01｜AI 时代，Builder 为什么更需要像导演一样工作？
Config 2026 的舞台上，OpenAI 产品经理 Kim Beverett 讲了一个有点讽刺的经历。
为了准备这场演讲，她反复让 AI 帮她写稿。
结果在预讲时，Config 的对接人 Anna 让她意识到：她一直在讲「选择」，但这篇稿子里，却听不出她自己的选择。
02｜她从来没有离开剧场，只是换了一群观众
但 Kim 从来不缺故事。她创过业，在 Apple 工作了十年，也做过演员、导演、舞台监督和服装设计师。
她说，自己从来没有离开剧场，只是换了一群观众。
03｜当 AI 几秒钟就能做出一个应用
她把手机屏幕和剧场舞台放在一起：两者都在告诉观众，请看这里，进入这个世界。
当 AI 已经能很快做出一个能用的产品，为什么 Builder 反而更需要像导演一样工作？
这个系列，我们少听一点二手观点，直接听全球一线 AI Builders 亲口讲，他们是怎么想、怎么做的。再从里面找出，我们今天就能用的方法。
04｜这期带走三张可以反复使用的工具卡
这一期，我把 Kim 的分享整理成三张工具卡，分别帮你看清用户第一眼看到了什么、你为什么留下这个方案，以及用户实际会怎么用它。
但最后，我们还要回答那个更难的问题：AI 明明能把稿子写完，为什么却写不出她真正相信什么？
05｜一把普通椅子放在舞台中央
Kim 没有先讲大道理。
她先在舞台上放了一把普通椅子。
如果你走进剧场，看到它规规矩矩地摆在舞台中央，你大概会觉得：这就是一场很正常的演出。
06｜椅子偏到了一侧
接着，椅子被挪到舞台一侧。
你会开始想：它为什么在那里？是导演故意的，还是谁摆错了？
07｜椅子悬在半空
第三次，椅子直接悬在了半空。
这也很怪，但你反而不再困惑。你知道导演一定是故意的，于是开始好奇。
界面其实也一样。
一个普通的首页，一个位置别扭的按钮，和一个虽然反常、但意图清楚的交互，会让用户形成完全不同的预期。
08｜一切都是选择
Kim 把第一课压缩成一句英文：Everything is a choice.
在产品里，不做决定，本身也是一种决定。
AI 可以很快给你一个看起来没问题的第一版。颜色、排版、按钮的位置，都已经有了答案。
但用户通常不知道，哪些是 AI 默认生成的，哪些是你认真决定的。他感受到的，就是你最后交付的这个产品。
09｜工具卡 01｜五秒第一印象测试
所以，我把这个故事整理成第一张工具卡：「五秒第一印象测试」。
测试前，先写下三个预期：你希望用户第一眼看到什么；他应该认为这个页面是做什么的；以及他接下来会做什么。
然后把页面给一个没参与设计的人看五秒，关掉页面，再问同样的三个问题。
预期和回答之间最大的偏差，就是下一版优先要检查的地方。
它不能替代完整的用户测试，但能很快让你看见：那把椅子，究竟摆对了没有。
可一个产品里有几百、几千个这样的决定。你到底要用什么标准，决定哪些该留、哪些该删？
10｜这居然是《仲夏夜之梦》
Kim 接着放出一组很奇怪的舞台照片。
巨大的红羽毛、扎染服装、秋千、吊架，还有一个空荡荡的白色盒子。
你很难猜到，这居然是 Peter Brook 1970 年在皇家莎士比亚剧团执导的《仲夏夜之梦》。
剧本还是莎士比亚的那一本。但 Brook 没有把森林、仙女棒和闪光搬上舞台。
11｜同一份剧本，可以是完全不同的演出
Kim 在这里强调：The script is not the show——剧本不等于演出。
剧本写清楚要发生什么。真正的演出，还要看导演想让观众看到什么、感受到什么。这很像我们今天让 AI 做产品。
12｜页面生成了，按钮能点，只说明“剧本”完成了
页面生成了，按钮能点，整个流程也能跑通。
13｜功能都完成了，但用户为什么会记住它？
这些证明基本功能完成了，却不能回答：用户为什么要记住你的产品？
14｜先给作品一条主心骨
Brook 为这部戏选择的原则是 evocation over illustration：与其把一切描绘出来，不如唤起观众的想象。
所以，他们没有在舞台上搭出一片真实的森林，而是只留下白色盒子、铁丝球和一些陌生的线索。
当森林没有被直接画给你，你反而必须用自己的想象力，把它补完。
戏剧里把这种贯穿作品的句子叫作 spine，也就是「主心骨」。服装、布景和表演可以不同，但都必须回到它上面。
放到产品里，它不能只是「简单、好看、有温度」。它必须真的能帮你拒绝一个看起来也很合理的方案。
15｜工具卡 02｜一句话取舍模板
所以，我把它整理成第二张工具卡：「一句话取舍模板」。
句式是：当某一类用户处在某个关键场景时，我们宁可做 A，也不做 B，因为用户真正需要的是 C。
比如，当 AI 没有把握时，我们宁可多问用户一次，也不让它悄悄替用户做决定，因为用户真正需要的是可控。
