有了AI工具就不用學習機器語言了嗎？不是的，今天我想透過本文的分析，來分享我使用ChatGPT輔助程式設計、撰寫所遇見的問題，以及我認為在AI時代仍需要學習的關鍵素養有哪些。

27.1. AI生成常見問題

以下3個問題是以我使用ChatGPT生成AI code，最常遇見的困擾：

1. 需反覆修正提問：
　　現在許多AI教學會建議：如與ChatGPT互動時，最好用像「你現在是OOO角色」這種明確描述角色、動作或目的的指令，這樣AI才能更精準理解你的需求。不過，AI每次回應其實只能處理一定數量的關鍵字（token），就算你描述得再完整，也可能因為長度限制，導致「問了這個、AI忘了那個」的情況經常發生。

2. 無法替代開發者的全盤思考與系統整合：
　　AI雖然可以幫你產生長段落的程式碼，或針對明確的bug給出解法，但當你需要整合多模組、跨流程的系統時，AI只能就你問的「某一部分」給出建議，若接續詢問單一問題後，後續就難以繼續自動幫你把各部分串起來。

3. 順著你的思考邏輯回答問題：
　　AI能否答得好，很大程度取決於你給它的上下文，以及是否明確描述你的思考脈絡。有時候AI會照字面回答問題，結果答非所問；有時候則能「順著你的脈絡」提供很精準的協助。

27.2. Debug關鍵需求與解方

根據前面所提到的問題，我認為要有效Debug，並善用AI輔助，主要可從三個面向來著手：

1. 基礎語法與邏輯思維能力：
　　雖然與AI互動對話可以用白話文說明敘述，並能取得生成的程式代碼，但若不具備基本的程式語法（如Python語法結構、變數、函式、類別等）和邏輯思維（如條件判斷、迴圈、資料流）能力，那很難從中明白這段程式碼的邏輯意義，例如看到for迴圈能夠知道這是在重複處理某項事件等，因此須懂得基本的語法，才能具備良好的Debug方向。

2. 系統架構與模組整合能力：
　　當程式碼中的各項類別功能定義很多時，惟有理解整個專案的架構、各模組的功能與相互關係，才能在多次反覆修正後，還能夠知道某項功能定義在整個專案中的關係與定位。

3. 問題拆解與有效提問能力：
　　當AI生成完整的程式碼執行時，可能仍會遇到執行錯誤，若直接將複雜問題再丟回給AI，常會遇到前面正確、後面又寫錯的情況，因此我們應該逐漸建立Debug的拆解邏輯，將大問題拆解成小問題，逐步釐清每一個環節後，最後再重新整合所有解法，才能真正找到核心問題並解決。

27.3. 與ChatGPT對話範例

• 使用者提問：
  請用tkinter幫我產生一個有三個欄位輸入框、和一個執行按鈕的GUI程式碼。

• ChatGPT初版回覆：

import tkinter as tk

def on_submit():
    val1 = entry1.get()
    val2 = entry2.get()
    val3 = entry3.get()
    print(val1, val2, val3)

root = tk.Tk()
root.title("三個輸入框")

# 這一版雖然有三個輸入框，但沒有標示每個欄位的用途
entry1 = tk.Entry(root)
entry1.pack()
entry2 = tk.Entry(root)
entry2.pack()
entry3 = tk.Entry(root)
entry3.pack()

submit_btn = tk.Button(root, text="執行", command=on_submit)
submit_btn.pack()

root.mainloop()

• 使用者補充：
  請每個輸入框都加上對應的Label。
  (這裡的Label就是你已簡單理解了Tkinter的語法構架，並提出具體提問)

• ChatGPT再回覆（完善版）：

import tkinter as tk

def on_submit():
    val1 = entry1.get()
    val2 = entry2.get()
    val3 = entry3.get()
    print("欄位一：", val1)
    print("欄位二：", val2)
    print("欄位三：", val3)

root = tk.Tk()
root.title("三個輸入欄位＋標籤")

label1 = tk.Label(root, text="欄位一：")
label1.pack()
entry1 = tk.Entry(root)
entry1.pack()

label2 = tk.Label(root, text="欄位二：")
label2.pack()
entry2 = tk.Entry(root)
entry2.pack()

label3 = tk.Label(root, text="欄位三：")
label3.pack()
entry3 = tk.Entry(root)
entry3.pack()

submit_btn = tk.Button(root, text="執行", command=on_submit)
submit_btn.pack()

root.mainloop()

因為有了精確地指示方向，ChatGPT便能更精準地完成你的需求。

27.4. 結語

　　今天分享了我實際應用ChatGPT輔助程式設計的經驗，並以簡單的範例說明，希望讓大家了解：AI確實能協助我們提升開發效率，但基礎語法、系統整合與問題拆解能力依然不可或缺。
　　下一篇我將利用ChatGPT協助產生更優化、更貼心的GUI介面，包括輸入檢查、即時提示與防呆設計等實用技巧，明天見！