這篇鐵人賽最後一篇文章想聊聊我這段時間在 Vibe Coding 的一些體驗與心得，也順便分享我對 AI 時代下，作為軟體工程師該如何看待自身能力和未來角色的一些簡單想法。

希望這些分享能幫助我回顧整個過程，也可能對正開始嘗試用 AI 協助開發的朋友，提供一些參考。

從 ChatGPT 到 Cursor 的驚豔

其實我一開始接觸 AI 協助開發，和大多數人一樣，最早是從 ChatGPT 開始。它幫我補充想法，或是產生一些片段程式碼，已經很有幫助了。但在那個時候，我還是覺得 AI 比較像是一個「問答助手」，而不是「一起開發的夥伴」。

真正讓我驚豔的，是我去年底開始嘗試的 Cursor。
Cursor 除了能像 Copilot 一樣補程式，最讓我印象深刻的就是它的 Composer 模式。我第一次用 Composer 的時候，發現 AI 不再只是丟一些片段程式碼給我，而是能夠在一個完整的專案裡，直接幫我修改、補齊，甚至調整結構。

那種感覺就像：
以前我是在「拿別人給的零件，自己拼起來」；
現在是「有人陪我一起拼，甚至能幫我重新設計零件」。

從那之後，我開始利用下班後的空閒時間，拿 Cursor 試著做一些小工具。雖然沒有很大的專案，但 Cursor 幫我降低了很多門檻，讓我能夠快速嘗試一些原本懶得做的小東西。

不只是寫程式，在 Cursor 幫助下，我首次把一個桌面應用程式包裝並上架到 Microsoft Store。
老實說，如果沒有 AI 幫忙，我光想就覺得麻煩，絕對不可能心血來潮去做。但 AI 幫我填補了許多「瑣碎但關鍵」的知識缺口，讓我真的完成了。

在這個過程中，除了完成一些小工具，更重要的是，我逐步在與 AI 協作的過程中，了解它目前的能力與限制。

AI Coding 工具的百花齊放

接下來的時間，AI 工具的發展速度真的快得驚人。
AI Coding 工具 幾乎可以說是「雨後春筍」，一套接著一套冒出來。每隔一陣子，就有新的工具或模型出現，功能越來越強大、使用越來越便利。

今年三月，我第一次接觸到 Augment 這套 AI Coding 工具。
它主打「超長上下文理解能力」以及「支援大型專案開發」，這讓我覺得非常值得一試。之前使用 Cursor 協作時，雖然能完成一些小專案，但面對大量程式碼和檔案時，仍很容易出錯。
這也讓我好奇：

AI 是否真的能在一個稍大的專案中，不只是修補片段程式，而是能陪著整個開發流程走完整個過程呢？

於是我就趁著一個月的試用期，開始思考可以做什麼。最後，我決定挑一個身邊有需求的題目——「兒童任務管理平台」。

在這段時間裡，我完成了整個專案的整體框架設計，以及大部分核心功能的開發。後續我則搭配其他工具（像是 Cursor）進行維護和功能更新。

雖然我對網頁開發並不熟悉，但我想趁這次機會，嘗試用 Vibe Coding 完成一個稍大的專案。這次經驗，也成為我全程以 Vibe Coding 探索、和 AI 一起推進專案的起點。

我的 Vibe Coding 心得整理

在這個專案裡，我總結了一些自己 Vibe Coding 的心得與方法：

• 和 AI 討論需求：先把想法講出來，讓 AI 幫忙發想，可能發現不同的思考角度。
• 描述要結構化：最好附圖或範例，第一版專案就能比較接近自己想要的樣子。
• 第一版不滿意就重做：比起硬改，很多時候直接重新生成第一版更快。
• UI 先做好範例：先把一個元件打磨好，再讓 AI 複製風格，提高開發速度和一致性。
• 一次只提單一需求：給 AI 清楚上下文，但避免一次丟太多需求，效果更好。
• 適度留白：有時候不必描述得太細，留給 AI 發揮創意，反而可能有驚喜。
• 保持專案結構：保持檔案與命名規範，避免 AI 因混亂而失準。
• 審核與測試不可少：AI 也會犯錯，每次修改都要有自己一套檢查方式，不論自動或人工。
• 挑合適的 Model：我覺得目前 Claude 4 和 GPT-5 在 Vibe Coding 上特別好用。
• 定期清理：刪掉冗餘檔案，並請 AI 協助檢查安全性，保持專案健康。

這次 Vibe Coding 的嘗試讓我收穫不少，不只是完成了一個專案，也累積了很多新的體驗。跟 AI 一起做專案，不單只是工具上的幫忙，更像是一種磨練自己思維和方法的過程。AI 很厲害，但最後還是得靠自己去判斷、檢查，並做出真正的決定。

AI 時代下，工程師還需要什麼？

Vibe Coding 的過程讓我收穫不少，但也有些擔心。AI 工具的進步速度這麼快，讓人興奮之餘，也會想：未來軟體工程師還需要什麼核心能力，才能不被淘汰？

最近常看到一個觀點：

AI 工具更新速度非常快，也在不斷迭代。雖然工程師不見得會被 AI 取代，但很有可能會被那些懂得善用 AI 的工程師超越。

我也蠻贊同這個觀點。雖然現在 AI Coding 的能力已經很強，但它仍有不少限制。其中最大的瓶頸，大概是記憶能力。即便有各種方法幫助 AI 回憶專案細節，它仍無法做到完美。而且最危險的是，一旦 AI 獲得了錯誤資訊，它就可能直接用來實現功能，導致整個專案出錯。

另外，AI 對真實世界的需求理解也還不夠完善，因此仍需要有經驗的工程師來進行溝通與協作。所以，在這樣的環境下，工程師到底該具備哪些能力呢？

我個人的一些整理：

• 創意思維
  AI 很會生成，但最終能用的點子還是得人來發想或決策。能提出新點子，才有發揮空間。
• 抽象思考
  AI 可以很快地生成各種內容，但如果我們無法跟上它的節奏、理解與整合輸出，就容易被資訊淹沒，反而難以推進下一步。
• 需求描述能力
  清楚表達需求，比直接寫程式碼更重要。好的描述能讓 AI 幫你做到更多。
• 審核與審美
  AI 可以生成很多版本，但最合理、好用、好看的選擇還是得人來判斷。
• 統籌能力
  AI 能幫忙寫程式，但專案落地需要有人把控全局，決策取捨仍不可或缺。
• 需求理解能力
  AI 雖然能生成程式碼或建議，但對真實世界需求的理解仍有限。工程師需要親自與使用者或團隊互動，確保專案符合實際情境。

雖然這些能力要怎麼培養並不容易，但我覺得，至少先多用 AI、邊做邊學，慢慢找到自己的節奏，或許就是最基本的開始。

收尾的隨想

這 30 篇鐵人賽文章，讓我回顧了這段時間與 AI 工具一起走過的開發旅程。
從一開始只是好奇，慢慢到能做出小工具，再到嘗試一個完整的平台，我感受到的是：

AI 已經不只是「輔助」，而是逐漸成為「共創夥伴」。
而這樣的變化，也迫使我們重新思考工程師的角色與價值。

或許未來，寫程式會越來越像是一種「創意表達」的方式。
程式語言不再只是冷冰冰的技術，而是和 AI 一起創造的工具。