AI寫code實戰心法

看網絡上講AI寫code的實在太多外行充內行，甚至開班賣課賺不懂寫程式麻瓜的錢，實在看不過眼，在thread上嗆他們一句半句只是耍樂子。倒不如自已執筆寫一篇AI實戰文章，公開地打他們的臉，引他們過來我主場留言反駁。

有人會問我是什麼來頭，有什麼資格說三道四？我是行內人在一線AI大廠的工程師，早幾個星期剛剛完成公司內首個「AI工程師」的部署。不過職銜和公司名片只是用來唬人，真正的資格是因為工作關係，見識過無限GPU和無限tokens的威力，隱約看見今個世代基於LLM的AI技術的極限在那兒。

這篇文章是全人手寫，幫助腦袋思考的副產品。若果文筆不通順有錯字，廣東話入文看不慣，讀起來沒有起承轉合，讀者請自行餵給AI書僮伴讀。反正在AI年代，把乾貨的真知識記錄下來才最重要，日後有時間才叫AI編輯潤筆添加水份，一魚多吃。癈話不多說，讓我一一戳破網絡偽AI達人常說的廢話。

教人使用便宜的開源LLM去寫code

不要浪費時間在次等的LLM上，因為你的時間更寶貴。沒錯開源LLM的確很便宜，亦只是落後頂尖LLM三個月，但在AI世界三個月就等於人類的三年，你不會想用過時的技術吧。撇開愛祖國用國貨的因素，最大問題是你不知道何時LLM會鬼打牆，頂尖的LLM不是萬能，但遇到鬼打牆的機率少很多。你的時薪也不只二十美元，只是遇上幾次鬼打牆，你浪費掉的時間已經比頂尖LLM的月費更貴。

那便宜的LLM是否亳無用處呢？當然不是，自已用就要用最好，給別人用就要考慮成本將貨就價了。若果你十份肯定一些情況，便宜的LLM足已能勝任，用頂尖LLM就殺雞用牛刀了。寫code時有些簡單的任務，不妨交給便宜LLM去執行。若果你不太肯定，專業的做法就是先用頂尖LLM做了出來，然後建立評估去測試省錢的下限，LLM沒有最便宜只有更便宜，若8B模型能用說不定本地內建的1B也能成功呢。

教人使用no code平台去開發應用

不知何解，網絡上有一票教n8n的AI導師，很好奇他們是否收了讚助費，或是拿上一個cycle流行no code時代的東西出來循環再用。我不是因為自已是工程師所以輕視no code平台，我沒有用過n8n但我有微軟Power Automate的證書資格，公司有一半的東西是使用M365，未有AI前我自已也畫了不少flow去自動化流程，在Linux的另一半當然是shell script更加好用。

若果你今年一月時問我，那時MCP還未一統江湖，GPT5世代的推理模型還未面世，我會認同使用no code平台很正路，至少比去年流行的langchain/graph，用古怪的python語法寫workflow來得直覺。可是到十月還在教人用n8n的人，大慨就是把心思用在編寫課程打廣告收生賺錢，沒有花時間繼續進修追上一日千里的AI發展。若用Claude Code或Codex作為AI agent的開發基礎，接駁好MCP後，剩下的工作就只是寫system prompt。若果用no code平台畫出來，就是把所有connector全接到中間那個大方塊，畫完等於沒有畫。

今年有不少新世代的agentic framework面世，那個最好用目前下結論還太早。領先的兩大廠分別有Codex同Claude Code的agent SDK，Google和微軟緊隨其後，人家有什麼功能就抄什麼。獨立開源的我使用過huggingface的smolagent和後MCP時代的fastagent，而後者我更增添一個我公司需要用的小功能，發送了pull request回饋開源社群。我想要過多久時候，網絡AI導師才會教agent SDK，這些真正實用的東西呢，恐怕到時這些東西又可能過氣了。

Vibe Coding 無用論 / 萬能論

要說2025年度詞語 ，肯定是Vibe Coding一詞莫屬，年初由大神Andrej Karpathy發明，來形容全AI不經人手開發程式。群眾對Vibe Coding的反應兩極，一邊廂說普通人現在也可以寫程式，工程師軟件開發人員全部失業，另一邊廂說Vibe Coding寫出來的只是玩具，不可能拿出來作實際應用，還有更恐怖的資安外洩，整個資料庫被AI清空等都市傳說。

當外行人為Vibe Coding爭辯過不亦樂乎之際，專業的早已全面擁抱AI寫Code，科技大廠超過70%程式碼由AI生產不是神話，我自已團隊就AI生產超過200%的程式碼。你問有可能超過100%嗎？有，因為AI生產出來的有很多垃圾不能用。AI不是無用亦不是萬能，只是一件很好用的工具，需要學習才能有效地靈活運用。

在我對AI基礎技術的認知上，與其說LLM是人工智能近似人類思考，不若說LLM更像是MySQL那類的算力黑箱引擎。明白了LLM的運作原理，就不會有在與AI對話的幻覺。實際的流程是prompt+context輸入，LLM另一頭輸出一堆文字。若果輸出有問題，正確的做法不是與AI繼續對話，而是改變另一組輸入再嘗試，這個輸入到輸出驗證再試的輪迴，以前我們叫它做debug。

Vibe Coding並不是新事物，未有AI人工智能前它的名字是印度外判，也算是另一種AI(Actual Indians)。沒有管理和系統架構經驗的初級工程師，習慣所有程式碼一手一腳自已包辨，手腦合一沒錯是寫code又快又靚，但極限是一個人一天只有二十四小時。當你的項目超過你一個人的能力時，就要帶領團隊分工合作才能完成。傳統上資深工程師負責架構，初級工程師負責執行，只要薪火相傳把知識教授給後輩，上級不用去費心執行細節上的問題。

可是印度外判的出現，完全顛覆這種師徒制的理想開發環境。外判就是要節省成本，結果就是一分錢一分貨，印度外判對工作亳不上心，說漏一句就亂來錯誤百出，就好像現在的AI一樣。不知是幸運還是不幸，當年我帶領五十人的外判團隊，原本一心只想當個輕鬆發號司令的經理，結果白天我要親自把的技術執行拆件細分，寫好文件和檢收要求分發給外判去做，晚上就和他們開會做code review，他們亂來就拒收發回重做。相對起來AI比外判實在太好用了，至少AI不會明明做錯還堅持自已是對的，要我花半小時去證明為什麼他做錯了。總之受過印度外判痛苦洗體的資深工程師，早已學懂了如何運用AI去Vibe Coding的技巧，說穿了就是engineering最基本的常識，divide and conquer, clear specification, automated acceptance test。

哲學上有個無限猴子理論，若果給無限隻猴子無限台打字機，邏輯上遲早會打了部一莎士比亞名著出來。在AI比猴子聰明，大約比印度外判好一丁點，我發明一個無限印度外判理論，只要有無限GPU和無限tokens，AI遲早會寫出你想要的程式。