今天是鐵人賽的第七天,我想做個一週回顧,順便盤點一下這週與 AI 同事合作的策略與經驗。
這週的主要進度集中在計畫專案管理系統的功能設計,包括:
我這週大概花了20小時在這個專案上,以投入的時間與實際產出的成果比例來看,我認為 AI 同事確實有幫助我提高開發效率,雖然在部分階段會帶來一些反效果,但整體仍是正向的提升。
在「思考功能設計」與「選擇技術架構」這些抽象規劃層面,AI同事的幫助很大。這類任務通常需要前端、後端、設計等三四位工程師一起討論協作,但現在透過與AI同事討論,我得以跨過知識與技術死角,涵蓋過去不太熟悉的技術領域,這對我來說確實是一種視野與技術的擴展。
但當進入「細節調整」與「BUG 修復」時,狀況就沒那麼樂觀了。
比起我自己修,AI同事有時反而花了更多時間。如果是我自己寫的程式,要修改某個地方,我會大致知道哪個部分可能出錯;但AI同事比較像是用大部分人會改哪些地方去解決,導致很容易修改錯位置,甚至產生新的錯誤。雖然我的程式規模可能還不算大,但這樣的差異還是很明顯。
值得注意的是,當一開始習慣讓AI同事解決問題後,後續遇到小錯誤,也會不自覺地想交給它處理。
這種慣性其實會讓開發流程失控,錯估時間成本,也讓自己失去主導權。這讓我意識到:技術執行可以交給 AI,但「什麼該交給它做、什麼該自己來」這種判斷,一定得自己掌握。
這週與AI同事合作的過程中,也出現了幾個以前沒注意的細節,以下簡單整理:
/clear
當討論進入新的環節,而且內容和之前無關時,建議先清除上下文。這樣可以避免AI同事被舊的內容影響,產生不必要的聯想或錯誤推論。
通常修復一個錯誤之後,會連帶出現新的錯誤。這時如果發現AI同事開始使用不太適合的手段(像是建議降版本)來處理,就應該考慮 /clear
,重新讓它思考。因為AI同事有可能記住你在處理 A 錯誤時否決過某個方法(例如 X 方法),到了 B 錯誤時即便 X 是正解,它也會避免使用,反而影響解決效率。
一開始我以為提供越完整的錯誤訊息會越有幫助,所以常把整段錯誤 log 都貼給AI同事,甚至請它自行閱讀 log。但實際結果並不好,修復能力反而下降。我後來思考了一下,這可能是因為人與人之間問問題時,其實只會挑出版本資訊與關鍵錯誤訊息來問,而 AI 的訓練資料也多半是這種類型。如果貼整段 log,AI同事可能會被大量無關訊息干擾,影響判斷。
當初會報名鐵人賽,是因為剛好有個我有興趣的主題,也想透過這樣的形式讓自己持續產出、每天前進一點。
不過實際做起來,有時真的蠻辛苦的。有些天剛好很忙,能抽出來寫文章或開發的時間不多,還是得硬擠出一些進度,當下會覺得煩躁。但真的完成當日目標後,又會有一種「我今天又往前一點」的成就感。
有時候也會因為太投入,反而花了比預期更多的時間,導致隔天特別疲累。現在也更能理解為什麼這叫「鐵人賽」,這真的不只是寫程式、寫文章,而是在跟自己的慣性、疲勞、意志力拔河。
這週下來,我確實感受到AI同事能幫我跨過一些技術盲點,加速某些階段,但也體會到:判斷力不能外包,使用 AI 需要策略。
我期待未來能進一步優化與 AI 同事的合作模式,讓我們彼此配合,發揮乘法效應,創造更優秀的成果。