AI 時代的技術成長反思
關於經驗與成長
我只能說，你若有經驗、經過訓練，你所累積的技術架構經驗在這個 AI 時代還是有很大用途。如果你不幸是個技術新鮮人又想走技術路線，但沈迷在 Vibe Coding 帶給你的表面成就感和 AI 給你的高產出，你將會停止成長。
我看著之前新人用 AI 花幾個月寫的一大堆 code，想辦法移除掉之餘，只為他停滯好幾個月技術沒有進步而嘆息。
AI 肯定是個神器，但你也可能止步於前，它絕對是兩面刃。它會讓你想起剛學會程式、剛開始可以快速堆出功能，然後旁人給你讚許或正面評價的時候；它也會讓你在那淺灘上打轉，不知道自己到底該怎麼提升到下一階段。
個人經驗回顧
我回想起自己第一次跨越技術瓶頸的時候，小時候剛學會寫程式，寫 ASP、經營 ASP 技術廣場網站的日子，當時好幾年高產出，從最簡單的留言板、討論區一直到後來各種電商系統、WebMail、相簿系統等，每天一直堆功能，不亦樂乎。直到撞上大流量的技術問題，撞得頭破血流不知道該怎麼突破。
後來，脫離了那高產出的沈迷後，又經歷過各種技術的學習和沉澱，才慢慢理解自己缺了什麼，該從哪裡切入突破。就是因為走過，所以我深知沈迷其中所導致的困境，也清楚真正從愛好、業餘跨出走向專業的門檻是什麼。
現在的人很幸福，有快速、無障礙的網路環境和資源，有聰明的 AI，絕對可以花比我過去更少的時間去突破自己，但困境仍然還在那邊。當你沈迷其中而養成錯誤習慣，你永遠就將在專業的門外。
給小夥伴：AI 協作的六個技術盲區
前言
你覺得「小專案很厲害，大專案很難用？」 ⠀ 問題在於你沿用了舊時代的開發習慣。 ⠀ 在 AI 協作的新範式中，我們不再是「工程師」，而是「AI 流程的架構師」。 ⠀ 以下是資深開發者最常掉進的 6 個技術盲區：
盲區一：把 AI 當最後的救命稻草
錯誤模式：
「自己先硬幹 → 卡住了查文件 → 走投無路才丟給 AI」
這是最常見的錯誤邏輯。
正確做法：
要不斷測試 AI 的技能，它很爛，你多說一點；它很強，你就說做，它就做了。
以現在的 AI 程度，我發現自己越說越少，甚至檔案連結都懶得給它。
盲區二：餵給 AI 太多非必要資訊
問題場景：
把整個專案壓成一個檔案塞給 AI？
這叫「Context Rot（上下文腐化）」。
為什麼會出問題：
- 如果你夾雜幾萬行無關程式碼，正確答案的機率就被稀釋了
- 超過一定長度，AI 的理解能力會顯著下降
正確做法：
成熟的開發者引導 AI 用搜尋工具精確定位，而非通讀整個專案。
原則: Less is More。
盲區三：活在三個月前的舊世界
三個月窗口定律：
AI 開發存在一個「三個月窗口」。
- 半年前 AI 做不到的事
- 三個月前有雛形
- 現在可能已是標配
如果你的印象還停在早期 Sonnet 或舊版 Copilot，那就像用記事本對比 Vim。
模型已從 Autocomplete 轉化為 Agent。保持更新即是競爭力。
建議行動：
- 真的來試試看 AI CLI 工具，就算是當測試好了
- 去看看 GitHub 現在排行的 AI 工具都是些什麼？
盲區四：讓 AI 寫測試，但不審查
看似省事的做法：
「幫我寫這個函數的單元測試。」
聽起來很省事，但這是陷阱。
問題所在：
AI 寫的測試往往只是在驗證「它自己的假設」，而不是你真正的意圖。它會：
- 漏掉邊界條件
- 忽略業務邏輯
- 跳過你在意的 edge case
為什麼危險：
測試是用來抓 bug 的。如果測試本身就有盲點，bug 會一路溜到 production。
正確做法：
讓 AI 寫測試可以，但你必須審查測試邏輯，而不是只看它跑過就放心。
盲區五：過度配置 MCP 插件
常見現象：
很多工程師花數小時配置 MCP 插件、自定義 Skills、寫數百條規則。
但是：
頂尖開發者，卻傾向用原生設定。
為什麼：
- 真正的「Vibe Coding」專注任務目標，而非調整工具
- 過多自定義配置往往造成 Context 膨脹，反而干擾模型推理
最佳實踐：
很多時候，Just talk to it。
盲區六：在污染的對話歷史上疊床架屋
錯誤做法：
AI 產生錯誤代碼，你說「不對，請修正」。
為什麼危險：
AI 基於對話歷史預測輸出。如果歷史包含錯誤實作，這段壞資訊會持續污染後續結果。
正確做法：
發現輸出不佳，立即 Revert，優化指令後重新開始。
進階技巧：
善用 Plan Mode。在 AI 動手寫 Code 之前，先要求它給出詳細計畫。
結語：真正的 Vibe Coding
所謂「Vibe Coding」，並非讓 AI 隨便寫寫。
而是一種更高維度的開發狀態：
- 開發者專注「意圖」與「架構」
- 將「實作」交給 AI
這是心理模型的重建。AI 協作不是安裝插件，而是管理團隊的直覺修煉。
思考題
「如果今天招募了一位極度優秀、但對你的程式碼一無所知的資深工程師，你會怎麼帶他 Onboarding？」
當你開始優化這個「數位工程師」的入職導覽，AI 開發才剛開始。