讓 AI 把過去解決過的問題，變成未來可以重複使用的能力
本文目錄
前陣子與朋友聚會時，我們交流了彼此用 AI 開發專案的心得。
然後發現一個值得討論的議題：「同樣在用 AI，有些人花很少額度就完成一堆任務；但有些人額度燒光，卻連一個問題都沒有解決。」
這種落差，大到讓人懷疑，我們真的在用同一個工具嗎？
為了釐清問題，我們乾脆直接打開電腦，實際 Demo 彼此的操作方式。
看完之後，發現問題其實不在 AI，而在「使用方式」。
我把幾個最關鍵的操作整理給你 👇
1️⃣ 遇到問題就丟給 AI，但每次都跑很久、還不一定解得掉
→ 因為沒有指定範圍，所以 AI 要掃描整個專案，過程不但浪費時間、消耗額度，還很容易改錯方向，衍生更多問題
2️⃣ 請 AI 新增功能，但沒有考量到既有架構
→ 在沒有足夠上下文與規格資訊的狀況下，AI 往往選擇「從頭做一份」，這種做法除了浪費額度外，還會讓專案越來越難維護
3️⃣ 每次調整功能，都要重新提醒規則與習慣
→ 在新的對話視窗中，AI 未必會記住你過去的使用習慣、判斷邏輯，所以要花很多時間在「資訊對齊」上面，甚至要自己手動調整細節
老實說，這些問題真的很常見。
因為很多人即使用了 AI 程式碼編輯器，還是把它當成「問答工具」。
但我認為 AI 的價值，是在幫你建立一套「可重複使用的工作流」。
而現在的 AI Agent 其實已經有對應的解決方案了
✔ 指定資料夾、文件，限定 AI 讀取範圍
💡 可以用「@」的方式，給予 AI 參考資料；當目的、方向明確後，AI 的效率與穩定性會大幅上升。
✔ 建立需求規格，讓 AI 迭代功能時有文件依據
💡 無論新舊專案，都可以透過 OpenSpec 來輔助建立專案的需求規格；這不但能解決團隊專案缺乏文件的痛點，還能讓 AI 與人類在未來迭代功能時更有依據，減少重工的問題。
✔ 設計 Rules / Commands / Agent Skills
💡 不管個人還是團隊，都一定會有自己的「使用習慣、判斷邏輯」，我們可以把通用規則寫在 Rules（不要說廢話、專注解決問題），特定情境的工作流放在 Commands（觸發多個 Skills 的固定流程），而希望 AI 使用的技能記錄到 Agent Skills（前端設計能力、撰寫 Commit、PR）。
不要讓 AI 的「快」，變成未來的「債」。
我自己現在更在意的，其實不是 AI 寫多快，而是：
- 專案的規格是否足夠清晰，可以持續迭代
- 新增修改功能時，有沒有影響到既有功能
- 這次做出的成果，能否整理成 Agent Skill，讓下次直接使用
這些，才是真正會拉開差距的地方。
我在 4/21（二）有一場線上說明會，將透過實際 Demo，分享如何從「用 AI 寫程式」，轉變成「用 AI 建立開發流程」，邀請你免費參加！
如果你希望 AI 不只幫忙寫幾段程式碼，而是真正融入需求拆解、規格整理、開發協作、測試驗證與任務交付，或是有問題想與我線上討論。
那千萬別錯過這場說明會！
👉 立即報名: https://tibame.tw/Rsc3G
留言載入中…