Vibe Coding 能跑不等於能交付

很多人第一次聽到 Vibe Coding 會直覺以為這就是「叫 AI 幫我寫程式」，這個理解不能說錯，但它只說中了最表層的一小部分。AI 的確可以幫你寫出第一版程式，也的確可以讓一個原本完全不會寫程式的人，在很短的時間內做出一個看起來能跑的小工具。問題是，能跑，不等於能交付。我懶，教這個我會白頭髮，所以有需要的人自己在 Line 輸入 Vibe 自動下載吧！

尤其到了現在，AI 工具已經不是兩年前那種「你貼一段程式碼，我幫你改一段」的聊天助手，Claude Code、Cowork、Codex、Gemini CLI，以及各種 AI IDE，已經開始具備讀專案、看檔案、搜尋程式碼、修改檔案、執行 terminal 指令、跑測試、看錯誤訊息、再修一次的能力。

換句話說，AI 不只是會寫程式，它已經開始進入你的工作現場，也正因為這樣，Vibe Coder 需要學的東西，不是變少，而是變得更精準。

以前你要學程式，是因為你必須自己寫。

現在你不一定要自己寫每一行，但你要知道怎麼讓 AI 工作、怎麼限制 AI 的工作範圍、怎麼判斷它改得對不對、怎麼在它改壞的時候救回來、怎麼確認成果可以交付。

這套《Vibe Coder 全技能導覽》的設計邏輯，就是從這個現實出發。

別期望讀完講義之後就能成為工程師，這套近 400 頁的講義我希望是在 AI 已經能大量協助實作的情況下，教你怎麼把一個想法，變成真的能跑、能上線、能維護、能交付的成果。

這套講義的核心不是「學會寫程式」，而是「學會帶著 AI 完成一個可以負責的專案」。

AI 會寫，不代表你可以不用懂

這是我最想先講清楚的一件事。

很多人一聽到 AI 可以看專案、改檔案、跑指令，第一個反應會是：「那我是不是更不用學技術了？」

我的答案是：你可以不用學得像工程師那麼深，但你不能完全不懂。

因為 AI 越能做事，風險也越大，以前 AI 只生一段程式給你，你看不懂，大不了就是那一段不能用，可是現在 AI 可能一次修改十幾個檔案，新增套件，調整設定，改資料夾結構，甚至順手重構你沒有要求它動的部分。它不是只回答你，它會真的動你的專案。

如果它全都改對，那很好，但如果它為了修一個小 bug，把原本可以運作的流程改壞了呢？如果它裝了一個你不需要的套件呢？如果它讓測試通過，卻讓產品需求跑偏呢？如果它把安全風險藏在你看不懂的地方呢？

這時候，責任不會因為是 AI 寫的就自動消失。所以 Vibe Coder 的核心能力，已經不是「我能不能從零寫出每一行程式」，而是「我能不能管理 AI 的工作」。

你要知道什麼可以交給 AI，什麼要先讓它提出計畫，什麼必須人工確認，什麼不能讓它自行決定。你要知道怎麼給 context，怎麼設定 rules，怎麼做 review，怎麼看錯誤訊息，怎麼用 Git 留退路，怎麼確認它真的完成了需求。

這才是 AI 時代的技術素養。

Stage 0：進場前準備，建立 AI 的工作現場

很多人最不想學的就是基礎，檔案、路徑、終端機、Git、IDE、Rules、Context，聽起來都不像「用 AI 做產品」那麼性感。

但這些東西其實不是多餘的基礎，而是 AI 要進場工作之前，你必須先整理好的現場。

AI 不知道你的檔案放在哪裡，不知道你的終端機目前在哪個資料夾，不知道你的環境裝好了沒，不知道哪些檔案可以改、哪些檔案不能碰，也不知道你的 API Key 應該怎麼管理。

你如果連自己的專案結構都不清楚，AI 一旦開始改檔案，你也很難判斷它到底改了什麼。

所以 Stage 0 會先處理電腦怎麼組織檔案、路徑怎麼判斷、終端機怎麼使用、IDE 怎麼選、Rules 怎麼設定、Context 怎麼餵、Git 怎麼保護你的專案。這些不是為了讓你變成工程師，而是為了讓你有能力跟 AI 安全協作。

