模型最擅長的是模仿人類的語氣與格式,編造細節就像呼吸一樣自然。
最近社群裡爆出一件大事:
有人用 Vibe Coding 在 Google AI Studio 做了一個生圖 App,開放給其他人使用。
介面看似允許使用者輸入自己的 API Key,但實際程式碼卻寫死了作者的 Key,結果所有請求都走作者的帳號 → API 花費一口氣暴衝到 一萬多元。
最後作者在文章裡大罵 Google,說這是平台的問題。
問題點在哪?
👉 程式錯了不是大事,但把責任推給 Google 就很奇怪。
Google 並沒有逼你把 Key 寫死在程式裡,這是開發者應該具備的基本程式邏輯。
更諷刺的是,這位作者還以「講師」身分在開課,教人怎麼用 AI 寫程式。
如果連程式碼結構都看不懂,那要怎麼 debug?
很多人誤以為 Vibe Coding 就是:
「丟一個需求 → AI 生成完整程式 → 直接丟到正式環境跑」
事實上,這樣的作法完全錯誤,因為:
真正正確的做法應該是:
如果跳過這些步驟,那就只是「賭 AI 不會出錯」,而不是工程。
我一開始用 Vibe Coding 的時候,也犯過一樣的錯。
以為 AI 很厲害,結果它寫出來的程式 bug 一堆,我 debug 到快崩潰。
有一次在協助 成功大學數位證書平台,需要寫一個自動化 PDF 改名程式,結果它生成的 Python 腳本在處理中文檔名時狂出錯,字元編碼錯誤一大堆,檔案還會被覆蓋掉。最後還是我手動一行一行修正,才真正能穩定運作。
另外我在做 Raspberry Pi 機房監控時,AI 幫我生了一個 Linebot Alert 程式。程式看起來很完整,但執行後才發現排程邏輯寫錯。
還有一次,我寫了一個用 nc -zv 探測主機 port 狀態,再發送 Email Alert 的腳本最後我加上 timeout 檢查 + 發信頻率限制,才讓它不會亂炸警報。
這些過程說穿了,就是把「人類工程師該負的責任」放回來,而不是完全丟給 AI。
即使這次主題是呼叫ollama來解決工作很多的問題,但如果你連程式碼都看不懂,就把 AI 產生的程式碼直接丟到公司正式環境,這樣就有點危險了
真正的工程師優勢,不在於「能不能寫出程式碼」,而在於 能不能理解程式碼背後的邏輯,並負責 debug 與維護。