一个完全不会写代码的人居然靠 AI 撸出了一个正在收钱的 SaaS

真的挺震撼的，在 Hacker News 上看到一个开发者分享他的经历，这种“非典型”开发路径简直是现在 AI 时代最真实的写照。他做了一个叫 learnfrom.co 的平台，专门用来创建、托管和销售在线课程。最硬核的点在于：他压根不是软件工程师，整个产品几乎全是靠 AI 生成代码、测试、报错、再修复这个循环堆出来的。

现在这个产品已经有 100 多个创作者和企业在上面跑业务，甚至已经有了真实的学员和流水。这说明 AI 在解决从 0 到 1 的产品验证阶段，效率确实高得离谱。

不过，这位作者的危机感也挺真实。他很清楚“能跑通”和“工程化”完全是两码事。对于我们这种关注 AI 工作流的人来说，他提出的问题非常值得深思。当一个不懂底层原理的人通过提示词构建起复杂的业务逻辑时，他到底面临哪些潜在的坑？

我复盘了一下他提到的担忧，如果你也想走这种“AI 驱动开发”的路线，这几个实操层面的隐患一定要提前建立意识：

• 数据隔离与权限控制： 这是 SaaS 的命门。AI 可能会写出逻辑正确的代码，但在处理多租户（Multi-tenancy）时，如果 Authorization（授权）逻辑写得不够严密，很容易出现 A 用户看到 B 用户课程内容的严重安全事故。
• 支付流的安全闭环： 涉及真金白银的交易，如果支付回调逻辑或者状态转换处理不当，很容易产生账务对不上的问题。
• 架构的扩展性与性能： AI 倾向于写出“解决当前问题”的最短路径代码，但这种代码往往缺乏对高并发或大数据量场景的预见性，后期重构的成本可能会非常高。
• AI 生成代码的不可控性： 很多时候代码看起来跑通了，但可能隐藏了逻辑漏洞或内存泄漏，这需要开发者具备一定的“代码审计”思维，即使你不会写，也得能看懂逻辑流。

这事儿给我们的启示其实很明显：AI 极大地降低了产品落地的门槛，让产品经理或业务人员也能直接跨越技术鸿沟去实现想法。但想要从一个“Demo”变成一个稳健的“商业级产品”，我们对 AI 的使用不能只停留在“让它写一段函数”，而要开始构建一套完整的、带有安全意识的 AI 辅助开发工作流。