你至少要知道自己在哪裡。pwd 是確認現在的位置，ls 是看這裡有什麼，cd 是切換資料夾，mkdir 是建立資料夾。這樣當 AI 跑指令、報錯、找不到檔案時，你就不會完全不知道它在做什麼。

Rules 也不只是語氣設定，而是工作規範，當 AI 可以修改你的專案時，你就要明確告訴它：修改前先說明計畫，不要刪除沒有被要求修改的程式碼，API Key 一律使用環境變數，有不確定的需求先問，不要自行假設，完成後列出修改檔案與測試結果。

Context 也不只是讓 AI 回答得更準，而是讓 AI 不要亂改，你要讓它看到該看的檔案，也要知道不是把整個專案都丟給它就一定比較好。

精準的 context，比大量但混亂的 context 更重要。

Stage 0 的目標，是建立一個可追蹤、可回復、可協作的 AI 工作現場。沒有這一步，後面所有「讓 AI 幫你做」都會變成賭運氣。

Stage 1：讀懂程式，是管理 AI 的第一道防線

課程的 Stage 1 是「讀懂程式」，這一點我不會拿掉，因為它仍然非常重要。

但在現在的 AI 工具環境裡，我會更精準地解釋這件事：讀懂程式，不是要你每一行都自己寫，而是讓你有能力 review AI 的產出。

AI 可以幫你寫，可以幫你改，可以幫你跑測試，但它不知道你的商業情境，也不知道某個看起來可以簡化的欄位，其實是業務流程裡不能刪的東西。

它可能看得懂程式，但不一定看得懂你的產品脈絡，所以你要讀懂的，不是只有語法，而是結構。

這段程式的輸入是什麼？輸出是什麼？資料從哪裡來？送到哪裡去？有沒有處理錯誤？有沒有處理空值？有沒有把敏感資訊寫死？有沒有動到不該動的檔案？有沒有新增你不理解的套件？

你不一定要逐行精讀每一個細節，但你要知道怎麼看 AI 的修改範圍。它改了哪些檔案？為什麼改？有沒有超出任務？測試通過代表什麼？測試沒有涵蓋的地方又是什麼？這就是 Human in the Loop。

人在這裡不是負責所有實作細節，而是負責方向、邊界、判斷與最後決策。

成熟的 Vibe Coding 不是「我不管，AI 自己做」，而是「AI 負責大量執行，人負責設定目標、提供脈絡、審核風險、決定是否採用」。

所以 Stage 1 表面上是讀程式，真正訓練的是 AI 協作裡最重要的能力：你要看得懂到足以負責。

Stage 2：看懂畫面，理解產品

AI 現在很會生畫面，Landing page、Dashboard、表單、登入頁、卡片元件、互動介面，它都可以很快產出。

但畫面生得出來，不代表產品成立。一個頁面很漂亮，不代表使用者知道下一步要做什麼。一個按鈕存在，不代表事件有正確綁定。一個表單送出，不代表資料真的進到後端。一個 Dashboard 看起來完整，不代表資料是對的。

所以 Stage 2 的重點，不只是 HTML、CSS、JavaScript，也不只是 React 或元件庫，而是你要看懂畫面背後的產品邏輯。

這個頁面的目標是什麼？使用者要完成什麼動作？哪個資訊是主要資訊？哪個按鈕是主 CTA？錯誤訊息要怎麼提示？手機版能不能操作？表單欄位會不會太多？資料送出後有沒有回饋？

如果你只跟 AI 說「幫我改漂亮一點」，它可能會幫你加漸層、加陰影、加動畫。

但如果你能說：「這個頁面的目標是讓使用者完成報名，降低表單填寫阻力，把次要資訊收合，主 CTA 保持明確，並保留原本資料送出邏輯」，AI 的產出就會更接近真正可用的產品。

Vibe Coder 不一定要成為前端工程師，但要能判斷畫面是否服務於目標。

Stage 3：連接世界，資料和權限怎麼流

當 AI 可以幫你串 API，速度會變很快。你可以請它接 Google Sheet、LINE、OpenAI API、付款系統、會員登入，甚至讓它自己查文件、寫程式、測試回應。

但 API 串接不是只要成功連上就好。

API 背後有身份驗證、權限、金鑰管理、資料格式、錯誤處理、流量限制與費用問題。

AI 幫你接成功，不代表這個接法安全；AI 幫你跑通一次，不代表它能在真實使用者情境裡穩定運作，所以 Stage 3 的重點是理解資料流和權限邊界。

資料從哪裡來？送到哪裡去？中間經過哪些第三方服務？API Key 放在哪裡？前端看不看得到？Webhook 收到資料後要不要驗證來源？失敗時要不要重試？如果外部服務掛掉，使用者會看到什麼？

