市面上談 Claude,多在講它能幫你做什麼。這系列想談的是:在一個有歷史包袱、有合規壓力、不容出錯的公部門專案裡,人跟 Claude 怎麼分工,才能讓 1+1 > 2。30 天全是第一手實戰——不是事後心得,是 AI 當場犯錯、被真實工具打臉、再一步步校正的現場:連錯四次的浮水印、長出兩千多層資料夾的設定意外、看似正確卻會壓垮資料庫的並行寫法,還有弱掃、GCB、稽核軌跡這些少有人從開發者視角寫的合規實戰。貫穿全系列只有一句:AI 負責生出答案,人負責讓它可信。AI 只會越來越強,但正因如此,人怎麼駕馭它只會越來越重要。若這 30 天能讓你多問一句「你這是查過的,還是猜的?」,就值得了。
Day 1:AI 負責答,我負責讓答案可信——一個公部門工程師的協作紀律 一個關於 NULL 的下午 先說一件小事。 某次我在處理一個從 Sequelize 4...
Day 2:逼 AI 驗證,而不是接受它的記憶 昨天結尾我說,那個 = NULL 的真相是「逼 AI 把原始碼攤開來看」才得出的。今天把整個過程完整拆開——因為...
Day 03:一個正確的建議,如何變成壓垮資料庫的一擊 昨天講的是「AI 會給你猜測」。今天講一個更難防的狀況:AI 給的建議完全正確,但它沒告訴你,這個正確在...
Day 04:我只想存個中文備註,最後差點蓋出一套帳號管理系統 前三天談的都是「AI 給的答案對不對」。今天換一個更難察覺的問題——AI 給的每個答案都對,但它...
Day 05:先把工具搞清楚——Claude 生態的名詞地圖,與我的實際分工 前幾天都在講「怎麼跟 AI 協作」,但有個更前面的問題該先解決:Claude 這一...
Day 06:能力不是裝越多越好——token 有成本,「候選池」也有 昨天結尾我說,「裝上所有能力」反而會拖累 AI。今天講清楚為什麼。這件事牽涉一個很多人沒...