Vibe Coding 的下一步，是把一次需求抽象成可重複模型

還有一件事沒講完，很多人談 Vibe Coding，談的是「我不用會寫程式，只要把感覺講給 AI，AI 就能幫我做出來」，這句話沒有錯，但我覺得它只講到第一層。

真正做一段時間後，你會發現，Vibe Coding 最難的不是把感覺講出來，而是你能不能把一個模糊的感覺，抽象成一個可以延伸、可以重複、可以長大的產品模型。

這件事很重要！很重要！很重要！重要到必須講三次！

因為 AI 很會做，你說要一個功能，它可以做，你說要一個頁面，它可以做，你說要一個表單，它也可以做。

但問題是你講出來的東西，很可能只是眼前想到的第一層需求，如果你直接讓 AI 做，它就會很快幫你把第一層需求做出來，看起來很有效率，但也可能很快把產品做死喔！

Vibe Coding 容易卡在「具體功能」

例如想到我需要一個課程功能，AI 可能就開始幫你做課程列表、課程詳情、課程建立、課程報名、課程文案，這些都很合理，很正常，對吧！

但如果你再往下想呢？直播呢？短影音呢？工作坊呢？商品活動呢？會員回流活動呢？

你就會突然發現，原本的「課程功能」的賽道其實太窄了，你真正需要的可能不是課程功能，而是找到一個值得推廣的主題。

判斷它適合哪一群人，設計一個行銷策略，產生內容素材，安排發送渠道，追蹤成效...等。

Vibe Coding 最重要的能力是抽象能力

這時候，產品模型就不再是課程，而是機會。

這就是抽象能力的價值。

你不能只問「我要做什麼功能？」，而是要再多問一層「這個功能背後，真正重複出現的模式是什麼？」

抽象能力，是把「一次性需求」變成「可重複系統」

很多 AI 開發做久了會亂，就是因為每次都在做一次性需求。

今天做課程，明天做活動，後天做商品推薦，大後天做會員回流，每次看起來都不一樣，所以每次都叫 AI 重新做一套。

但如果你有抽象能力，你會開始看到這些東西其實都長得很像。

它們都有一個訊號，連接一個機會，可以共用一個策略、一組內容模組、一套發送渠道、一個成效回饋分析模式。

然後模型就可以變成從資料訊號，延伸出成長機會，近一步去做策略規劃、內容素材，接著用相同的發送模組來執行，並收集數據做成效分析，甚至提供下一輪建議。

這樣你做的就不是一堆功能，而是一套產品骨架。

AI 也不再只是幫你補頁面、補表單、補 API，它可以在同一套骨架裡，幫你延伸不同場景。

這就是我上一篇講的自適應，也是為什麼 20 小時的時間，我可以弄出 202 個功能，五十多個自動化的原因。

為什麼這在 Vibe Coding 裡特別重要

傳統開發時代，做錯抽象也會痛，但因為開發速度慢，所以很多錯誤會比較早被成本擋下來。

可是 AI 開發不一樣，AI 太快了，你只要講出一個具體需求，它就可以很快做出來。

所以如果你沒有先抽象，AI 會非常有效率地幫你堆功能，最後產品會變成很多頁面，很多按鈕，很多資料表，很多功能，但沒有一個清楚的核心模型。

這也是 Vibe Coding 最容易出現的陷阱，表面上你一直在前進，實際上你可能一直在把單一的大產品變成複雜的好幾個產品，更別說重複造輪子的問題了。

好的抽象，不是把東西講得很玄

很多人聽到「抽象」會以為是很理論、很工程、很難懂的東西，甚至很玄學的東西。

但我覺得產品裡好的抽象，反而應該很務實，它的目的不是讓你顯得很聰明，而是讓你未來少重做。

例如我自己是這樣思考的，不要把功能寫死成「課程」，而是去想這樣算不算是一種「主題機會」？

不要把功能寫死成「LINE 發送」，而是想它是不是一種「發送渠道」？還有哪些渠道可以一起並用？

不要把功能寫死成「AI 產文」，而是想它是不是一個「內容素材」？內容素材要不要依平台分類？要吸引的 TA 是哪一種輪廓？能不能自動判斷？

不要把功能寫死成「會員標籤」，而是想它是不是一個「客戶訊號」？能不能做客戶輪廓分析？能不能做單一客戶活化、召回？該怎麼搭配不同 tag 做到？站內 workflow 怎麼設計才能讓所有用過的 API 生成成果都自動指派到不同的方向？

當我這樣想的時候，產品就會很有彈性，今天是課程，明天可以是直播，後天可以是商品活動，未來也可以是顧問服務、實體講座、短影音主題、會員召回活動。

底層模型不用每次重寫，這就是抽象能力真正省下的地方。

當然身為大人，我當然通通都要！

Vibe Coding 裡，人最重要的角色是「命名」

我後來發現，抽象能力最常出現在命名上，很多時候，名字一改，整個產品方向就變了。

例如你把一個東西叫課程引擎，那後面的 AI 設計很容易全部往課程靠，會包含課程資料、課程頁面、課程流程、課程報名。

但如果你把它改成成長引擎，整個想像就打開了！課程是成長機會，直播也是成長機會，新的商品組合也是成長機會，沉睡會員召回也是成長機會，短影音主題也是成長機會。

我知道這看起來很像文字遊戲，但不是，名字會限制 AI 的理解，也會限制你自己後面的決策，所以在 AI 協作裡，命名不是最後才做的包裝，應該把命名本身當作產品設計的一環，因為會影響到未來的架構選擇。