這些問題不會因為 AI 會寫程式就消失，相反地，因為 AI 能更快幫你接上更多服務，這些風險會更早出現。

AI 可以幫你連接世界，但你要負責不要讓世界亂來。

Stage 4：上線與維運，讓東西真的進入真實環境

部署不是最後才學，因為不上線，你永遠不知道真正的問題在哪裡。

本機可以跑，不代表雲端可以跑，你自己的電腦可以打開，不代表別人的手機可以打開。

你知道怎麼操作，不代表使用者知道。你測一次成功，不代表真實環境不會壞。

所以 Stage 4 會處理平台選擇、費用控制、權限管理、環境變數、監控、資料庫與基本維運。

這些東西聽起來不像寫功能那麼刺激，但它們決定你的工具能不能真的被人使用。

AI 可以幫你看 build error，可以幫你修部署問題，可以幫你查 log，但你還是要知道服務在哪裡跑，環境變數在哪裡設，費用怎麼看，log 在哪裡查，壞掉時第一步要確認什麼。

尤其當你讓 AI 協助部署時，更要建立邊界。

涉及資料庫 migration、資料刪除、權限調整、套件大版本升級、正式環境設定的操作，不能讓 AI 自行決定。它可以提出計畫，但你要確認。

上線之後，你面對的就不只是程式，而是一個服務，服務就有使用者、有成本、有風險，也有維護責任。

Stage 5：安全合規，是不能省的步驟

安全合規常常是大家最想跳過的部分，因為它聽起來不夠酷，也不會讓畫面立刻變漂亮。

但只要你的東西開始接 API、存資料、處理使用者輸入、做登入、收付款、接外部服務，安全就不是可選項。

AI 的本能通常是完成任務，你說要登入，它會想辦法讓登入可以跑；你說要接 API，它會想辦法讓 API 有回應；你說要存資料，它會想辦法把資料存起來。但它不一定會主動問你：這些資料能不能存？要存多久？誰可以看？API Key 有沒有外露？錯誤訊息會不會洩漏內部資訊？使用者輸入有沒有驗證？

所以 Stage 5 不是傳統意義上的資安課，而是 AI 協作時代的風險管理課。

你要知道哪些事情不能完全交給 AI 自行決定：任何涉及個資、付款、帳號權限、資料刪除、外部 API Key、系統權限的功能，都需要更嚴格的 review。

你要要求 AI 列出安全風險，要求它檢查使用者輸入，要求它說明金鑰存放方式，要求它確認錯誤訊息不會暴露內部細節。你也要知道，AI 的自我檢查只是第一層，不是最後一層，真正的責任一直都是你的事！

Stage 6：職業化交付，讓 AI 產物變成可交付成果

AI 很會產生東西，但產物不等於成果，這句話是 Stage 6 的核心。

AI 可以幫你產生程式碼、文件、測試、README、操作說明，甚至幫你整理 changelog。

但這些東西是不是完整，是不是符合需求，是不是可以讓別人接手，是不是三個月後還看得懂，仍然需要你判斷。

很多人用 AI 做專案時，會出現一種新的混亂：東西產生得太快，但管理跟不上。

檔案變多，版本變多，功能變多，依賴變多，文件看起來也很多，但真正要交付時，反而不知道哪個版本是穩定版，不知道改了哪些東西，不知道客戶要怎麼使用，也不知道哪些功能其實還沒完成。

所以 Stage 6 要訓練的是職業化交付。

職業化不是你親手寫了多少程式，而是你能不能把 AI 產出的東西整理成一個可以被理解、被使用、被維護、被驗收的成果。

你要有需求拆解，有專案規格書，有版本紀錄，有 README，有環境變數清單，有部署說明，有測試步驟，有交付 checklist，有驗收標準。

這些事情 AI 都可以協助產出，但你要知道標準是什麼。客戶不會在意你用了多厲害的 AI 工具。客戶在意的是：這個東西能不能用？出了問題找誰？資料安不安全？後續能不能維護？需求有沒有被完成？

