我第一次讓 AI 幫我寫程式的時候，心情有點複雜。
一方面很興奮：「哇！我以後不用 Debug 到三更半夜了！」
另一方面又很懷疑：「這 AI 真的懂我想要的功能嗎？還是只是一本正經地胡說八道？」

身為一個自由工作者，我接觸過不少不同語言的小專案，從 Python 自動化腳本到網頁小工具。這幾年 AI 程式生成工具越來越多，我也忍不住把它當成實驗對象。今天就來跟大家聊聊，AI 寫程式到底靠不靠譜。

第一回合：AI 幫我寫 Python 小工具

我先測試了一個最簡單的任務：用 Python 寫一個 CLI 待辦清單。
需求很簡單：新增、刪除、查看任務。

AI 給我的程式碼長這樣（片段）：

todos = []

def add_task(task):
    todos.append(task)

def remove_task(index):
    if index < len(todos):
        todos.pop(index)

def show_tasks():
    for i, task in enumerate(todos):
        print(f"{i+1}. {task}")

第一次執行，沒什麼大問題。但我要求它「加上儲存功能」後，AI 居然直接幫我加了一個 txt 檔案存取功能。雖然不是最優雅的解法，但至少能跑。

靠譜指數：⭐⭐⭐⭐☆
（能跑，但不算最佳實踐）

第二回合：AI 幫我解 LeetCode 題目

這部分我有點壞心，把 AI 丟去解「Longest Substring Without Repeating Characters」。
結果它秒給我一個雙指標解法，時間複雜度 O(n)，居然答對了！

但後來我要求它「用更快的方法」，它卻硬是亂湊一個「O(1)」解法，結果完全錯誤。這時我才深刻體會：AI 其實很像一個會亂吹的同學，大方向有時對，但細節得自己檢查。

靠譜指數：⭐⭐⭐☆☆
（解題 OK，但過度優化常常翻車）

第三回合：AI 幫我做網頁前端

我試著請它幫我生一個簡單的 HTML + JS 頁面，功能是計算 BMI。

結果它的 HTML 和 JS 基本上都能跑，但 UI 長得慘不忍睹，像是 2008 年的部落格模板。雖然功能沒錯，但要拿去交給客戶？還是算了。

靠譜指數：⭐⭐☆☆☆
（能跑，但審美崩壞）

我發現的規律

1. 簡單、明確的需求 → 表現最好
   例如「寫一個加法函數」、「幫我加檔案存取」。

2. 需要最佳實踐 → 要小心
   它會寫出「能用」的東西，但不一定符合專案標準。

3. 需要創意設計 → 表現最差
   排版、UI、架構，這些需要人類審美和經驗。

如何把 AI 當程式助手（而不是外包工程師）

我後來找到比較平衡的用法：

• 讓 AI 做「起草」：快速生出基本框架，不用我從零開始。
• 讓 AI 做「解釋」：遇到陌生函式，請它幫我講解用法。
• 讓 AI 做「Debug 小幫手」：貼錯誤訊息，請它給我可能的方向。

換句話說，AI 更像是一個「熱心但有點愛亂講的助教」。你不能全信，但它確實能幫你節省時間。

延伸資源：AI 在程式以外的應用

其實 AI 不只是在寫程式能幫上忙，像我常用的另一個場景就是把影片或會議錄音轉成逐字稿，再從中提取技術重點。這方面我有參考過這篇 How to transcribe YouTube videos，裡面有比較不同的方案，對要處理技術學習資料的人來說很實用。

結論：靠譜，但要「監督」

我的結論是：AI 寫程式是「靠譜的」，但不是「完全可靠的」。
它能幫你快速起手、省下查文件的時間，但你還是得自己驗證和優化。

對我來說，AI 更像是一個「永不疲倦的 pair programmer」。它隨時都能陪我 brainstorming，但最後能不能交稿，還是得靠人類的判斷力。