iT邦幫忙

2025 iThome 鐵人賽

DAY 29
2
生成式 AI

AI-Driven Development - 個人開發者的敏捷實踐系列 第 29

Day 29 - AI 開發體系的全景圖:從工具到思維的完整進化

  • 分享至 

  • xImage
  •  

經過 28 天的探索,從最初質疑「為什麼敏捷沒有解決根本問題」,到建立 AI-DLC Sprint 框架,再到各種實戰工具的深度應用,我們一起走過了一段精彩的旅程。

今天,讓我們站在更高的視角,看看這 28 天我們到底建立了什麼。

28 天的旅程:三個關鍵轉變

回頭看這段旅程,最大的收穫不是學會了多少工具,而是經歷了三個根本性的轉變。

轉變一:從流程優化到範式轉移

還記得 Day 2 提到的嗎?傳統的敏捷開發一直在「優化馬車」,而 AI-Driven Development 是在「發明汽車」。

以前的我們:

  • 開更多會來解決溝通問題
  • 寫更多文件來傳承知識
  • 加更多人來加速開發
  • 熬更多夜來提升產出

現在的我們:

  • 讓 AI 成為溝通的橋樑
  • CLAUDE.md, AGENTS.md 等等 AI Memory 建立活的知識體系
  • 一個人 + AI = 一個團隊
  • 30 分鐘完成以前 3 天的工作

這不是效率提升 200%,是效率提升 1000%。更重要的是,我們終於可以把時間花在真正有價值的事情上。

轉變二:從使用工具到建立體系

剛開始時,我們興奮地嘗試各種 AI 工具:Claudable、Claude Code、Cursor、Windsurf...

但我們開始會去理解這些工具背後的邏輯:
工具的演進路徑:

  • Claudable:適合快速 MVP,但靈活性有限
  • Claude Code:平衡了自動化與控制
  • Cursor:給了我們更多的自主權
  • Windsurf:極致的開發體驗

每個工具都有它的定位,關鍵是知道什麼時候用什麼。就像 Day 7 的習慣追蹤器用 Claudable 最合適,但複雜的系統架構還是需要 Claude Code 的彈性。

更進一步,我們建立了完整的工具體系:

核心開發層:

  • 程式碼生成(AI Pair Programming)
  • 測試策略(AI Test 五步法)
  • 品質控制(AI Code Review)

協作增強層:

  • MCP 生態(Context7、n8n、Notion)
  • 設計協作(Figma + AI)
  • 知識管理(Obsidian + AI)

效率加速層:

  • Git 整合(AI Commit)
  • 部署自動化(Vercel + AI)

這不再是散落的工具,而是一個完整的開發生態系統。

轉變三:從個人能力到系統思維

最深刻的轉變是思維模式的改變。

傳統的個人能力思維:
「我要學會 React」「我要精通演算法」「我要成為全端工程師」

AI 時代的系統思維:
「我要建立一個能持續學習的系統」「我要設計可複用的知識架構」「我要創造能自我進化的流程」

這就是為什麼筆者在 Day 27 特別強調建立個人知識庫的重要性。每一個 Prompt、每一個解決方案、每一個專案經驗,都不是一次性的消耗,而是系統的養分。

AI-DLC Sprint:從理論到實踐的完整閉環

經過 28 天的打磨,AI-DLC Sprint 已經從一個概念成長為完整的方法論。

框架的三種變形

還記得 Day 4 提到的三種變形嗎?

Solo Sprint(個人衝刺):
最讓我驚喜的發現。原來一個人真的可以在 48 小時內完成一個完整的產品。關鍵在於:

  • 零溝通成本
  • AI 全程陪伴
  • 極簡思維
  • 立即部署

我已經用 Solo Sprint 完成了超過 10 個小專案,每一次都有新的體會。
Team Sprint(小隊協作):
3-5 人的黃金組合。不是每個人都要會所有技術,而是:

  • 後端專注架構,AI 補足資安
  • 前端專注體驗,AI 產出設計
  • PM 專注需求,AI 生成文件

這種互補式的協作,效率驚人。

Scale Sprint(規模作戰):

大團隊最需要的不是更多流程,而是更智能的協調。AI 在這裡扮演了三個關鍵角色:

  • 知識管理中心
  • 品質守門員
  • 溝通潤滑劑

五大核心環節的 AI 賦能

從 Day 18 開始,我們深入探討了 AI-DLC Sprint 的五大環節:

  1. PRD 撰寫:讓 AI 來問你問題,而不是你寫文件
  2. User Story 拆解:INVEST 原則的智能化應用
  3. 設計生成:從文字描述到視覺呈現
  4. 測試策略:AC 的自動生成與完善
  5. 開發實作:TDD/BDD 的 AI 協作模式

每個環節都不是獨立的,而是環環相扣。PRD 的品質決定了 Story 的清晰度,Story 的完整性影響了測試的覆蓋率,測試的嚴謹性保證了開發的品質。

Prompt Engineering:從技巧到藝術

如果說 AI 是引擎,那 Prompt 就是方向盤。這 28 天最大的技能提升,就是 Prompt Engineering。

三個層次的進化

初級:給 AI 下命令

幫我寫一個登入功能

中級:給 AI 完整上下文

專案背景:電商系統
技術棧:Next.js + PostgreSQL  
需求:實現 JWT 登入,包含記住我功能

高級:讓 AI 主導對話

你是資深架構師,請分析我的需求並提出方案
這是我的初步想法:[...]
請指出潛在問題並建議改進

最大的領悟是:不要告訴 AI 怎麼做,告訴 AI 你要什麼

Chain of Thought 的實戰應用

Day 11 介紹的 Chain of Thought,現在已經成為我的日常。不是一次要求 AI 做完所有事,而是像指揮管弦樂團:

