在這個專案開始的第一天
我即說明了這個專案的建造過程
純粹全靠Claude來進行
透過Vibe coding的方式，
確實完成了一套產值評估工具的基礎
今天算是來講述一下整套工具的建制基礎
其中需要整合那些?

一、整套工具運用到的資訊盤點

整個工具建置過程中，需要有
10 個評估模型（產業 5＋企業 5）、5 個靜態資料檔＋1 張產業地圖（19 節點 22 連線）、48+ 個測試斷言（35+ 單元＋13 整合，npm run test:models 一鍵全跑）、關聯係數推導與官方核驗誤差 0.000%、執行期 API 成本**$0**。

這些都是在這整個工具建置過程中
運用上的
當然不能說是完全沒有基礎的狀況下所建置
而是在心中有答案時，才能夠逐一檢視之
而我想這也是對於Vibe coding者來說，最需要優先有的知識

二、心得

1. 熟哪套AI，你就用什麼~
   一開始在工具選擇的過程中，其實有很多工具可以選擇，包含常見的codex、chatgpt等，
   那為什麼要選擇使用claude呢?
   我覺得原理很簡單
   就是對於一個工具的掌握程度與習慣
   這才是最關鍵的

對於在執行這個專案來說
我需要的就是能夠快速且不用太過傷腦的情況
不然其實舉凡透過 Gemini、gpt等都能做到
那為什麼會選擇Claude
最重要的在於Claude AI 可以一個工具完成全棧式的規劃與製作
且可以將每一個工作包逐一檢視並完全展開
這也是為什麼多數Vibe coding專家常見的招數
基本上很多國外vibe coding專家
係應用了claude 來規劃 結合 Codex來撰寫程式
那不同之處在於
因為今天我要參加這場比賽
會有限制問題
這就像我們在公司執行專案時，有很多限制
那這就是為什麼我會選擇使用Claude
因為在有限制條件中，
Claude是最能快速滿足我的需求的

2. AI工具的智商問題
   嚴格講起來，為什麼我已開始就選用 Fable 5來作為我要進行這個專案的基礎
   因為他在當時是剛出現，且被多數專家公認是最優質的模型
   當然歷經了一個月，有有許多新模型出現
   但不免俗的要褒獎一下
   Fable 5在最一開始的表現
   真的是超出我的預期
   雖然後續會發現有被調降智商
   但相對於其他幾套常見的GenAI來說
   是有絕對優勢存在的
   舉凡我這套工具在建置過程中所需要用到的，包含關鍵字庫、解讀模板、靜態資料等，
   全是 Claude 在開發期蒸餾的知識
   且我在執行期間，最核心的純查表計算，零成本方法，皆有效重現之
   我認為這是 Fable 5為我帶來最有價值的體驗

當然在這邊不免俗的要炮一下~
燒token建系統建平台
在這個世代誰不會?
只要有心都有辦法做~

幾十萬幾百萬的~都有人在花
更何況經常性可以在某些社群看到，
一些燒幾千塊，就會說完成了一個優質且超乎想像的大系統的
在抨擊有深厚經驗的程式設計師
當然我並非真正的程式設計師，但我認同大家術業有專攻的專業
早期大家一步一步刻出來的
才是真正的基本功

所以千萬不要覺得花點小錢完成的系統或程式
就很偉大

而當然我這個專案
是採用零成本方式建立
我主要就是想要嘗試
在零成本情況下
到底AI可以給我們什麼?
在這一行中
有什麼是不可取代的專業?

我想這才是我寫這個專案的核心論點

三、AI 協作的能與不能

能：

1. 生成八成堪用的程式碼是絕對可以
2. 貼錯誤即除錯也是有辦法的
3. 當 reviewer 挑出人眼疲勞漏看的問題、把領域知識蒸餾成結構化資料這也是絕對可行的

不能：

1. 守住產品範圍（它永遠想把東西做大，砍功能的是人）
2. 替你驗收數字（手算對照、官方核驗、回測，這些工作是沒有捷徑的~）
3. 知道你的環境（PowerShell 的逗號、Vercel 的建置順序，都得你告訴它）

總體來說：
Gen AI工具是很好用的助理，當然也有其限制，而方向盤與煞車則必須根據使用者的使用方式，才會出現差異

四、未來工具應用藍圖

雖然說我這套工具基礎是已經完全建好了
且是放在github上的公開工具
那當然考量公家機關機敏性與用途問題
未來在使用上，如有意願使用者還是要真正重新匯入經濟部產銷等相關產值資料
這樣才會真的有效具現化
此外像是關鍵字庫用爬蟲語料做長尾校驗、Transformers.js 語意判斷、BYOK LLM 完整評估、更多產業地圖、多語言設計等，都還是需要採用者願意怎麼使用
如同前述所言
方向的決定還是在於應用者本身~

五、結語

今天終於完成了三十天的競賽挑戰
雖然過程中並非是沒有採到AI產生的坑
當然有追蹤我文章者
或是有相關經歷使用者
都能一起共同討論的

當然我覺得Vibe coding這件事，在現代早已經是一個趨勢
那做為具備相關多年經歷與相關知識的您
Know how的掌握必須是絕對
當然，如果真的想要學真正的數據鑑識應用，有很多關要過
這是經年累月的經驗談
而像是產業分析的部分，除非你夠熟稔一個產業
不然期時說真的產值評估可以作為分析的一大利器
套句數據分析師常用名言【數據會說話】
無論是小數據或是大數據分析
都會有他一定的價值體現
數據的應用，絕對是超乎你看見的基本價值
當然，相信在職場中，可能會遇到無數種挑戰與撞牆期
但產值評估~絕對是產業分析中的一大利器

謝謝一路追蹤的你~
這個系列證明的不是 AI 有多強，
而是一個知道自己要什麼、並且堅持驗收的人，加上 AI，可以走多遠