快 10 年没写过代码，用 AI 从头构建了一整套企业办公系统

你有没有过这样的体验，就是本来一开始只是想做一件简单的事情，但是做着做着就深陷其中，不能自拔，等到反应过来的时候，手里的事情已远离了简单的初衷，而变得复杂且庞杂。

这正是我过去一个礼拜的经历，起因是这样的，原本我只是想借助 AI 开发一套辅助公司招聘的系统，目标也比较简单：

自动监听公司 HR 邮箱、用 AI 自动依据招聘要求分析候选人简历、线上化管理面试反馈流程。

这其实是一个非常基础的 HRM 系统的一个小模块而已，成规模的企业基本都有这样的系统。但是中小企业基本都是靠邮箱、Excel 和口口相传，来进行人员招聘的管理。我琢磨着要么借助于 AI 搞一个凑合的系统用用好了，于是我就开始动手了。

第一步：选个趁手的 AI 工具

我司的程序员 GG 们用的是 Cursor，我想正好得体验个有差异化的产品，于是我选择了谷歌的 Antigravity。因为我已多年没直接写过一线代码，电脑已非开发环境，因此费了些许功夫安装必要的开发工具包和数据库系统。

一切就绪，码上出发，我写下了第一句 Prompt：

Create a project that contains both server and frontend service built on nodejs and react frameworks, use mysql as the database and material design style for user interface.

在随后和同事的交流中，我比较惊奇的发现，我竟然从没有过一把梭哈的想法，直到现在也没去尝试过直接告诉 AI：“帮我构建一套 HRM 系统”。而这个习惯，我当前的认知里认为是正确的。

这是我事实上的第一个系统化的 AI 工程项目，个人着实被 AI 的自动化和智能化震惊到，在我远古时期的编程记忆里，要自己定义数据库 schema、编写 CRUD、构建 API 接口、写 UI，这些最基础的编程事务占据了程序员大部分的精力，且耗时长久，而现在这些都消失在了偏产品需求的 Prompt 里，尤其是在 AI 项目的早期，无需过于调整代码结构和组织形式的时候。

按过去的经验估算，要实现我的需求，写一整套前后端的系统，紧赶慢赶也要个把礼拜吧，需求听起来是挺简单的，但是也包含了一个系统需要的所有内容：用户体系、结构化数据存储和调用、非结构化数据（简历 PDF）的读写和存储、用户界面，一个礼拜都是往少了说了，而且能前后端一把梭哈的程序员早都是稀罕物件了，代码细分工之后，早就是前端是前端，后端是后端了。

但是结果花了多久呢，半天不到！消耗的 Token 量也才 127 万，Gemini 免费的额度都没用完。

至于系统的成熟度，不仅达到了最初凑合用的要求，更是超越了不少。因为当你发现说句话就能构建出一大块功能的时候，你是很难忍住不去发散的。于是我就有了拥有报表、简历库、招聘流程管理、ACL 权限、日志、和用户体系的小型 HRM 系统。

最重要的，还是 AI 驱动的招聘管理系统，自动解析简历创建候选人、自动分析岗位匹配度。

AI 辅助下取得如此完美的成果，成功唤醒了我尘封已久的编程激情，one thing led to another，如果实现企业自己的系统如此简单和快速了，那何不顺手把其他的都做了，企业邮箱、项目管理、客户管理（CRM）、成本管理、报销系统、流程管理，同时在所有环节加上 AI，提升所有人工作效率和体验。

第二步：继续上码。

于是就有了下面一整套完整的 AI Native 系统，不仅集成了几乎一个企业办公需要的所有系统模块，还在能用 AI 的地方都用上了 AI，自动解析邮件、自动创建工单、自动回复邮件、自动解析报销发票，同时集成了主流的所有可能 AI 模型，用于辅助员工日常工作的 ChatBot。

（用户首页，类似传统 OA 的首页，作为员工入口）

（完整的产研项目管理模块）

（用户问题工单模块，依据用户反馈描述自动生成工单）

（ChatBot 与整个系统数据打通，随时应答员工问题）

整个系统已经上线运行，后面将根据实际内部反馈去优化、迭代，以及整合其他内部系统如运维系统、发布系统、自动化测试用例系统等等。

第三步：甲方的反思。

每个企业都有自己的业务流程和独有的运作方式，因此对使用的各种信息化软件产品，都有不同的诉求，在过往大型企业拥有钞能力，选择全线自研的模式，去打通企业内所有数据和流程，以及支持自身特有的业务诉求；而其他中小企业，只能依靠外采第三方相对标准化的软件产品，或者为了自身的特殊需求支付额外的高昂定制化和交付费用。

如今连我们这样的小企业，都能快速，近乎零成本的自研一整套独属于自己的一体化系统，那么任何一家企业也都可以这么做了。

自研，是我曾经吐槽企业的一个核心把柄，但现在我彻底转变了想法，企业自身信息化需求，还有什么理由不自研？

第四步：乙方的反思。

业务复杂度，研发成本，已经成了乙方口中最后的遮羞布和借口，AI 的效率和进化速度已经将人类捍卫的经验和知识碾碎。如果连我，一个 10 年不写代码的人，都能很快的构建起 CRM、报销、项目管理这些企业依赖的系统，那么这些厂商存在的意义还剩多少？

这是一个很残酷的问题，因为我自己，也是乙方。

对于软件厂商来讲，那些作为 Excel 和 BPM（流程）的衍生的产品，在这一轮的 AI 浪潮下，已经被判了死刑，其剩余的生命时长，仅取决于甲方对于 AI 的拥抱决心，当然了这个过程也会要很多年。

每个乙方都必须要在 AI 的“阴霾”下，找到出路和长远发展的机会。

第五步：程序员的反思。

假设要让一个一线的程序员来复刻我这一套系统，他大概需要多久？

我想的答案是，很难、很久。

原因是实现这一套系统的并不仅仅是 AI，还需要一个程序员、一个产品经理、一个销售、一个售前、一个客户、一个财务、一个 HR、一个老板，而碰巧这所有的不同角色，都集中在了我的身上，我才能在写出的每一个 Prompt 里包含了产品设计、业务流程、代码结构的要求，还捎带一点处女座的审美。

这就是我对程序员这一群体和角色的建议和忠告，AI 对于能力综合者，是个强有力的助手，而对于短视和险隘者，却是一把要命的利刃。

第六步：普通人的反思。

普通人，即非研发背景的大众，是否可以依赖 AI 编程去开发系统和工具？

我的答案是，几乎不可能。任何沉醉于社交媒体的习惯，都是不建议的。随着系统复杂度的提升，会越来越需要程序员的专业能力，去排错、调试和指导 AI 编写代码，没有专业的研发背景越到后面越是寸步难行。