交付責任，是你的責任！

Stage 7：AI Agent 與自動化，是整套能力的總整合

很多人最期待 AI Agent 和自動化，因為這聽起來最像未來，但這也是為什麼它應該放在最後。

Agent 不是魔法，它是前面所有能力的組合。

一個真正能用的 Agent，需要看得懂任務，需要呼叫工具，需要串 API，需要管理權限，需要讀寫資料，需要在雲端運作，需要處理錯誤，需要保護金鑰，需要被監控，也需要有人知道它什麼時候不該繼續做。

如果你前面沒有建立環境、Rules、Context、Git、讀程式、前端理解、API、部署、安全和交付能力，你做出來的 Agent 很可能只是一個看起來很酷的 Demo。

它可以展示，但不一定能長期運作；它可以在理想情境下跑通，但不一定能承受真實世界的混亂。

Stage 7 的重點不是迷信 Agent，而是你得學會設計自動化系統。

哪些任務適合交給 AI 自動執行？哪些任務需要人工審核？哪些步驟要留下 log？哪些錯誤可以重試？哪些錯誤必須停止？哪些資料不能讓 Agent 自由存取？哪些工具需要權限限制？

成熟的自動化不是全部交給 AI，成熟的自動化是清楚分工：AI 負責執行，人負責設計邊界、審核關鍵節點、承擔最後責任。

這也是為什麼我會把 Agent 放在最後，因為它太重要了，所以不能在前面能力都還沒建立時就亂放。

這套講義想訓練的到底是什麼？

如果只看表面，這是一套 Vibe Coding 免費課，但我真正想訓練的，不是「會不會寫程式」這件事，而是「能不能帶著 AI 完成一個可以負責的專案」。

你要能建立 AI 的工作現場，知道檔案在哪裡，指令在哪裡跑，版本怎麼回復。

你要能設定 Rules 和 Context，讓 AI 知道怎麼工作，也知道不能亂做什麼。

你要能讀懂 AI 的產出，至少讀懂到可以 review、可以判斷風險。

你要理解畫面和產品，不是只讓 AI 生出漂亮頁面。你要懂 API、資料流和權限，不是只追求串接成功。

你要能部署和維運，知道東西上線後怎麼壞、怎麼查、怎麼救。

你要懂安全合規，知道什麼不能亂交給 AI。

你要能職業化交付，把 AI 產物整理成真正的成果。

最後，你才有資格進入 Agent 和自動化，讓 AI 在你設計好的邊界裡持續工作。

所以這條路徑不是因為技術變簡單了，就可以什麼都不學，剛好相反，因為 AI 變強了，所以人類的角色要升級。

你不需要把大量時間花在從零手刻每一行程式，時間可以用來理解更多判斷與管理的問題。

你要知道怎麼發任務，怎麼給 context，怎麼限制範圍，怎麼看 AI 的修改，怎麼檢查安全，怎麼驗收結果，怎麼交付給別人使用。

這才是現在 Vibe Coder 的核心能力。

Vibe Coder 不是寫程式的人，而是 AI 專案的負責人

我會這樣定義 Vibe Coder：Vibe Coder 不是靠自己寫完所有程式的人，而是能帶著 AI 完成一個可用成果的人。

他不一定是傳統工程師，但他一定不能沒有技術判斷。他不一定每一行都自己寫，但他要知道哪些地方需要 review。他不一定親手部署每個服務，但他要知道服務在哪裡、怎麼壞、怎麼查。他當然也不一定自己寫完所有文件，但他要知道什麼樣的文件才足以交付。

這個角色會越來越重要。

因為未來很多人都會需要做自己的工具。講師要做課程互動工具，顧問要做診斷系統，創作者要做測驗和內容產品，行銷人要做自動化漏斗，小公司要做內部流程工具，團隊要快速做 MVP。

這些需求不一定一開始就需要完整工程團隊，但也不能只靠一句「AI 幫我做」。

中間需要一種人：懂需求，也懂 AI；懂產品，也懂風險；懂交付，也懂怎麼讓 AI 工作。

你想玩，就得成為這個人。

最後

我懶，教這個我會白頭髮，所以有需要的人自己在 Line 輸入 Vibe 自動下載吧！

Stage 1 想了解更多就是仔細看昨天分享的那份 Python 導覽囉！

本文原發表於 2026/06/28 的 Facebook 貼文，原文照登，僅調整網頁排版；文中提及的產品、價格與活動以當時為準。