2.1.2 初学者最常犯的三个错误
在开始学习正确的方法之前，我们先来看看大多数人是怎么失败的。
了解这些错误，能帮你少走很多弯路。
错误一：功能堆砌症
典型表现
"帮我做一个待办清单App，要有：
任务分类、优先级标签、截止日期提醒、重复任务、
子任务拆解、标签系统、日历视图、统计报表、
多设备同步、协作共享、暗黑模式……"为什么这是错的
你在列功能清单，而不是在解决问题
这个需求里没有提到：谁会用？在什么场景下用？要解决什么问题？
你在假设用户需要这些
这些功能是你想象出来的，还是真的有人需要？你验证过吗？
复杂度会杀死项目
给AI一个20项功能的需求，AI会尝试同时满足所有要求。结果通常是一团乱麻的代码，充满bug，难以调试。
真实后果
小李尝试让AI做这个"功能齐全"的待办清单，三个小时后：
- AI生成了超过2000行代码
- 页面加载后一片空白
- 控制台报了十几个错误
- 小李完全看不懂哪里出了问题
功能越多，失败概率越高。这是铁律。
错误二：解决不存在的问题
典型表现
"帮我做一个数据可视化看板，展示：
用户活跃度趋势、留存率漏斗、转化率分析、
用户画像分布、行为路径追踪……"为什么这是错的
问题在于：你真的需要看这些数据吗？看了之后要做什么决策？
很多人做数据分析项目时，会陷入"数据越多越好"的误区。他们花大量时间搭建看板，最后发现：
- 没人看这些图表
- 看了也不知道该干什么
- 数据没有驱动任何行动
真实后果
一位产品经理花了两周时间，用AI做了一个"全面"的数据看板：
- 20多个图表，覆盖各种指标
- 可以按日、周、月切换
- 支持导出PDF报告
结果呢？
- 老板只看了一眼销售额趋势图
- 其他图表从未被点击过
- 两周的时间可以做10个小功能了
先问自己：我要回答什么问题？我会根据答案做什么决策？
错误三：为技术而技术
典型表现
"帮我写一个Python脚本，用Pandas读取Excel，
然后用正则表达式清洗数据，再用Matplotlib画图，
最后导出成PDF……"为什么这是错的
这个需求直接跳到了"怎么做"，完全跳过了"为什么做"。
更好的问法是：
"我每周要手动汇总5个部门的销售数据，现在用的是复制粘贴。有没有办法让这个过程自动化？"
两种问法的区别
| 为技术而技术 | 为问题而技术 |
|---|---|
| 我要用Pandas处理Excel | 我要自动汇总5个Excel |
| 我要用正则表达式 | 数据格式有点乱需要清理 |
| 我要用Matplotlib画图 | 老板想看趋势变化 |
| 我要导出PDF | 最后要发邮件给团队 |
左边那列是"怎么做"，右边那列是"做什么"。
AI可以帮你想"怎么做"，但"做什么"只有你自己能决定。
如果你把"怎么做"也一起规定了，反而限制了AI发挥。也许有比Pandas更简单的方案呢？
错误后果对比
| 错误类型 | 表面行为 | 深层问题 | 典型后果 |
|---|---|---|---|
| 功能堆砌 | 一次性要求20个功能 | 没想清楚核心问题 | 代码混乱，bug满天飞 |
| 解决不存在的问题 | 做一堆没人看的功能 | 没验证真实需求 | 时间浪费，成果无用 |
| 为技术而技术 | 指定具体技术方案 | 把手段当目的 | 限制了更好的解决方案 |
正确思维的起点
避开这三个错误的方法，归结起来就是一句话：
先想清楚"要解决什么问题"，再考虑"怎么解决"。
这听起来很简单，但需要刻意练习。
下一节，我们会学习如何用JTBD框架系统地思考问题，并通过四个真实场景的示例，让你掌握这种思维方式。