“感觉身边随时坐着一位世界级的工程师。”
Tomiyasu Hiroki 是这样形容 ChatGPT 和 Codex 的。他不是东京的创业者，他是北海道的农民，种西兰花、南瓜、大葱和大豆，面积大约 100 公顷。他在东京附近长大，做过公务员，没念过农业，也没念过计算机。两样都是自己边做边学会的。
他的经历是通过 ChatGPT Pro Community 分享出来的，这是我们看过最清楚的一个例子，说明 AI 对不会写码的人到底能做什么。而对不懂技术的老板来说，这里面的启示，跟外面天天在卖的那一套不太一样。
说实话的版本是：AI 让你今天不用请工程师，也能把原型和内部工具做出来；但做什么、怎么做才不出事，还是你自己的事。
一个农民，没有工程师，做出了什么
这种规模的现代农业很辛苦：活重、流程杂，而且几乎请不到人。所以 Tomiyasu 开始自己把工作自动化。传统的农场自动化要买贵的专用机器，还要找专门的工程师。他说 AI 把这笔账改了。
下面是他做出来的一部分东西，每一样都是从一句大白话的提示开始：
- 病害判断。 他把收成的西兰花上的黑点拍下来，问 ChatGPT 这是不是病，要怎么处理。
- 卫星监测田块。 他做了一套系统，把自己田块的卫星数据抓下来，跟踪植被长势，再叠到田块地图上。
- 远程温室控制器。 他用 Codex 把 ESP32 板、马达驱动、Cloudflare Workers 和一个 LINE 聊天机器人接在一起，用手机就能开关温室的通风口。
一台普通手机、一块便宜的微控制器，加上 AI 写的代码，就是一个远程温室通风口。示意图由 Gotchaa Lab 制作。
- 一个会干活的群聊机器人。 团队平时用的群聊，现在能查温室温度、开关通风口、调出工作排班。
- 从聊天记录里挖数据。 他叫 Codex 把群聊的历史记录读一遍，算出到底播了多少盘西兰花苗。
他还用 ChatGPT 先把 RTK-GPS 拖拉机自动导航搞懂，然后才决定买什么。搞懂之后他发现，自己动手做一套只要几十万日元，不必买那种专用系统。
炒作里跳过的那一段
把上面那串再看一遍，注意 AI 没有做的事。它没有判断温室控制器值不值得做。它没有挑硬件。它没有判断一个 24V 马达接上云端函数、长期跑着安不安全。这些都是 Tomiyasu 自己做的。
“不懂技术也能用 AI”，真实的样子就是这样。模型拿掉的是那个守门人，就是你以前非要找他不可、只为了把想法翻译成能跑的代码的那个人。它没有拿掉判断。总要有人知道哪个问题值得解，做到什么程度算好，以及收成季凌晨两点它挂掉的时候会怎样。
我们自己做事也是同一个规律。我们每天用 Cursor、Claude 和 Codex，团队确实快了。但我们交给客户的价值，从来就不是打字。是决定做什么、怎么搭才撑得住往后的增长、怎么把客户数据看好。这部分的分量变重了，不是变轻。想看更长的一篇，我们写过 AI 系统开发者的崛起，也写过凭感觉写码的安全陷阱。
这对我们这边的老板意味着什么
如果你在马来西亚做生意或者在创业，这件事很实际，也让人松一口气。你不用再等一个工程师才能试想法。那个内部工具、那个看板、那个自动化，这个星期你自己就能做出来验证，就像 Tomiyasu 在两茬收成之间做的那样。
但界线要划清楚。周末做一个控制自家温室的原型是一回事。一个装着客户资料、要收钱、要符合 PDPA 的系统是另一回事。出事的地方就在后面这一类：数据库泄漏、付款算错、对接的时候悄悄漏掉订单。AI 会很乐意把这些代码全写给你，而且不会告诉你它哪里写错了。
我们的看法是：让 AI 去降低试错的成本。用它来学、来做原型、来把闷的部分自动化。等到东西必须稳定跑、必须撑得住量、必须对客户或者监管方负责的时候，再把真正的工程判断请进来。那个农民其实很本能地懂这一点。他用 AI 是为了在花钱之前先搞懂 RTK-GPS，不是为了跳过搞懂这一步。
做软件的门槛，对所有人都降下来了。但那个知道什么值得做、知道怎么做才安全的人，还是一样需要。
在想 AI 在你生意里放在哪、不该放在哪？聊两句。我们给你一个老实的判断，不推销。你也可以看看我们怎么帮马来西亚的团队做 AI 解决方案。
