七天前，MenuBar Todo 還只是一個想法 - 「想要一個簡單的任務管理工具，就在 Menu Bar 上，隨時可用」。今天，它已經是一個完整的產品。

這一切，都是透過 AI-DLC Sprint 完成的。讓我回顧這七天的旅程。

從混亂到系統：AI 改變了什麼

傳統開發的痛苦記憶

還記得以前開發 Side Project 的流程嗎？

第一天興致勃勃開始寫程式，第三天發現需求不清楚，第五天推翻重寫，第七天失去動力，然後... 就沒有然後了。專案資料夾靜靜躺在硬碟裡，成為又一個未完成的遺憾。

即使堅持下來，也是一團混亂：

• 需求在腦中，隨時在變
• 設計邊做邊改，沒有一致性
• 測試？能跑就好
• 部署？手動上傳到 GitHub

最糟的是，三個月後想要加新功能，看著自己的程式碼像在看天書：「這是什麼鬼？當初為什麼這樣寫？」

AI-DLC Sprint 帶來的改變

這次完全不同。七天的 AI-DLC Sprint，每一天都有明確的目標和產出：

Day 1-2：需求與領域
不再是「想到什麼做什麼」，而是系統化地探索和定義。AI 幫我從模糊的想法中提煉出清晰的需求，用 Event Storming 和 DDD 建立完整的領域模型。

Day 3-4：用戶故事拆解
37 個 User Stories，每個都有明確的價值主張和驗收條件。不是我一個人想出來的，是 AI 幫我從不同角度思考，確保沒有遺漏重要功能。

Day 5：設計與架構
UI 不再是隨便畫畫，而是基於設計系統的一致體驗。架構不再是想到哪寫到哪，而是清晰的層次和職責劃分。

Day 6：開發實作
不是盲目寫程式，而是基於前七天的準備，讓 AI 理解完整上下文後協作開發。

Day 7：部署上線
不再是手忙腳亂的手動部署，而是智慧化的 DevOps 流程。

關鍵洞察：AI 不是工具，是夥伴

第一個洞察：Context is King

AI 的能力不在於它多聰明，而在於你給它多少上下文。

當我只說「幫我寫一個 Todo App」，AI 只能給出通用的範例程式碼。但當我給它完整的領域模型、User Stories、設計規範、驗收標準後，AI 就能產生精準符合需求的程式碼。

這七天，我們不是在「使用」AI，而是在「培養」AI 成為了解專案的夥伴。每一天的產出都成為下一天的輸入，AI 的理解越來越深入。

第二個洞察：規格驅動的力量

傳統開發常說「敏捷」，結果變成「沒有文件」的藉口。AI-DLC Sprint 讓我體會到，清晰的規格不是束縛，而是效率的保證。

當你有清楚的 AC，AI 就能：

• 生成精準的測試案例
• 產生符合需求的程式碼
• 自動判斷部署策略
• 分析用戶行為是否符合預期

規格不是官僚，是溝通的語言。當人類和 AI 都理解同一份規格，協作就變得無比順暢。

第三個洞察：從瀑布回歸瀑布？

這可能有點爭議，但 AI-DLC Sprint 讓我重新思考敏捷開發。

傳統瀑布模型的問題是：需求分析要花 3 個月，等到開發時需求已經變了。但如果需求分析只要 2 天呢？如果設計只要 2 天呢？如果這些工作都有 AI 協助，既快速又完整呢？

AI-DLC Sprint 不是回到瀑布，而是「壓縮的瀑布」或說「快速瀑布」。每個階段都完整但快速，因為有 AI 加速。

文件準備的比例高出寫扣非常多

第四個洞察：獨立開發者的春天

以前，獨立開發者最大的痛苦是什麼都要自己來：

• 要懂需求分析
• 要會 UI/UX 設計
• 要寫前後端程式
• 要處理部署運維
• 還要行銷推廣

現在有了 AI，你不需要樣樣精通，只需要：

• 清楚表達你的想法
• 做關鍵決策
• 把關品質

AI 補足了獨立開發者的短板，讓一個人也能做出專業團隊水準的產品。

踩過的坑與解決方案

當然，這七天並非一帆風順。分享一些踩過的坑：

坑一：AI 的過度設計

問題：Day 3 時，AI 把簡單的 Todo App 設計得像企業級專案管理系統。

解決：明確告訴 AI 產品定位和設計原則。「簡單」不是空話，要具體定義什麼該有、什麼不該有。

坑二：Context 爆炸

問題：Day 6 時，累積的文件太多，AI 開始混亂。

解決：分層管理上下文。每個階段只給 AI 相關的文件，用摘要取代完整內容。

可以善用壓縮的功能，壓縮 AI Agent 的 context

意外的收穫

文件成為資產

以前最討厭寫文件，現在文件成為最寶貴的資產。因為：

• 文件是 AI 理解專案的基礎
• 文件讓新功能開發更容易
• 文件讓維護變得簡單
• 文件甚至可以自動生成教學內容

思考方式的改變

從「如何實作」變成「如何描述」。以前想新功能，第一反應是怎麼寫程式。現在是怎麼寫清楚需求，讓 AI 去思考實作。

這釋放了創造力。我可以更大膽地嘗試新想法，因為驗證成本變低了。

品質的提升

AI 不會偷懶，不會忘記測試，不會漏掉邊界條件。每個功能都有完整的測試，每個決策都有文件記錄。

產品品質不再依賴開發者的心情和狀態，而是有系統的保證。

給想嘗試 AI-DLC Sprint 的建議

1. 心態調整

不要把 AI 當成程式碼生成器，要當成團隊成員。你是產品經理、架構師、品質把關者，AI 是分析師、設計師、工程師。

2. 投資在前期

不要急著寫程式。花時間在需求分析、領域建模、故事拆解上。這些投資會在後面十倍回報。

3. 保持簡單

AI 傾向於過度設計。不斷提醒它（和你自己）保持簡單。MVP 真的只要 Minimum。

4. 迭代思維

第一次可能不完美，沒關係。AI-DLC Sprint 可以快速迭代。這次 9 天做 MVP，下次 5 天做 2.0。

5. 享受過程

這是最重要的。當你不用糾結在技術細節，可以專注在產品價值時，開發變得有趣多了。

MenuBar Todo 的未來

完成 MVP 不是結束，而是開始。基於這七天建立的基礎，未來的開發會更快：

v1.1（預計 3 天）

• 任務提醒功能
• 快捷鍵自定義
• 數據同步

v1.2（預計 3 天）

• 團隊協作功能
• 標籤系統
• 時間追蹤

v2.0（預計 5 天）

• AI 智慧排程
• 自然語言處理
• 跨平台同步

每個版本都會用 AI-DLC Sprint，但會更快，因為基礎已經打好了。

結語：這只是開始

七天前，我只是想要一個簡單的 Todo 工具。七天後，我不只有了工具，更學會了一套全新的開發方法。

AI-DLC Sprint 不是銀彈，不能解決所有問題。但它確實改變了遊戲規則。它讓：

• 想法到產品的距離變短了
• 個人開發者的能力邊界擴大了
• 軟體開發的門檻降低了
• 創造的樂趣回來了

最重要的是，它讓我相信：在 AI 時代，每個人都可以把想法變成現實。你需要的不是十年程式經驗，不是資工學位，不是創投資金。你只需要清晰的想法、系統的方法，以及一個 AI 夥伴。

MenuBar Todo 證明了這一點。下一個，會是什麼呢？

menubar-todo

Github: menubar-todo