  • PM Chain:需求分析 → 用戶故事 → 驗收條件
  • Developer Chain:架構設計 → 程式碼實作 → 測試撰寫
  • Designer Chain:Wireframe → UI 設計 → Design System

每個 Chain 都有自己的節奏,關鍵是找到最適合的串接方式。

品質革命:AI 不是降低標準,而是提升標準

很多人擔心 AI 會降低程式碼品質,但我的經驗完全相反。

AI Test 的三重保障

Day 14 的測試策略,徹底改變了我對測試的看法:

第一重:完整性
AI 會想到你想不到的 Edge Case。記得那個登入功能嗎?AI 提醒我要測試:

  • 系統時間與伺服器時間不同步
  • 瀏覽器密碼自動填充後立即提交
  • 不同標籤頁同時登入不同帳號

這些都是我自己很難想到的。

第二重:一致性
每個測試案例都遵循相同的結構,每個 AC 都有明確的驗證點。不會因為趕時間就隨便寫寫。

第三重:可維護性

AI 生成的測試自帶文件屬性,Given-When-Then 的格式讓任何人都能理解測試在做什麼。

Code Review 的新標準

Day 16 提到的 AI Code Review,不只是找 bug,更是:

  • 架構合理性評估
  • 效能瓶頸預警
  • 安全漏洞掃描
  • 可維護性分析

最重要的是,AI 不會因為人情世故而放水,該改就是該改。

踩坑指南:那些血淚換來的經驗

Day 26 分享了七個反模式,現在回想起來,每個坑都踩得很值得。

最深的坑:Context 肥胖症
一開始總想把所有資訊都給 AI,結果它反而迷失了。現在我學會了「最小必要資訊」原則。

最痛的領悟:AI 不是萬能的
Critical thinking 永遠是最重要的。AI 可以加速執行,但方向還是要你來決定。

最大的收穫:與 AI 協作,而不是使用 AI
這個心態轉變太重要了。當你把 AI 當成夥伴而不是工具,整個協作品質完全不同。

四個專案的技術精華

如果你想看具體的實戰,可以去看筆者的另一個系列「AI-Driven Development 實戰篇」,那裡詳細記錄了四個專案的開發過程:

  1. MenuBar Todo App:Electron 開發的最佳實踐(剛完成)
  2. 心情日記 Mobile App:智慧記帳 Web App(進行中)
  3. 心情日記 App:React Native 跨平台開發(未開始)
  4. 投資儀表板:即將開始的金融數據處理(未開始)

每個專案都是 AI-DLC Sprint 的實踐案例,有興趣的讀者可以對照著看。

個人知識體系:從散亂到系統

Day 27 講的知識庫建立,我想再強調一次它的重要性。

我的知識庫結構

📁 AI-Development-System/
├── 📁 Prompts/
│   ├── 需求分析/
│   ├── 架構設計/
│   ├── 程式碼生成/
│   ├── 測試策略/
│   └── Debug技巧/
├── 📁 Projects/
│   ├── 專案模板/
│   ├── 架構範例/
│   └── 部署配置/
├── 📁 Problems/
│   ├── 錯誤解決/
│   ├── 效能優化/
│   └── 相容性處理/
└── 📁 Learning/
    ├── 新工具評估/
    ├── 最佳實踐/
    └── 社群分享/

每個資料夾都是活的,每天都在成長。這種累積的複利效應,遠超過你的想像。

下一步:從學習到創造

明天是第 30 天,但這不是結束,而是新的開始。

給自己的三個問題:

  1. 掌握了這麼多工具和方法,你想創造什麼?
  2. 如果效率提升 10 倍,你會用多出來的時間做什麼?
  3. 在 AI 時代,什麼是只有你能提供的價值?

給讀者的三個建議:

  1. 不要等到準備好才開始,現在就開始一個 48 小時 Solo Sprint
  2. 建立自己的知識庫,從今天的學習開始記錄
  3. 找到志同道合的夥伴,一起探索 AI 開發的可能性

結語

28 天前,我還在抱怨 Scrum 的各種問題。現在,我已經用 AI-DLC Sprint 完成了多個專案,效率提升了不只 10 倍。

但最大的改變不是效率,而是心態。從「這個很難實現」變成「讓我想想怎麼讓 AI 幫我」。從「我不會這個技術」變成「給我 30 分鐘學會」。從「這個專案要一個月」變成「這週末搞定」。

這種可能性的擴展,才是 AI 時代最大的禮物。


上一篇
Day 28 - 建立你的 AI 開發工具鏈生態系統:從散裝工具到整合系統
下一篇
Day 30 - 鐵人賽完賽:從一個人的實驗到工作實踐的 AI 開發之路
系列文
AI-Driven Development - 個人開發者的敏捷實踐30
圖片
  熱門推薦
圖片
{{ item.channelVendor }} | {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言