前幾天，我把 Planning、Task Decomposition、Coding、Testing、Code Review 與 Self-Check 串成了一套完整的 AI 開發工作流。

但我開始思考一個問題：

如果我不再一步一步告訴 AI 該做什麼，只給它一個明確的目標，它能不能自己完成整個任務？

所以今天，我想做一次完整的實戰測試。

這次我不打算把任務拆好，再逐步告訴 Claude Code 要修改哪個檔案，而是先提供需求、限制與完成條件，讓它自行分析並規劃。

例如，我可以使用之前的 Flask 專案，要求它檢查文章 API，找出目前的問題，並提出改善方案。

我會先設定幾個原則：

• 修改前先分析專案，不要直接動手。
• 先提出實作計畫，確認修改範圍。
• 實作後必須執行相關 Test。
• 如果測試失敗，要分析原因並修正，而不是忽略錯誤。
• 完成後執行 Code Review 與 Self-Check。
• 涉及資料刪除、權限變更等高風險操作時，必須先詢問我。

接著，我會把這些要求交給 Claude Code：

請根據目前專案的架構，
完成指定的開發任務。

請自行分析需求、規劃實作步驟、
拆解任務並執行。

實作完成後，請執行相關 Test，
如果失敗，請分析原因並修正。

最後請進行 Code Review 與 Self-Check，
確認需求是否完成、測試結果、
修改的檔案，以及仍然存在的問題。

如果遇到高風險操作，
請先提出計畫並等待我的確認。

這次我想觀察的，不只是 Claude Code 能不能寫出可以執行的 Code，而是它能不能在過程中自行判斷下一步該做什麼，並且在遇到問題時找到原因、驗證修正結果。

當然，讓 AI 自主執行，不代表人類就不需要檢查。

即使所有 Test 都通過，也可能存在測試沒有涵蓋的情況。因此，最後仍然需要確認實際修改內容與需求是否一致。

對我來說，這次實驗真正想驗證的是：過去需要我逐步下指令的工作，能不能逐漸變成由 AI 自行規劃、執行與驗證，而我只需要負責定義目標、設定限制，以及做出重要決策。

下一篇，就是這 30 天學習紀錄的最後一天。我想回頭整理這段時間的改變，看看自己究竟建立了什麼樣的 AI 開發工作流。