歡迎來到 Day 3！前兩天我們確定了 VibeFinance 專案地圖，並組裝好了 Cursor 這個「鋼鐵人裝甲」~ 今天我們要解決每個開發者都踩過的坑：需求不明確、越寫功能擴充越多，最後胎死腹中。

在 Vibe Coding 模式下，AI 最怕的就是「模糊不清的指令」。如果你只跟 AI 說：「幫我做一個記帳 App」，它會憑空揣測，寫出邏輯漏洞百出的程式碼。好的產品經理（PM）是成功開發的一半，而今天你就是要引導 AI 成為你的資深 Prompt PM。

用 AI 拆解 MVP：從「抽象想法」到「User Story」

要把一個概念落地，我們需要將龐大的目標拆解成可被驗證的 User Story（使用者故事），格式通常為：

作為一個 [使用者角色]，我想要 [執行某項功能]，以便於 [獲得某種價值/效益]。

透過這種結構，AI 在後續寫程式碼時才能精準抓到功能邊界與 Accept Criteria（驗收標準）。

🤖 Human vs. AI 實戰示範：需求拆解與防禦性校正

我們試著讓 AI 為 VibeFinance 生成 MVP 階段的需求規格書（PRD）。

1. 我給 AI 的 Prompt

「你現在是資深軟體 PM。我們要開發 VibeFinance 的 MVP（AI 個人財務追蹤器）。請幫我拆解出 3 個最核心的 User Stories，並包含 acceptance criteria（驗收標準）。」

2. AI 產出的結果（節錄）

AI 產出內容如下：

• Story 1：作為使用者，我可以上傳完整的銀行月結單 PDF，讓 AI 解析所有消費並與信用評分連動。
• Story 2：作為使用者，我可以輸入自然語言（如「晚餐 120」），AI 自動解析類別與金額並存入資料庫。
• Story 3：作為使用者，我希望系統能自動連結我的信用卡 API，即時扣款並發送簡訊通知。

3. 工程師的修正與判斷（Debug & Judgment Process）

• 工程師思考：AI 生成的 Story 1（解析 PDF 結單）與 Story 3（信用卡 API 扣款）技術門檻極高且涉及複雜金流資安，絕非 MVP 階段應該做的功能！如果照單全收，光是串接銀行 API 就會讓專案進度直接卡死。

• 給 AI 的反覆引導與防禦：

  「Story 1 與 3 嚴重超出 MVP 範圍。請砍掉所有外部銀行/金流 API 串接。
  請重新調整，聚焦在：

  1. 自然語言記帳（文字輸入 ➔ AI 結構化 JSON ➔ 存檔）
  2. 交易明細列表與刪除（基礎 CRUD）
  3. 每月消費類別統計圖表（基礎數據視覺化）
     重新輸出嚴謹的 Accept Criteria。」

• 修正後的關鍵 User Story（範例）：

  • User Story 1：自然語言記帳
    • Accept Criteria：
      • 使用者輸入「全家咖啡 55 元」後點擊送出。
      • AI 能在 2 秒內回傳結構化資料：{ item: "咖啡", amount: 55, category: "餐飲" }。
      • 若輸入無法解析（如「哈哈哈哈」），系統應顯示友善提示而非報錯崩潰。

今日結語

不要盲目相信 AI 的第一版產品規劃！AI 的本能是「盡可能給出豐富的答案」，這常常導致範疇擴張（Scope Creep）。作為產品架構師，你的工作是用剪刀剪掉不必要的枝節，確保 MVP 簡潔、專注且可落地。