iT邦幫忙

2025 iThome 鐵人賽

DAY 4
0
佛心分享-SideProject30

Vibe Code與context engineering來打造個人專屬夥伴系列 第 4

第四日:錢包扁扁的課金地獄,工程師的覺醒術

  • 分享至 

  • xImage
  •  

第四日:錢包扁扁的課金地獄,工程師的覺醒術

今天本來想說,快速再試試 Gemini 或其他工具。
結果手一滑,打開充值頁面,看著那一排價格標籤跟未繳帳單,瞬間理智回歸。
才月中,就準備吃土了。

我盯著充值頁面,心裡只有一個聲音:「無限課金不可行,窮地覺生。」
突然陷入沈思:這樣亂搞,我到底想產出什麼?
我沒有其他的資源了嗎? 不對我不是很多工程師朋友在AI公司工作嗎?

傑克真的太神了

於是我約了工程師朋友吃飯,想打探一下實戰經驗。
第一句話是:你們有在用AI開發嗎?
朋友回:當然有啊,現在不用你準備吃土嗎?
那你們是怎麼用的!@^!%&!%@&^!$
經過我的死殘爛打,疲勞轟炸,朋友感謝你了QQ
結論是——AI = 勤勞的小助理工程師,但很燒錢。

重點整理:

  • 上下文跟提示詞很重要,垃圾進 → 垃圾出
  • 約束很重要,不然 AI 會亂飛。
  • 範例很重要,沒有 input/output 例子,答覆品質就隨緣。
  • 搞清楚需求很重要,否則你只是在燒錢買錯誤答案。
  • 限定範圍很重要,萬丈高樓平地起。
  • 時刻驗證檢查很重要,不然你以為它在幫你,其實它在幫你挖坑,等你發現就太晚了。
  • DB 格式跟 API 設計要先敲定,不然後面全是返工。
  • 跟 AI 共編文件,把雙方的Context認知限定在文件裡面。
  • GIT 版控可以拯救世界 ——不然改壞髒掉就來不及了。

無限課金?還是一步步教導?

結果寫到這裡我突然覺得很累。這真的比較輕鬆嗎?
理論上 AI 應該讓我快樂工作、快樂 debug,但實際上我現在像在養一個挑食又貴鬆鬆的外包工程師。

笑著笑著,眼淚差點流下來。😂


Vibe Code 工作法:把模型當小助理、你當技術Lead

回想當年我還是小工程師時(導師怎麼帶我的…呃,幾年前了,鬼才記得),但經典套路其實就那幾招,今天把它翻成 Vibe Code 版 SOP

切大為小(Divide & Conquer)

  • 先把「大需求」切成 5~9 個「可落地的小卡片」,每張卡片 1–3 小時能完成。
  • 只把每張卡片丟給模型,而不是把全世界丟進去。
  • 好處:上下文短、token便宜、錯了也便宜。

寫「能餵給 AI 的需求」

不是 PRD 長篇小說,是 簡明需求檔

  • 目標:要產出什麼?
  • 約束:語言/框架/版本/現有Schema
  • I/O:輸入格式、輸出格式、範例
  • 可測:要怎麼驗證它是對的?(最好附 2–3 個 sample case)

資料庫與介面先行

  • 先把 DB Schema / API 契約敲定(YAML/Proto/SQL DDL 都行)。
  • 這些文件就是模型的小抄;它沒看到,就會亂猜,亂猜=燒錢。

請模型做重複性高的事

範例:CRUD 樣板、DTO/Mapper、驗證器、測試樣本、migration skeleton、錯誤碼表、文件草稿。

  • 不要請它發明核心業務邏輯、資安規則、併發臨界區處理——那是技術Lead的職責。

人類做 Code Review / 風險位負責

把 AI 當「會加班的小助理」,但總設計、邏輯邊界、金流/權限/合規要你來拍板
錯誤越早發現,token費與心碎費越低。


朋友實戰回饋(晚餐小抄)

AI 公司的朋友怎麼用?摘幾條最實用的:

  • Skeleton by AI,關鍵 by 人:資料模型、樣板、測試雛形交給模型;核心演算法、效能優化、人。
  • 小迭代、多回合:一次給 100 行,比一次給 1000 行更准、更便宜。
  • 固定提示模板:把約束寫死在模板裡(語言、版本、風格、測試需求),提示穩定=品質穩定=錢比較不會亂噴

省錢也省命:我的「扣款前」檢查清單

**免費午餐很好吃,但餐後可能直奔洗手間。**以下是我打算之後用的 checklist:

  • [ ] 需求卡片化:這回合只解 1 張卡片
  • [ ] 上下文最小化:只給本卡片必要資訊
  • [ ] 提供I/O範例:至少 2 個測試範例
  • [ ] 約束寫清楚:語言/框架/版本/風格/安全規範
  • [ ] 先低後高:先用「快/省」模型打底,最後才用「準/貴」模型收斂
  • [ ] 回合數上限:本卡片 ≤ 5 回合,超過就人腦接手
  • [ ] 產出即測:每回合要嘛出碼、要嘛出測試、要嘛出文檔,不接受空話

什麼交給 AI?什麼自己來?

交給 AI:

  • CRUD / Repository 樣板
  • DTO / OpenAPI / Swagger 草稿
  • 單元測試雛形(pytest/JUnit/xUnit)
  • 日誌、重試、超時、熔斷樣板(可讓它補齊)
  • 除錯用的小腳本、資料修補 SQL(你要審)

自己來:

  • 并發/交易一致性/最終一致規則
  • 性能瓶頸鑑別 & 指標(SLO/SLI)
  • 上線流程、回滾策略


關於錢:把 token 當燃料,不要當無限魔法

  • 先用「快省」模型迭代,把需求卡片打磨到 80 分,再用「準貴」模型做最後 20% 精修。
  • 設回合上限與費用上限:像打怪一樣,超過上限立刻撤退重構。
  • 能重用就重用:提示模板、共用約束、資料字典都存檔,拷貝貼上不要掏錢
  • 離線先思考:圖、Schema、契約、測試樣本先在腦內/紙上過一輪再丟模型,省下無效對話。

今日小結:我不再追工具,我在追產出

看完充值價格我縮了,但也因此長大了:

  • Vibe Code 不是炫技的 prompt,是把「我做技術Lead、模型做助理」的流程產品化。
  • AI 像勤勞助理工程師:能幹、肯做、加班不喊累,但真的很花錢;就像請外包,要給規格、要切工、要驗收。
  • 明天開始,我用「卡片化 + 便宜先行 + 關鍵再貴」的策略,把 Day3 做好的測試 client 擴充成可重複評估的工作台

工具會更新、價格會變動,但好的工程方法論能陪你走到最後。
今天省下的不是幾塊美金,是把 Vibe Code 真的變成我的工作流。明天,繼續推進。🚀



上一篇
第三日:Gemini從專案起飛到 Flash 墜機,免費午餐的代價
系列文
Vibe Code與context engineering來打造個人專屬夥伴4
圖片
  熱門推薦
圖片
{{ item.channelVendor }} | {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言