【Day 28】錯的到底是我！還是這個世界！！！（？）

▲ 圖 1：我們要多溝通才⋯⋯不是這種啦！！！！！！（Midjourney 示意圖）

雖然口氣這麼大，
但去到最後這幾天我才發現
出大事了！
鐵人賽 vibe coding 的文章內容
還要處理驗收 AI 產出，
快速迭代中維持程式碼品質的問題！
這個麻煩就大了，
因為我沒有說過怎樣與 AI 溝通改代碼這件事，
儘管有介紹過如何根據已有 GitHub 專案建立及修改新的專案，
但是自己過程當中所有失敗的經驗都沒有說，
就變成這個內容比較少呢～

人還是會經常犯錯的：從兩篇異常的瀏覽量談起

▲ 圖 2：看文章瀏覽量，咦！居然是有兩篇閱讀量這麼異常嗎！

人還是會經常犯錯的，就好像最近在調查自己哪一篇文章閱讀瀏覽數量最多的時候，發現有兩篇文章異常暴衝：

1. 一篇是談及 AI 虛擬伴侶（Day 4）
2. 另一篇則是談及 RAG 向量檢索與文學宇宙（Day 11）

談及 AI 虛擬伴侶的我還是比較有信心，另一篇是談及 RAG，因為發現一旦人多起來那麼我說的東西便不能那麼模棱兩可或者提供錯誤的資訊，當然啦後來是發現那篇文章我應該有很多地方都寫錯了，儘管我自己認為 Embedding 模型應該是能夠影響大型語言模型裏面的運算，但後來發現 RAG 其實主要做的是檢索完條目直接塞進 prompt 裏面影響產出，不一定會影響向量空間的部份，但是原來深度糅合 RAG 是真的會做這件事情，所以其實也說對了一半，只是我們用的技術不一定會用到這個。

▲ 圖 3：Perplexity 只是用了 6 秒就發現文章有問題了，但多番查證，其實我也說對了一半～

所以人工智能要模仿人的智慧的話，那麼 AI 犯錯也是一件很經常會出現的事情，我們在 vibe coding 的過程當中也會經常覺得，AI 最後產出的結果不如理想，或者並不是我們想做出來的效果，其實非常簡單，溝通就可以了！

誰對誰錯？Vibe Coding 中人機溝通的兩種不同情況

以下是兩種不同的情況：

• 情況一：我們預期中有一個認為對的效果，用 prompt 寫出來，AI 在產出過程當中會運算到另外一種做法會比較貼合我們的效果，最後產出了一個成果，儘管那並不是我們想要的。
• 情況二：我們通常下達一個錯的指令，但 AI 運算過後會認為我們似乎想要得到的成果更加傾向於他們曾經學習過網絡上某個挺適合完成這項任務的某個產出形式，儘管產出來的東西與提示詞不同，但卻似乎是我們能夠拿得出手的東西。

從這個例子會發現其實 AI 都在產出一些跟我們 prompt 截然不同的東西，一個是我們下對了 prompt，產出不是我們要的，一個是我們下錯了 prompt，迷迷糊糊剷出了一個我們可以用的，但現在的 AI 技術似乎都已經能夠產出一個肯定可以用的，只是是否合乎我們期待的產出。

像極了要跟人做價值溝通，有人說當指令或者溝通詳細，目標明確，格式明確的話，兩人之間的工作便能夠產生共識。

建立共識與人機磨合：究竟錯的是誰？

與 AI 人機協作的過程中，我們也經常遇到一種情況是儘管我的需求多麼的不合理，儘管我的想法多麼的錯誤，AI 也有機會說出我的想法是不正確的，或者會推測我的意圖用它所知道的形式幫我完成我表達不清晰的工作內容。

可能不是 AI 錯了，可能是我錯了，可能是 AI 錯了，實際上我並沒有錯。

唯有溝通能夠讓我們達成共識，一起產出工作的成果。

當然啦！如果要說人機協作的各種形式，或者說所謂的與 AI「溝通」的各種模式，其實也有在於我們去了解我們 vibe coding 的各種方法，我們可以透過文字、語音、圖片、程式代碼、（聽說還有螢幕監察，但我還沒有用過）來跟 AI 進行交流互動。

人類開始懂得如何溝通：你該不會是沒有溝通能力的雜魚吧！（？）

當交流互動，或者說溝通得多的時候，重點的不是 AI 如何逐漸的認識如何跟你這個麻煩的人類溝通，因為這就涉及記憶的能力了，也跟上下文記憶能力有關，這個花錢、技術或者硬體會比較好解決，但是重點是！我們人類開始懂得如何跟 AI 快速的進行溝通，之前要溝通三四次才成功的，現在可能一次就可以了，之前可能要花很長時間才想到 prompt 及規劃這次要做的事情，現在可能兩三分鐘就想到了 vibe coding 工具跟 AI 能夠幫我做什麼事情了。

如此一來產能就提高了！像極了有進行過中文寫作訓練的人隨隨便便就想到兩三千字的文章要如何寫，如何優化自己 vibe coding 快速修改跟迭代的能力，多進行一些溝通的訓練吧！對人也好，對 AI 也好，你該不會是一個沒有溝通能力的雜魚吧！（？）

📌 本篇重點整理