这条句子会支持一些选择，也必须排除另一些选择。如果它什么方案都能解释，它就还只是一句口号。
16｜用 AI 找冲突，但不要让它替你选择
配套工具箱里有一段可复制的提示词。AI 可以追问取舍、生成候选原则，但最后确认主心骨，仍然是 Builder 的责任。
Brook 接下这部戏时，也不知道最后的形式会长成什么样。他只有剧本、这条主心骨，还有十周时间去试。
但一条主心骨，要怎么确定它在真实世界里也能成立？
17｜观众不是最后来验收的人
当时，皇家莎士比亚剧团通常只给一部戏三周排练时间。Brook 的团队却拿到了十周。
他们把真实观众请进排练场，用观众的反应来调整选择。
因为剧场和一幅画不同。没有观众，演出就不完整。观众不是最后来验收的人，而是作品的合作者、镜子和见证者。
18｜一个“双击 Command”，排练了一年
Kim 在 Codex 团队里，也在做类似的「排练」。
她先讲了 computer use 的光标。需求只是让用户看见光标从 A 移动到 B，团队却给它加了发光效果和小小的舞步。一种做法说「这不重要」，另一种说「每个细节都重要」。
但有意图，不等于第一次就能做对。
Codex 还有一个叫 app shots 的功能。连续按两次 Command，当前应用的截图和文字就会进入 Codex。
这个现在看起来很自然的动作，团队用了一年才找到。
19｜一年里，团队试了很多版本
他们试过把入口放进聊天框，试过让系统自动猜用户想引用哪个应用，也试过让用户用套索框选中内容。
这些方案都能做出来，但它们没有真正让任务变简单。最后的版本，不是一次生成的，而是和用户一起排练出来的。
20｜工具卡 03｜用户试用观察表
所以，第三张工具卡是「用户试用观察表」。
给用户一个真的能操作的版本和一项具体任务。先不解释正确用法，也不急着问他喜不喜欢，只记录三个「第一次」：
第一次停顿在哪里？第一次理解错了什么？第一次实际操作和你预想得不一样，发生在哪里？
偏好不是产品答案，但真实行为会暴露预期和现实的差距。下一轮只修改一个变量，再重新测试。
用户负责提供证据，Builder 负责做出取舍。
21｜她讲了半天不要交出标准答案
可 Kim 在讲到这里时，不得不回到自己身上。她劝别人不要交出安全的标准答案，她自己的演讲，却差点成了一个安全的标准答案。
Kim 把早期版本讲给 Config 的对接人 Anna 听。
Anna 的反馈让她看见：她讲了很多「选择」，却一直没说出这场演讲真正的主心骨。
22｜把判断放进作品，也意味着把自己放进去
Kim 承认，她在害怕。
因为做出一个选择，就意味着关上其他的门。而当这个选择来自你自己的经历和立场，你交出去的就不只是一个方案，还有你自己。
23｜她真的试过让 AI 写这场演讲
这也是为什么，她一直很难让 AI 写出这篇稿子。
她并不反对使用 AI。相反，这场演讲里有一半图片都借助了 AI，她也反复尝试让 AI 帮她写稿。
但无论怎么提示，工具都无法自动理解那段只属于她的经历：一个服装设计师，后来成了产品经理。
工具可以借助已有的材料生成一篇完整的演讲，但这场演讲的主心骨，只能来自 Kim 自己。
24｜前所未有的技术，为什么做出来的东西却越来越像？
她最尖锐的担心是：我们正在用前所未有的技术，生产极其普通的作品。它们像所有选择的平均值，指纹被擦掉，边缘被磨平。
我听完后的判断，不是 AI 只能做出平庸的东西。
恰恰相反，AI 让我们可以更快地看见十个可能。但十个方案都能用以后，谁来删掉九个？谁来说明为什么留下这一个？又由谁为它负责？
25｜删掉九个，并为留下的那个负责
AI 可以帮你找冲突、出方案、做素材，也可以快速搭出一个能排练的版本。
但是你要把什么放进作品，你愿意为什么做取舍，这个决定不能交出去。
26｜AI 可以更快地写出剧本，Builder 决定最后的演出
Kim 说，Peter Brook 的《仲夏夜之梦》在 1970 年首演，但 1969 年时，没有人知道它会以什么形式出现。
她觉得，今天的软件也站在类似的时刻。新的形式还没有被发现。
但它不会从一组平均答案里自动出现。
它来自 Builder 有意识地做出选择，把自己的经验和判断放进去，再拿给真实用户反复验证。
这也是今天三张工具卡组成的闭环：
用「五秒第一印象测试」看见你的意图有没有被用户接收；用「一句话取舍模板」确认你为什么留下这个方案；再用「用户试用观察表」验证，它在真实使用中是否成立。
完整的提示词和观察模板，我已经整理进这期的配套工具箱，可以直接复制使用。
AI 可以更快地写出剧本。
但产品最后是一场什么样的演出，仍然要由 Builder 做出选择，并且为这个选择负责。
我是 Elise，这里是 AI Builders 解读。
最后也想问你：你最近让 AI 做出的哪个设计，功能完全没错，却看不出是谁做的？
