[db:标题]

AiReader 已经完全开源，源码在 GitHub：github.com/LissajousX/aireader 一个不会编程的人，用三个 AI 写了两万五千行代码之后的终极反思 我说得最多的四个词是：「不合理」「不好看」「你看着办」「再改一下」。 这四个词，驱动了 25,000 行代码、256 个测试、三个平台的构建。 没有一个词跟技术有关。 〇、一个不该存在的软件 2026 年初，GitHub 上出现了一个叫 AiReader 的开源项目。 它是一个跨平台的智能阅读器——支持 PDF、EPUB、Markdown，内置本地 AI（不联网，不上传数据），可以翻译、总结、问答。 技术栈是 Tauri 2.0 + React 18 + TypeScript + Rust + llama.cpp，支持 CUDA / Vulkan / Metal GPU 加速，有 CI/CD 自动构建，跑在 Windows、macOS（Intel + ARM）和 Linux 上。 看起来像是一个小型创业团队三个月的产出。 实际上，它是一个人在两周内做的。 更准确地说——它是一个完全不懂上述任何一项技术的人，用三个不同的 AI 做的。 我没有写过一行 React。我不知道 Tauri 是什么。我连 TypeScript 和 JavaScript 的区别都说不清。Rust？听说过，没碰过。llama.cpp？知道它能跑模型，不知道它怎么编译。 但这个软件确实在跑。确实在被人用。确实通过了 256 个自动化测试。 ↑ 这就是它。一个不懂编程的人和三个 AI 的作品。 这篇文章不是来炫耀 AI 有多强的。网上这种文章已经够多了。 我想谈的是一个更深的问题： 如果代码可以被生成，那什么东西不能被生成？ 如果 AI 可以做「怎么做」，那人类剩下的「做什么」和「好不好」，到底价值几何？ 一、三个 AI，三种角色，一个人 先说一个很多人没意识到的事实：这个项目不是「一个人和一个 AI」的故事，而是「一个人和三个 AI」的故事。 第一个 AI：ChatGPT —— 产品顾问 在写任何代码之前，我花了大量时间在 ChatGPT 网页版上聊天。 我的第一句话是： "我想做一个加入大模型功能的阅读器，帮我阅读外文文献。你能帮我设计一下吗？顺便看看有没有类似产品。" ChatGPT 给了我一个大而全的方案：架构图、技术选型、竞品列表（NoteAI、Scholaread、ReadPaper、DeepReader、SciSpace）、开源项目参考（ChatGPT-Paper-Reader、FluentRead）。 我什么都不懂，但我知道这个方案太大了。 我说：「调整一下 MVP，只做翻译、总结、问答。另外我本地 RTX 3080 能跑什么模型？」 然后我探索了 Agent 框架、本地小模型的能力边界、Qwen-Agent 的可行性。 到这里为止，一切看起来像是一个正常的技术调研过程。 但真正的转折发生在我说出这句话的时候： "我不想对技术选型做什么限制。我只想做提出需求的人。" 这不是一句随口说的话。这是我在那个时刻做出的一个判断——我不应该假装自己是技术人员。我应该做我真正能做好的事情：想清楚我到底要什么。 从那一刻起，我不再问 ChatGPT 「用什么框架」，而是让它帮我写一份纯粹的产品需求文档。 ChatGPT 产出了一份 PRD，其中有一个设计原则，后来成了整个项目的灵魂： 「AI 是坐在你旁边的研究助理，不是替你读书的机器人。」 ChatGPT 的贡献是巨大的。但它写了零行代码。 第二个和第三个 AI：Claude Opus 4.6 + GPT 5.2 —— 程序员 我拿着 ChatGPT 帮我写的 PRD，进入了 Windsurf IDE。 第一条消息： "这是一个需求文档，我希望你根据它来开发一个阅读器。未来要适配多平台。我的开发平台是 Windows 11，本地用 Ollama 跑模型。" AI（Claude Opus 4.6）分析完 PRD，输出了完整的技术方案——选了 Tauri 2.0、React、TypeScript、Zustand、SQLite，画了数据模型、目录结构、分期计划。 我说："完全同意你的方案。请开始开发。" 我甚至不知道它选了什么。我是后来才搞明白 Tauri 是个桌面应用框架、Zustand 是个状态管理库这些事的。 AI 一口气生成了项目骨架，跑了 npm install，启动了 npm run tauri dev。 一个功能完整的阅读器雏形就这样出现在我屏幕上。 从那一刻起，我的工作变了。我不再是提需求的人。