剛接觸 AI 輔助程式開發，你有兩種心態可以選擇：
A. 追求 AI 生成完美無缺的程式碼，每個細節都要符合最佳實踐。
B. 專注於解決實際問題，接受「能用就是好程式」的現實。
理論上 A 是理想的，也是傳統程式教育強調的，但這個路徑的障礙非常多，你的學習曲線會變得異常陡峭。
一開始，我也嘗試了 A。
我想讓 AI 生成一個完美的檔案整理程式，要有完整的錯誤處理、優雅的使用者介面、高效的演算法。
我的想法是：既然要用 AI 寫程式，就要生成標準一點的程式碼吧？
但真正與 AI 協作之後，我才發現光是讓 AI 理解我對「完美」的定義，就需要極其精確的提示工程。處理檔案路徑的各種例外情況，檔名包含特殊字元、檔案被其他程式佔用、磁碟空間不足...這些邊界條件需要無數輪的對話調整。
一下子面臨這麼多複雜需求，我覺得太撞牆了。不行，我需要成就感。
於是這個「完美」專案先擱置，我轉去做一個「不完美但能用」的簡單版本：只處理最常見的檔案類型，只在我自己的電腦上執行，遇到錯誤就顯示簡單訊息。
結果呢？
這個「不完美」的程式在我的日常生活中發揮了巨大作用。它幫我整理了桌面上幾百個亂七八糟的檔案，節省了我無數時間。
而且，從這個「能用」的基礎版本出發，我可以一點一點與 AI 協作加功能：今天請 AI 加個進度條，明天讓它處理重複檔名，後天增加更多檔案類型支援。
這就是實用主義哲學的精髓：
你不需要 AI 一開始就生成完美的程式碼。
直接動手解決真實問題，讓成就感驅動你持續與 AI 迭代改進。
從可用的最小版本開始，透過多輪對話逐步完善到更好的版本。
面對 AI 寫程式這件事，你可以選擇：
「AI 應該一次就理解我的需求，生成完美的程式碼，我只要複製貼上就好。」
或者：「AI 是我的程式設計夥伴，我們需要來回溝通才能達成目標。」
兩種心態都很常見，但適用於完全不同的現實。
如果你把 AI 當作魔法棒，期待它一個指令就變出完美程式，你會發現自己經常失望。AI 生成的程式碼常常有 bug、邏輯不夠嚴謹、無法處理你沒有明確說明的邊界情況。
但如果你把 AI 當作經驗豐富但需要明確指導的協作夥伴，一切就不同了。
例如，我要建立檔案整理工具時，我不會直接問：「幫我寫一個完美的檔案整理程式」
而是會這樣跟 AI 展開多輪對話：
第一輪：「我想要一個 Python 程式，能掃描桌面資料夾，依副檔名分類檔案到不同子資料夾。」
AI 回應後，第二輪：「很好，但我希望在移動檔案前先顯示會移動哪些檔案，讓使用者確認。」
第三輪：「如果目標資料夾已經有同名檔案怎麼辦？請加上重複檔名的處理邏輯。」
透過這種來回對話，AI 能理解你的具體需求，而你也能從 AI 的回應中學到新的概念和方法。
這就是協作夥伴心態的威力：
把 AI 當作需要明確溝通的協作者，而不是讀心術大師。
準備好進行多輪對話，每次改進一小部分功能。
從 AI 的建議中學習新知識，而不只是複製程式碼。
傳統程式教育常常讓人陷入「技術導向」的思維陷阱：
我要學會這個演算法、那個設計模式、各種最佳實踐...
但在 Vibe Coding 的世界裡，最重要的是「問題導向」：
我要解決什麼實際問題？這個問題對我或使用者有什麼價值？
舉個例子，當我想學資料處理時，與其去學習複雜的資料結構理論，我直接從「我想分析我的消費習慣」這個具體問題開始。
我不需要先掌握 pandas 的所有功能，只要知道如何：
透過與 AI 協作解決這個實際問題，我自然而然學會了資料處理的核心概念。而且，因為是解決自己的真實需求，學習動機特別強烈。
更重要的是，當你專注於解決問題而非炫技時，你會發現：
簡單的解法往往比複雜的更好。
能解決實際問題的「笨」程式，勝過解決不了問題的「聰明」程式。
使用者在意的是結果，不是你用了多高深的技術。
Vibe Coding 最大的優勢，就是可以快速實驗和迭代。
但要享受這個優勢，你需要培養「實驗精神」：
不怕嘗試新想法，即使可能失敗。
把每次嘗試都當作學習機會，而不是成敗的判斷。
相信小步快跑勝過完美規劃。
我在開發檔案整理工具時，就與 AI 經歷了無數次實驗：
實驗 1：「能不能讓 AI 自動判斷檔案內容來分類？」
結果：太慢了，處理一個檔案要好幾秒。
學習：有些看似聰明的方案，在實際使用上並不實用。
實驗 2：「能不能加上自動備份功能？」
結果：程式變得很複雜，而且我發現自己很少用到備份。
學習：功能不是越多越好，要專注在最有價值的核心功能。
實驗 3：「能不能讓程式記住我的分類偏好？」
結果：大成功！程式可以學習我的習慣，分類準確度大幅提升。
學習：有時候簡單的個人化功能，比複雜的通用功能更有價值。
每次實驗都讓我對問題有更深的理解，也讓我和 AI 的協作變得更加順暢。
這是我學習 Vibe Coding 最大的心態轉變。
傳統學程式，你是學生，老師或教材告訴你該學什麼、怎麼學。
但在 AI 協作中，你需要成為 AI 的「產品經理」。
你不是在問：「AI 能為我做什麼？」
而是要問：「我能為 AI 提供什麼指導，讓它幫我達成目標？」
這個轉換非常重要，因為：
AI 需要清晰的指導和背景資訊才能發揮最大效用。
你的角色是提供脈絡、約束條件和評判標準。
成功的關鍵在於如何管理和指導 AI，而不是等待 AI 主動理解你。
例如，當我要讓 AI 幫我寫資料分析程式時，我會這樣指導：
「我有一個包含日期、金額、類別三個欄位的 CSV 檔案。我想要生成月度消費趨勢圖，x 軸是月份，y 軸是總金額。請用 matplotlib 繪製，並在圖表上標註每個月的最高消費類別。」
而不是簡單地說：「幫我分析這個檔案」。
最後一個重要的心態轉變：你不需要完全理解 AI 生成的每一行程式碼。
但你必須理解：
這就像開車一樣，你不需要理解引擎的每個零件如何運作，但你需要知道如何操控方向盤、踩煞車、讀懂儀表板[1]。
在 Vibe Coding 中，最重要的技能是：
問題分解能力：把複雜需求拆解成 AI 能理解的小任務
溝通表達能力：用精確的語言描述你的需求和約束條件
測試驗證能力：知道如何檢驗 AI 生成的程式是否符合預期
迭代改進能力：根據結果調整需求，與 AI 進行下一輪協作
iThome鐵人賽
看影片追技術