AI现在到底能不能独立完成一个网站?
“独立完成一个网站"这句话没法直接回答,因为它把三件难度完全不同的事捆在了一起。决定做什么、改到能上线、上线后自己发现并修掉问题——这三件事的自动化程度差得很远,混在一起问,得到的答案永远是"看情况”。
我的答案是:一件做不了,一件做一半,一件基本做不到。
动手之前我给三件事各定了验收条件:给一份真实的需求清单,看它能不能排出顺序;给一个跨栈仓库,看它能不能改到可以直接发布;故意制造一个线上异常,看它能不能定位到根因。
决定做什么这件事,实测下来它完全不参与
这一点我没有一开始就信。为了验证,我把那份真实的需求清单原样丢给它,只问一句"按什么顺序做"。
它给的顺序很整齐,理由也写得通。问题在于那个排序的依据全是"实现难度"——先做容易的。而真人排顺序的依据是"哪件事能让付款的人留下来",实现难度在这套标准里是最不重要的那个变量。
最能说明问题的是 Cakedesk。作者 Max Schmitt 是德国的自由职业者,一个人做这款 Electron + React + Node.js 的桌面应用,一次性付费 €69、没有订阅,2025 年卖出 239 份新授权,毛收入约 €16000。

Cakedesk 首页第一屏放了三条五星评价和一段演示视频,再往下才是应用截图。
同年他收到 44 个功能请求,完成了 13 个。
那 44 个请求全部写出来这件事,AI 现在就能做,大概一天就能堆完。难的是那 13 个是怎么选出来的——哪个请求来自已付费用户、哪个只是路过的人随口一提、哪个看起来小但会把 Electron 的打包链路拖垮。排序的依据不在代码里,而在"提这个需求的人值多少钱、他在什么场景下卡住"这些信息里,而这些信息 AI 摸不到。
改到能上线:能,但卡在两处工程细节
跨栈仓库是最容易看出边界的。Electron + React + Node.js 这种三层结构,AI 生成单个模块的速度确实快,出问题的是两层之间的接缝。
一处是本地状态持久化。Electron 主进程里塞个单文件数据库是最省事的方案,但 AI 生成的代码基本不考虑写并发和崩溃后的恢复——多线程写要靠 WAL 兜住,备份就是关机时复制一个文件。这些取舍在轻量存储里能系统过一遍,比事后救火划算。
另一处是打包和分发。桌面应用跑起来和能发出去是两件事:asar 打包会把原生模块的路径搞乱、node_modules 会被整包塞进镜像导致体积翻几倍、CI 上签名的环境变量顺序错一步就出不来产物。Docker 部署里那套多阶段构建的思路,AI 生成版本几乎从来不会主动用。
这里还有一处不属于任何单一层:跨平台环境下的资源路径。Electron 打包之后的安装目录结构和开发环境完全不同,__dirname 指到的位置取决于安装包有没有解开。它写代码时跑的是开发环境,写出来的路径在生产包里几乎必然出错,而这类错误在本地一次都不会出现——这正是它们能一路活到用户手上的原因。
这两处的共同点是:它们都不属于"功能",而属于"让功能在别人的机器上成立"。AI 的注意力集中在功能上。
上线之后能不能自己兜住,基本不能
这一项决定了我不会把一个站完全托管给它。用户在 Safari 上某个版本点了没反应、某搜索引擎某天没抓某个目录、某个表单在特定输入下 500——这些信号的共同点是得有人先看一眼才知道它是个信号。
JetBrains 的调研里有一个数字:90% 的专业开发者每周至少使用一次 AI 编码 agent。普及率已经高到这个程度,如果"上线后自动运营"成立,这个数字旁边应该躺着一堆无人值守的产品。实际上没有。大家在用它写代码,而且还得自己盯着线上。
三件事里,第三件最容易看清楚差别
同样是"网站某处不动了",人和 AI 各能做到哪一步,摆在一起看就很清楚。
用户在某个浏览器版本上点了导出没反应。它能做的是读懂你给的报错栈,推测三四种可能成因,给出每一种的验证方法。这部分通常有用。
它做不到的是:这条反馈来自一个还没付费的试用用户,而这个导出功能在正式授权里很常用——要不要优先修,取决于提反馈的人是谁。这类信息在邮件往来和付款记录里,模型看不到。
前面那个 90% 的比例,恰恰是这一点的注脚:几乎没有哪位开发者把"判断先修哪个"也交了出去。不是能力问题,是信息来源问题。
而网站某处不动了,十有八九不是服务挂了,是某段前端逻辑在特定条件下抛了异常——这类问题的定位过程需要读运行时状态、复现路径和调用栈,具体做法可以参考前端调试里的排查顺序。
边界落在哪:它是产能,不是判断力
一个人现在可以维护比三年前大得多的代码面——这是真的变了。但变大之后,瓶颈从"写不完"挪到了"不知道先写哪个",而后者才是决定项目生死的地方。
我对自己的分工是这样的:需求排序、选择克制、看线上异常这三件事自己来;把选中的需求翻译成代码、补测试、写迁移脚本这三件交给它。
Cakedesk 数据来自作者 Max Schmitt 公开的 2025 年度总结;开发者使用率数据来自 JetBrains 开发者生态调研。