我最常被问的一句话，不是“你们MES怎么实施”，而是：
“朱哥，你一个做信息化管理的，怎么现在天天写代码？”
我一般都这么回：不是我爱写代码，是我发现了一个更省事的方法。
我现在团队的标准配置是：1个我自己，加3个AI程序员。一个管方案和架构，一个进项目改代码，一个替我跑批量任务和长流程。
过去要开工单、排期、等人排档期的事情，现在基本当天就动手。
我为什么重新捡起了代码
我2008年在东软做Java开发，后来一路做医药ERP、SAP FICO、10年定制家居信息化负责人。再往后，我的身份越来越“管理”，离代码越来越远。
不是没需求，是过去一个信息化负责人一旦想自己写点东西，太奢侈了：
- 你要搭环境
- 你要会前端、后端、数据库
- 中间断半年，连报错都看不懂
- 业务已经够忙了，一个功能开发排给你两周，黄花菜都凉了
所以很多年，我遇到好的想法，要么写方案交给乙方，要么压在PPT里等人做。
AI编程把我这段“想自己干，但干不动”的状态接上了。
现在我的工作习惯变成：遇到一个问题，先问能不能用一个工具解决，而不是先问谁能排期。
三个场景，重新理解AI程序员
场景一：把知识问答从“想法”干成一个能跑的RAG工具
工厂里最典型的需求是：工艺手册、SOP、产品资料一大堆，销售、设计、车间工人要找答案，得翻文件、问师傅。
2026年，我在一家定制家居厂做了一个叫“问师傅”的AI知识库项目。
这个项目后端怎么起、知识库怎么建、文档怎么向量化、前端怎么接语音和钉钉机器人，传统路径是：
- 产品定需求，几轮会
- 前后端开发排期
- 测试、部署、培训
但现实是，我用AI编程辅助，把这条线从“立项要等一个月”，压缩到了“两周内先跑出一个能用的版本”。
不是说我一个人把整个系统写完了。而是AI帮我把那些重复、繁琐、确定性的部分做了：接口、页面、脚本、部署配置、文档解析。我负责的是判断。
比如什么判断？
- 这个知识库到底解决“找不到资料”，还是解决“老师傅经验丢失”
- 搜索不到的答案，是模型不行，还是原始文档切片太碎
- 不同的提问场景，权限怎么隔离
- 工人现场到底能不能只用一句话问出结果
这些事，AI不会替我做，但它能让我有精力去做。
场景二：把一个大系统拆成“今天就能跑起来的一小段”
我手上做过不少管理系统：部门内部平台、精益诊断工具、带前端后台和数据库的业务系统。
以前我会非常谨慎：先出数据库设计，再出接口设计，再出页面原型，再让开发进场。
现在我会先让AI把一个最小闭环跑起来，再用真实数据去喂它，看哪里别扭。
比如一个精益诊断工具，我最早只做了三件事：
- 让用户填一份结构化问卷
- 后台按一个简单公式算出分数
- 把结果画成雷达图
就这三点跑起来，我才知道后面应该补Excel导入，还是先补PDF报告，还是先补对标数据库。
这个顺序很关键：不是AI让我写得快，而是AI让我判断得早。
“一个人修一条产业链”的错觉，和真相
我必须说句实话：如果只是“AI帮我写代码”，那最多是效率提升，还不值得单独开一个系列。
真正改变我工作方式的是下面两点。
第一，你第一次可以把“怎么做”和“做什么”分开
以前我和开发者沟通，最耗费时间的是“描述清楚需求”。
现在很多时候，我可以让AI先出一个方案，再让我挑它的毛病。也可以我先写一个粗糙的Excel、一份伪代码、一页流程，让AI去扩展成系统。
我不再需要一个完整的SA，也能把脑子里那个模糊的需求变成可运行的版本。
第二，你第一次可以用很小的成本做“可闻性验证”
“你们厂能不能上AI审单”，这句话如果没有一个能跑的demo，老板是听不懂的。
但如果你花半天，让AI做出一个审单工作台页面，把一张CSV订单导进去，自动标出三条问题：
- 尺寸冲突
- 板材配错
- 五金配错
老板一眼就看懂了。这个demo不是融资PPT，是“决策加速器”。
我给自己的AI协作三条规则
很多同行问我具体用哪个工具，我后面会单独写。这里先说三条对我最重要的规则：
规则一：AI只做副驾，关键的刹车在我手里
在工厂信息化里，最危险的不是AI不懂，而是AI“看起来懂了”。
所以涉及物料、财务、工艺、数据流的地方，我会坚持：
- 规则能写死的不给大模型自由发挥
- 确定性判断用代码，兜底判断才用大模型
- 每个关键结论都要能追溯
规则二：先跑通再优化，先交付一个“丑但有用”的版本
工厂不看重UI是不是好看，看重明天能不能少翻两个文件。
我很多项目第一版都很丑，但能用。能用了，你才知道知识库缺什么、规则缺什么、接口缺什么。
规则三：每做一个项目，至少沉淀一个可复用的组件
问卷、评分引擎、知识库解析器、成本台账、审单规则——这些都能复用。项目收入应该覆盖当下，组件资产应该构建未来。
为什么我认为“AI编程交付”是信息化老兵的机会
财经和企业服务圈已经聊了很多轮AI，但我一直觉得，最容易被忽视的机会不在“做AI大模型”，也不在“无人车间”，而在一个很窄的地方：
懂行业业务、又懂数据、又愿意动手的人，第一次可以低门槛地把业务知识产品化。
以前这种人要做产品，得先融资、组队、找开发。
现在他可以用一个星期做起MVP，再用几个月在真实工厂里磨准确率。
这反而是我们这种“一半管理、一半业务、一半技术”的人，最该下场的时候。
朱云鹤
17年制造业信息化老兵 | SAP FICO + MES + AI编程交付
我正在写一个系列：《一个17年数字化老兵的真实AI落地笔记》
下一篇我会把我做过的4个AI产品一次性摊开：问师傅、AI审单、行业体检、算清账。不讲概念，只讲它们分别解决工厂哪个问题、怎么赚钱、卡在哪里。
私信“算账”，我把《泛家居数字化成熟度自评表》发你，先看看你的厂卡在哪个环节。
私信“AI解法”，我把这份系列选题清单发你。
本文提到的AI工具细节，我会在后续文章里单独拆：我是怎么组织AI协作流程的。
