我替他開心，也順口問了幾個問題：系統有權限設計嗎？API 有沒有限制呼叫次數？有把使用者的操作記錄下來嗎？

他愣了一下，說：「我聽不太懂你的問題？這些重要嗎？」

聽到這個回答，我不禁捏了把冷汗，並列出一個檢查清單給他參考。

這幾年用 AI 輔助開發，我最深的體會就是這句話：「看起來能動的東西，才是最危險的。」

AI 真的很強，簡單的指令就能完成功能，甚至建立系統、App。

但它不一定會主動幫你補上那些「沒要求、卻很關鍵」的東西 — — 權限控管、測試、錯誤處理、資訊安全、上線維護。

有開發經驗的人，知道這些很重要，所以發現 AI 沒設計會要求他補上。

但如果是完全 0 基礎的小白，其實會陷入「不知道自己其實需要的囧境」。

我拍過十幾支用 AI 寫程式的教學影片，也幫不少企業做過內訓。

一路下來我慢慢發現，大家真正卡住的地方，其實不是 Prompt 下得好不好、工具選得對不對。

而是 — — 不知道怎麼把學到的技巧，整合進一個真實的專案裡。

所以我把幾個最會拉開差距、卻最常被忽略的地方，整理給你 👇

1️⃣ 別再用「寫了幾行程式」衡量產出

→ AI 五分鐘能噴 5000 行，也很擅長自產自銷 Bug。真正該看的，是交付出去的良率，以及出事之後多快能修好。

2️⃣ AI 跟你鬼打牆，通常不是 AI 的錯

→ 很多時候是你給的資訊不夠。log 不完整、需求太模糊，AI 再聰明也只能用猜的。先把資訊補足，遠比燒 Token 有效。

3️⃣ 解過的問題，不要再解第二次

→ 把這次的做法整理成一個 Agent Skill，教會 AI 一次，它就永遠記得。下次遇到同樣的任務，直接複用。

我很常被問：「AI 工具幾乎每天都在變，現在學的東西，明天還有用嗎？」

老實說，如果課程只教你工具如何使用；那過不了幾個禮拜，你學到的知識就過期了。

所以我更喜歡分享「如何拆解需求、怎麼定義規格、怎麼驗證結果、怎麼為產出負責」的知識，因為這套底層邏輯，是可以跟著 AI 與自身經驗一起進化的。

在人人都能用一行指令生成系統的年代，「軟體工程」反而變得更重要。因為有了清楚的地基，AI 才知道要照什麼規格開發、用什麼標準驗收、依循什麼流程交付。

如果你想學的，不只是「AI 能不能幫我做點什麼」，而是「我該怎麼把它放進自己的開發工作流」，那這場免費直播，我會完整分享自己的實戰經驗。

👉 立即免費報名: https://tibame.tw/hI1Ks