我想處理的問題不是「生成式 AI 能不能寫程式」,而是更貼近日常工作的幾個問題:需求還很模糊時,怎麼請 ChatGPT 協助釐清?面對一個真實的程式碼庫,怎麼把任務交給 Codex 執行?AI 改過的程式碼要如何測試、審查與追蹤?當使用方式從個人實驗擴大到團隊流程,又該如何管理權限、成本與風險?
這 30 天會從基本心智模型出發,逐步走過需求分析、系統設計、程式開發、測試、除錯、文件維護、Git 協作與團隊治理。我會用實際或改編自實務的開發情境,記錄有效的方法,也保留失敗、誤判與需要人工把關的部分。
在軟體開發時常聽到一個鬼故事「XXX 功能好像怪怪的,你可以幫我看一下嗎?」,這時候心裡 OS:「啥怪怪的我弄很正常啊?」接下來開始要使用第二技能「通靈」來確...
Day 01 用「功能好像怪怪的」帶出開發上的問題,今天我把這個案例繼續拆開。若立刻調整程式,可能會需要花時間確認問題甚至改錯,但若只請 ChatGPT 提供...
Day 02 談完 ChatGPT 與 Codex 的分工後,但「選對工具」只解決一半問題,操作介面選錯一樣會卡手。今天的案例是要修正 Java 購物車缺陷時...
業務團隊送來一份與客戶成功談成的「v0.初版待釐清」需求文件,主旨是「資料工作區空間」。附件只有一段業務端原話:「客戶可透過自行爬文資料,或是將企業內部資料託...
Day 04 我把「資料工作區空間」這份初版需求的未知攤開,圈出「資料」「選取」「定時匯入」與「編輯」四個名詞,卻找不到能估算工時或驗收的邊界。若直接拆成開發...
Day 05 第二輪加入兩個會影響架構的示範條件:每日約 1 TB,資料來源速率約 12 MB/s。若兩者都以十進位計算,而且 12 MB/s 是可持續的端到...
Day 06 的匯入端點會建立非同步任務,回傳 jobId(任務識別碼)與 PENDING。我繼續往前端流程走,才發現後半段還是空白:要去哪裡查任務?除了等待...