编码前先规划：Colin Matthews 的 AI 原型工作流

产品教育者 Colin Matthews 演示习惯追踪器，并介绍一个简单方法：描述目标，先让 AI 给出实现计划，明确要求暂时不要写代码。

他将工具分为聊天机器人、云开发环境和本地编程助手。2025 年的比较依据是用户运行、存储和部署代码的便利性，而非模型理论上能写哪些代码。

Matthews 介绍了自己制作的图片缩放和 GIF 转换工具，并建议为现有产品保留可复用的原型，以便和设计师、客户探索新功能。

演示从低保真草图开始：习惯列表、完成日期和详情页。草图有助于在写提示前弄清应用应该做什么。

他的提示明确描述界面，以及习惯和每日完成记录的数据模型，并考虑未来日历视图的兼容性。他要求先从数据模型开始给出计划，不要写代码。

审阅计划让用户有机会纠正假设，并了解系统如何工作。Matthews 说这一方法有时能改善结果，但不能保证正确。

确认计划后，他分小步实现原型，并演示查看生成代码、增加功能，以及迭代出错时回滚。

原型刷新后丢失记录时，Matthews 要求使用浏览器本地存储。它可以在该浏览器中保存数据，但不是共享数据库或备份，数据也可能被清除。

他先让 AI 提出样式修改建议，再决定是否应用。先规划的方法有助于区分期望的视觉调整与不需要的布局或行为变化。

两人讨论了当时的代码差异、部署和可选数据库集成。公开原型链接可能暴露内容，分享敏感材料前应检查访问设置。

为避免卡住，Matthews 建议尽早明确需求与数据、分小批次工作、准确描述问题，并提供文件或错误信息作为上下文。

他强调客户端、服务器、存储和数据模型等系统概念。动手做原型有助于建立直觉，但生产系统可能需要更深入的工程、安全和运维审查。

对于产品经理，他建议从现有体验的简单原型开始，与设计师合作，并向客户展示拟议修改。目的是了解这个想法是否解决了真实问题。