并排呈现让你比较。 [xAI 的 Grok Build](https://rywalker.com/research/grok-build) 把这个思路推到了极限。一次可以拉起 8 个 Agent 同时工作，各自规划、搜索、写代码，最后用 Arena Mode 自动排名。Agent 自己探索解空间，自动收敛到最优结果。 这不是资源浪费。当并行成本足够低，同时实现所有方向就是最优路径。 丰田生产方式里有个概念叫单件流，核心理念是批量越小、反馈越快、浪费越少。AI 并行生成多变体，某种程度上是把单件流推到了极限。批量等于全集，反馈立即发生。你不再需要判断哪个方案值得实现，因为所有方案都已经实现了。小孩子才做选择，大人全都要。多变体生成器的名字就来自这句话。当并行生成的成本足够低，这句话就从玩笑变成了工程方法。 传统的原型工作流是：想法 → 草图 → 低保真原型 → 评审 → 选择一个方向 → 实现。每一步都在做选择，每一个选择都在排除可能性。AI 带来的新工作流是：想法 → 并行生成多个可运行实现 → 自动筛选 → 人做最终选择。多变体生成器就是这个流程的缩影。你只给一句话，工具同时出三版风格各异的界面，你只需要看哪个好。选择的次数变少了，但选择基于的信息量变大了。你不再是在几张草图里猜哪个好，而是在几个能跑的程序里看哪个好。 这种转变的核心不是「AI 做得快」，而是「选择发生在实现之后」。传统流程里，选择是最昂贵的动作，因为选错了要重来。AI 把选择的成本压到了接近零。选错了？再生成一批。并行化有两种基本模式。一种是切分，把一个任务拆成多个独立子任务，每个 Agent 负责一块，最后合并。比如实现一个仪表盘，一个 Agent 写后端 API，一个写前端组件，一个写数据库迁移，三者并行完成后合成。另一种是投票，同一任务发给多个 Agent，每个用不同的 prompt 或不同的模型独立实现，然后比较输出选最优。多变体生成器用的是投票模式，同一个界面描述发给三次 AI，每次附带不同的风格指令，最后由人做最终裁决。 [Anthropic 的 Agent 研究报告](https://www.anthropic.com/research/building-effective-agents)把这两种模式称为 sectioning 和 voting。两种模式组合起来，就能覆盖大多数并行场景。切分解决的是「怎么做」的并行，投票解决的是「做什么」的并行。原型时代只需要切分，因为方向是提前定好的。多变体时代还需要投票，因为方向本身就是并行探索的。 并行生成也改变了评估的方式。人工评审草图的价值在下降，Agent 自动筛选可运行结果的价值在上升。让人等程序先跑一轮筛选，把明显不行的去掉，最后交给人的是少量的高质量候选。新的核心能力也变了。并行生成需要能控制多个 Agent 不打架、不重复工作。结果比对需要能判断哪个实现更好，标准是什么。自动收敛需要能识别不同方案的共同点和差异，合并有效部分。这些能力在原型时代不存在，因为原型时代一次只做一版。 [Amp](https://ampcode.com/news/the-coding-agent-is-dead) 在 2026 年 2 月宣布关闭编辑器插件，理由是模型本身已经足够强大，不再需要编辑器辅助这层脚手架。原型也是一层脚手架。当「直接实现」的成本接近「先做个原型」的成本，原型的存在根基就消失了。原型的假设是「实现是昂贵的」，这个前提已经不在了。 但原型和 Demo 不是同一回事。原型用来降低决策成本，在实现太贵时验证方向。Demo 用来展示和沟通，证明一个想法可以被实现。原型假设的是实现很贵，Demo 假设的是沟通很重要。AI 让生成 Demo 的成本几乎为零。为一个想法生成一个可运行的界面、一个交互流程或一套 API 已经不需要人写多少代码。这些 Demo 不是产品，但它们真实可运行。它们承担了原型曾经的功能，又超出了原型的范畴。 Aspire 团队的实践说清楚了其中的区别。他们用 AI 做生产工程，不是做 Demo。生产软件需要面对真正的代码库、客户和维护成本。Demo 不需要。生产变便宜了，但维护没有。Demo 没有维护负担，所以它不受「实现贵」这个前提的约束。 每一代工具死亡，死掉的都是背后的假设。原型死于实现变便宜。替代原型的不是更快的原型工具，而是全新的工作流：先全部做出来，再选择。 ## 相关文章 - [AI吵架时代的到来](https://fanshikun.com/ai吵架时代的到来/) - [智能体时代人的位置](https://fanshikun.com/智能体时代人的位置/) - [从如何做到做什么](https://fanshikun.com/从如何做到做什么/) - [效率悖论](https://fanshikun.com/效率悖论/)