時間來到第七天，如果以過往最有生產力或效率的衡量標準來說，
當然就是繼續往下嘗試更多的專案。
一天一題目、一日一小成就，
但一週為單位剛好停下來思考，是我更想做的事。
可以讓我回頭思考——
我到底學到了什麼？我遇到的困難是什麼？那些還沒解開的問號，又要怎麼放著和挑戰，沒有什麼標準答案，只是單純把這一週的收穫、疑惑，攤開來看。

AI 真的幫上忙，但 Prompt 不是全部

在 Vibe Coding 過程中，有個感受越來越清晰，
從點子、拆需求、寫 Prompt，到最後把它轉成能跑的專案，這條路比想像中更順暢。
AI 的確幫了大忙，能快速看見點子的可視性，而現在的流程，完整有邏輯的 Prompt 很重要，
但大概很快也就不再是核心指令，因為 AI 只會越來越懂我們要什麼，
Vibe Coding 訓練資料越多，連PRD也想的比我更完整 ( 現在已是)，
那麼，下一步?

新的挑戰：常識

AI 給的回覆體感上越來越長、越來越完整，每次也都提供下一步，
對我來說新的挑戰出現了：

• 哪一段才是重點？
• 這些建議合理嗎？
• 我要調整的方向，是 30 度？90 度？還是 180 度？
• 它建議的下一步真的是目前最重要?

簡單說，寫不寫得出程式也不是重點了。
而是我得判斷這些資訊的，「方向性」與「價值」。
但同時要調用這麼多跨領域知識，不是我們過去的訓練。

在 Vibe Coding 情境裡，我的確可以把錯誤資訊不斷丟回去，直到它修正出答案，但這過程我缺乏的是「踏實感」，因為我沒辦法判斷：它的修正方向，到底是正確的？還是只是繞了一圈又回來？
具體的例子就像是：

• 部署時為什麼突然爆錯？

  • 因為從 Localhost 到 online 的環境變數有絕對路徑和相對路徑設定各自要避開的坑

• 為什麼我的歡樂魚缸的魚游的不自然?

  • 因為生態互動系統有特定方式和規則

現在的 AI 一口氣能給我十幾個可能的原因，但若我缺乏基本常識時，這些問題就像黑洞，越陷越深。目前的狀況不是「解法不夠多」，而是「我能不能在第一時間判斷哪一個最可能有效」。

以及最重要的是：再線性。對我來說，再現性跟創意一樣重要。就算打掉重來或換個框架都能重現一樣的點子，或許才能代表我真的理解這個專案。

下一步：Charlie Munger's Mental Models

因此，我想到 Charlie Munger's Mental Models，他認為每個人都需要一套跨領域基本模型，用來解釋世界、判斷資訊。不然很容易因為單一領域限制而做出錯誤決策。

今年初開始，剛好也陸續試圖整理出我現在已有的 Mental Models：哪些是我個人下意識想拿出來的神主牌框架 ? 哪些是真的在不同領域都能調用的方法論? 哪些是我欠缺的? 哪些應該避免的? 都是比起專案完成度更在意的事。但專案完成還是很重要XD

所以，我給自己下一步的功課，除了繼續嘗試不同想法，還有：建立與擴充屬於自己的 Mental Models

• AI 價值能寫 Code、能拆需求、能給完整 PRD
• 我的價值至少要能判斷調用正確領域概念，並做出正確判斷