抽象能力也能降低 Prompt 成本

很多人以為省 token 的方法是少講一點、用英文描述需求，但我覺得真正省 token 的方法是讓 AI 不需要每次重新理解一個新世界。

如果你每次都說這次要做課程、這次要做直播、這次要搞短影音、這次要做商品活動，每一次 AI 都要重新理解脈絡。

但如果已經先建立一套抽象模型：從成長契機為開口，從開口去打造策略，再從策略去做執行計畫，從執行計畫再來生成相關的文案，文案再進素材庫轉從不同渠道改寫發出。

那後面你只需要說這次是直播型契機、這次是商品型 契機、這次是會員召回型契機，AI 會很快就接住，因為它知道底層流程一樣，只是類型不同。

這才是真正的省 token，不靠少給資訊讓 AI 亂猜，而是讓資訊變成可重複使用的結構。

抽象能力可以減少決策疲勞

跟上一篇一樣，我覺得這一點更重要。

當你沒有抽象模型時，每個新需求都像新問題，要不要做？放在哪裡？怎麼命名？跟誰串接？資料要怎麼存？使用者從哪裡進？做完後去哪裡看？

每次都要重新想，這非常耗腦，但如果你有抽象模型，很多決策會自動定位。

像是這是 Opportunity，就放在成長契機，接受後就建立 Campaign，Campaign 裡跑 Strategy、Plan、Series、Asset，Asset 可以產生不同 Distribution 到不同渠道，成效回來後進 Analytics，Analytics 再回饋下一輪跑 Loop 自我優化。

這樣我就不用每次都重新發明流程，我只需要判斷這個需求屬於哪一層？現在要做到哪一層？這次不做哪一層？

決策次數會少很多很多，這就是抽象能力在 AI 開發裡非常實際的價值。

但抽象能力也有風險

抽象不是越早越多越好，太早抽象，也會變成過度設計，而過度設計很要不得！

你會開始想未來會不會多租戶？未來會不會支援十種產業？未來會不會有完整權限方案？未來會不會有模組付費？

這些問題都很合理，但不一定是現在不做會死的，所以我覺得比較好的方式是 #思考時抽象，#實作時克制。

也就是你可以先看見長期模型，但 MVP 只做現在需要的最小切片。例如你知道未來會有很多成長適用類型，但第一版只做其中一種。

你知道未來會有完整平台政策，但第一版只做最關鍵的內容安全檢查。

你知道未來會有完整成效分析，但第一版先把資料結構與流程方向跑對。

這樣才是健康的抽象，不是一開始就把所有的未來願景都做完，而是把重心放在不要把現在做成死循環。

我算是老天爺賞飯吃的腦袋，抽象能力非常強，不是我在自誇，我真的很擅長抽象拆解，其他人要想十分鐘的事情，對我來說可能就是三秒含打字並送出。

怎麼練的？我不知道，我得找時間拆解自己的抽象思考模式才能自我分析，但我知道我可以在看似不相干的 ABCD 裡，馬上變釋出他們的共通底層是啥？該怎麼並用？該怎麼排序？

我會用三個問題檢查一個功能

① 這是單點功能，還是某個更大流程的一部分？

如果它只是單點功能，可以先小做試試水，如果它明顯會串到後面，就不要把名字和資料結構寫的太窄，不然後面要串其他功能時會需要重構返工。

② 這個功能換一個場景還成立嗎？

如果只要換成別的產業、別的平台、別的內容類型就壞掉，那就可能是抽象拆解的還不夠細。

③ 這次實作要不要真的做抽象？

這個問題很重要，想清楚抽象，不代表這次就要做完整抽象架構，很多時候，只要命名不要寫死、資料不要鎖死、流程不要封死就夠了，從抽象到具像可以等之後有空再補，先放到 Roadmap 待辦就好。

Vibe Coding 的下一步，是 Vibe Modeling

如果第一階段的 Vibe Coding 是把感覺講給 AI，讓 AI 做出來，那下一個階段我覺得應該是把感覺抽象成模型，讓 AI 在模型裡持續擴展。

暫且先稱之為 Vibe Modeling 吧！它不是冷冰冰的系統設計，它還是從直覺開始。

你會先有一個感覺這個功能好像有用？這個流程好像可以更順？這個場景好像還能延伸？

但你不會立刻叫 AI 實作，你得先問這個感覺背後的模式是什麼？它跟現有系統哪一層有關？它是資料、訊號、機會、策略、內容、發送，還是成效？它未來會不會重複出現？

如果會，就不要只做成一次性功能。

AI 開發讓我們更容易把東西做出來

但也因為太容易做出來，所以更需要抽象能力。

沒有抽象能力，AI 會幫你快速堆功能。

有抽象能力，AI 才能幫你逐步長出系統。

差別在於你不是只問 AI「幫我做這個」，你需要先問自己「這個東西真正代表的是什麼？」

是課程，還是機會？是標籤，還是訊號？是文案，還是內容素材？是發送，還是通路分發？是報表，還是成長回饋？

這些問題看起來有點複雜，有點燒腦，但它會讓後面的每一步更快、更穩，也更不容易返工。

所以我現在越來越覺得，Vibe Coding 最關鍵的能力，不是把夢想描述得很漂亮，而是把夢想拆解後提煉成模型，AI 負責把模型實作出來，人負責判斷模型是不是對。

#圖文不符

本文原發表於 2026/06/26 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。