网站加载优化：别向AI认输，给它看似不可能的目标

关于如何借助AI优化任务目标，业内有一个值得深思的观点。前不久，相关领域的专业人士分享了 Felix Rieseberg 的思路，不少人看完后恍然大悟：我们在很多时候，其实是过早地选择了妥协。

作为软件从业者，无论是产品经理还是程序员，从小受到的训练都围绕着“不能既要又要还要”，所谓的权衡取舍，曾被视为核心专业能力。但 Felix 的观点指出，这套逻辑或许并非不再适用，而是我们“用得太早”了——以往我们习惯先做取舍再行动，现在不妨换个思路：先行动起来，再判断是否真的需要妥协。

以网站性能优化为例：如果你的网站加载需要10秒，多数人会要求AI把它优化到5秒，但 Felix 认为，正确的做法是向AI提出更具挑战性的目标——让网站在0.2秒内打开。

总结 Felix 的核心方法论：给AI一个看似不合理的目标，并坚持让它寻找解决方案；如果AI表示无法实现，不要立刻降低要求，而是推动它进一步探索可能性。

这种思路带来的启发是：我们在向AI提需求时，往往已经在心里打了折扣。明明想要的是接近完美的结果，却因为担心难度过高，主动把目标降到自己认为“现实”的程度——这是和人类合作时养成的习惯，毕竟人有时间、精力和预算的限制，需要体谅。但当我们和AI合作时，完全没必要替它提前设限，它还没喊难，我们就先认输了。

Felix 方法背后的三层逻辑

深入分析 Felix 的思路，背后包含三层容易被忽略的逻辑：

第一层：你提出的目标，未必是你真正想要的。 比如要求把网站从10秒优化到5秒，背后的原因可能不是用户只需要5秒的等待时间，而是你认为5秒是可实现的边界。你真正想要的，其实是一个几乎无需等待的网站，但你主动把目标妥协到了5秒，AI接收到的任务自然是围绕这个妥协后的目标展开，很难突破既定框架。

• 你真正的需求是一个几乎无需等待的网站；
• 但你考虑到技术难度，主动把目标降到了5秒；
• AI接收到的任务，就是围绕这个妥协后的目标推进。

第二层：目标越高，AI越可能探索不同的解决方案。 如果要求从10秒优化到5秒，AI大概率会采用图片压缩、代码拆分、缓存优化等常规手段；但如果要求0.2秒，它就需要重新审视整个系统架构：是否必须请求服务器？能不能实现预渲染？是否可以利用边缘缓存？能否提前加载必要资源？数据库查询是否必须在关键路径上？甚至会反过来质疑：为什么这个页面必须按照现有方式打开？

这让我们联想到一本多次被提及的书，书中观点是“10倍增长比2倍增长更容易”。追求2倍提升，只需要把现有工作做得更好；而追求10倍提升，就必须换一种做事的思路。这套逻辑同样适用于和AI合作：高目标会倒逼AI跳出常规，探索更根本的解决方案。

第三层：不要让AI的第一次回答决定你的目标。 AI表示无法实现，可能是真的存在限制，也可能是没有尝试更彻底的方案。Felix 建议推动AI继续探索，就是为了避免把第一轮方案的局限当成任务本身的极限。正确的做法不是要求AI保证实现不可能的指标，而是让它先探索、实测、提供证据，如果确实存在物理或工程限制，再基于证据调整目标。在明确限制之前，我们和AI都不该轻易放弃。

限制AI的，或许是我们自己

Felix 还提到了心理学中的“自我效能感”：很多事做不成，不全是能力不够，而是一开始就不信自己能完成。以前我们不敢提出高目标，是因为知道现有能力无法实现，这很合理；但现在AI的能力每隔几个月就会有显著提升，我们却还在用去年的经验判断今天什么值得尝试，甚至给AI设置过于保守的任务。

举个例子：当你让AI开发一个软件产品，要求界面美观、功能完整、体验优异、运行流畅、开发速度快、服务器成本低，AI可能会告诉你这些目标很难同时实现，建议做一些取舍，比如先开发最小可行版本，后续再优化。这种回应听起来像在推诿，而正确的做法应该是让AI想办法兼顾所有目标，而不是轻易妥协。