原文：Vibe Architects: Agentic Vibe Coders

Vibe Architects 是描述的是一群沒有工程背景的人，靠著 AI，一步一步替自己甚至整個團隊打造工作流程、自動化系統，甚至讓多個 AI Agent 互相合作完成任務。

重點整理

以前大家常說「Vibe Coding」，意思是不一定很懂程式，但可以一邊跟 AI 對話、一邊把東西做出來。而現在，這件事情又往前走了一步。

很多人已經不只是叫 AI 寫程式，而是開始設計整個工作流程。例如讓不同 AI Agent 分工合作、串接自動化工具、建立團隊知識庫，甚至把會議、決策流程都搬進 AI 裡面。

有趣的是，研究裡的受訪者幾乎都不是工程師。

有人是營運，有人是產品設計師，也有人是新創創辦人，甚至有產品主管直接把整個團隊的工作流程建立在 Claude 上。但更有趣的是，他們其實不知道自己到底是怎麼做到的。

他們沒有完整理解 AI 底層怎麼運作，也不一定懂 Token、Context Window 或 Agent Architecture。

他們累積的是另一種能力。就是一直試、一直改、一直踩坑之後，慢慢培養出一種直覺。今天這樣做好像比較有效、那個 Workflow 好像比較穩、這個工具跟另一個工具比較適合串在一起……

很多判斷，都不是來自理論，而是大量實驗累積出來的感覺。不過，這種「感覺」不一定都是對的。

研究裡就有一位使用者，每次聊天紀錄變長，就會開一個新的 Claude Chat，再把前面的整段對話全部貼進去。因為他一直以為這樣可以節省 Token。但實際上，把整段內容重新貼進 Prompt，一樣會消耗 Token，所以這個習慣並沒有比較省。這也是文章一直強調的一件事。

Vibe Architects 建立的是 直覺（intuition），不是完整的理解（understanding）。有些直覺很有效，有些只是剛好成功。

另一個讓我印象很深的是，這些人幾乎都提到同一個問題：系統很容易慢慢壞掉。

今天串好的 Workflow，過幾個星期就開始失效；Agent 的 Context 開始偏掉；不同工具之間的資料不同步；原本很好用的流程，又得重新整理一次。

有人直接形容：「系統大概維持幾個星期就開始衰退了。」另一位則說，他最花時間的事情，就是一直處理這種 Drift（漂移）。也就是說，AI 幫你省下很多時間，但新的維護成本又慢慢跑了出來。

文章也觀察到另一個現象。很多人現在已經不太研究 Prompt 怎麼寫。大型模型理解自然語言的能力越來越強，所以不少受訪者直接想到什麼就說什麼，甚至用語音把腦中的想法全部講出來。

真正需要思考的，反而變成另外一件事：**我要選哪些工具？怎麼串？Agent 怎麼分工？哪些事情交給 AI？哪些事情自己確認？**也就是說，「Prompt Engineering」慢慢變成了「System Engineering」。

另外，我原本以為大家都是跟 Claude 學怎麼使用 Claude。結果完全相反。研究裡七位受訪者，沒有一個人把產品本身當成主要學習來源。

真正教會他們的，反而是 Reddit、YouTube、Twitter、Slack 社群，以及其他已經玩得很深的人。

他們每天都在看別人分享的新玩法，再回來自己試。所以，他們學到的不是一套標準流程，而是一種不斷實驗、不斷修正的工作方式。

最後作者說，投入再多時間之後，大家並沒有「越來越懂 AI」。相反地，他們越來越知道自己其實還有很多不了解的地方。

他們知道哪些地方容易出錯，也知道大概怎麼調整比較容易成功，但如果真的要他們重新把整套系統從零打造一次，他們未必說得清楚。

這種感覺很像在濃霧裡走路。偶爾會看清楚前面一小段路，但遠方還是霧濛濛的。更麻煩的是，AI 幾乎每隔幾個星期就更新一次模型，原本熟悉的路又重新變了。所以真正累積下來的，不是完整知識，而是一種越來越敏銳的直覺。

我的延伸思考

看完這篇，我開始思考，如果越來越多人都會建立自己的 AI Workflow，那 UX 應該如何設計產品，才能降低這種「靠感覺摸索」的成本？

現在大家幾乎都是靠 Reddit、YouTube 或朋友分享學習，而不是產品本身。如果一個 AI 工具需要花上幾百個小時，才能慢慢摸出最佳使用方式，那真正的問題可能不是模型能力，而是產品還沒有把知識設計進介面。好的 UX，應該讓使用者少走一點冤枉路，而不是只能靠社群口耳相傳。

另一個讓我想到的是 PM 該怎麼衡量 AI 功能是否成功。

現在很多產品都強調功能越來越強，但這篇研究提醒我們，真正的成本可能發生在幾週之後。Workflow 有沒有開始 Drift？使用者是不是一直回頭修 Prompt、重新整理 Context、重建流程？如果沒有把這些「維護成本」一起納入評估，很可能誤以為 AI 幫大家提升了效率，實際上只是把工作換了一種形式。

最後，我也想到一個產品策略上的問題。文章中的 Vibe Architects 願意投入大量時間研究 AI，所以他們最後都做出了很厲害的系統。但如果 AI 要真正走向一般使用者，大部分人不可能每天花四、五個小時研究新工具，也不會天天逛 Reddit。真正決定產品能不能普及的，也許不是模型能力，而是能不能把這條漫長的學習曲線縮短，讓第一次使用的人，也能快速做出有價值的成果。