让懂业务的人去改业务代码，才是被低估的 AI 加速

过去两年我做了两个生产环境的管理后台——好易美的 hym-manager 和猫砂的 mzmeso-manager。

两个项目长得像双胞胎：Vue3 + Vite + Cloudflare Pages + Supabase，加起来 8000+ 行业务代码，订单、商品、营销规则天天变。

我在里面做的最不像工程的事，反而是被低估最深的：「AI 基建」。

但需求翻译这道工序，业务和纯技术都很难讲明白——这是问题根源。

为什么 AI 写出来的东西业务员用不上

很多人对 AI 的期待是：写一个内部 SaaS 给业务员用，期望开发效率翻倍。

结果多数是——AI 写出 demo，业务员用不上。

业务说「这个活动要立刻上线」，技术说「要改 8 个文件走完整测试」——双方都对，但需求已经走样了。

AI 加速真正的杠杆不是 AI 写得够快，而是 AI 写的东西要落到懂业务的人手里。

第一步：把业务规则从代码里抽出来

营销规则、券规则、定价规则——这些高频变的东西，不应该埋在代码深处。

埋在代码里就意味着每次改动都要找开发，每次都重新走一遍「需求翻译」。

抽出来变成业务员能读懂的配置：YAML、JSON、或者一张飞书表。

改完配置直接生效，业务员不需要懂代码，只需要懂业务。

第二步：给业务员配一个懂自己业务的 Agent

不是 ChatGPT 那种通用聊天，是一个能读懂他们业务代码、能调接口、能跑流程的 Agent。

hym-manager 里的 AI 助手是「两段式」：先解析出预览（零写入），确认后才执行完整流程。

这是为了防误操作——改的是真实业务数据，不能让 Agent 一把梭。

业务员不需要等开发来执行，他问 Agent 一个问题，Agent 自己读代码、调接口、给结论。

第三步：业务员的改动绕过 CI/CD 排队

业务规则不是核心交易逻辑，错了能回滚就行，没必要走完整测试。

mzmeso 的客户经理能直接给某个客户开定制权益，不用每次都找老板签字。

这些场景里「快」比「对」重要，「迭代」比「完美」重要。

这套打法实际跑出来的数据

三个步骤加起来：

• hym 的运营能在午休时间改完一个活动规则，下午两点直接生效。以前等开发排期要 3 天。
• mzmeso 的客户经理能直接给某个客户开定制权益，不用每次都找老板签字。
• 业务员对系统的好感度从「被技术拖着走」变成「我可以主导节奏」。

AI 加速真正的杠杆不是替代开发，是把「需求翻译」这道最容易失真的工序给拆掉。

那句被反复印证的话

最后说回那句被反复印证的话——

专业的人做专业的事情。

没有人比业务员更懂业务。 没有人比技术员更懂 AI。 但需求这个东西，业务和纯技术都很难讲明白。

那我们就别让他们讲明白了。

让业务员直接动代码，技术员搭好基建和护栏。