透過 Vibe Coding 開發產品好一陣子，那種從無到有的速度感依舊很迷人 ：我不需要去琢磨晦澀的程式語法，只要專注在產品的「氛圍」與「預期結果」，AI 就能幫我搞定底層的程式碼，做到以前我根本不會做的事情。
這確實讓產品開發變得極快。描述 Idea 大概只要花個 1-2 分鐘，等待 Codex 開發時去泡杯咖啡，回到座位上產品的原型就出來了。
可是我很快就遇到能力天花板。
當我開發出的產品介面或互動體驗不符合預期時，發現自己根本講不出具體要調整哪裡，硬擠出一些敘述後，跑出來的體驗還是沒有照著我的想法走，或甚至打亂了本來做得不錯的設計。
能肯定的是 Codex 已經幫我扛下了技術實作，讓我在一個月內開發超過 10 個小工具，但同樣的問題還是會重複發生：
- 塞過多的功能，導致介面混亂
- 視覺設計、流程動線體驗不佳
- 對於雲端部署仍舊不熟悉
專家與新手的區別：品味，是定義出來的
我並非對產品 UI/UX設計、開發流程一無所知，但品味是靠反覆實作和學習磨練得來的，而不是「知道」或AI模型有多強就能達到專家級的品質。
為什麼專家運用這種方式開發產品時，產出總能精準切中需求？
這其實是因為他們腦中有著紮實的「底層框架」。當 AI 生成的東西不對勁，專家能一眼看出問題所在，並給出精準的修正指令。
雖然身為行銷人對於市場需求、用戶痛點、產品優勢等有相當的敏銳度，但當前用 AI 執行開發任務時，這些敏銳度是遠遠不足的。若想要進一步精進開發品質，那麼勢必要回歸到自我學習的本質，而非過度依賴 AI 的能力。
用 Vibe Coding 磨練判斷力的方法
為了填補經驗上的落差，我在 Coursera 上重新溫習了《Learning How to Learn》提及的科學學習方法，試著將產品開發的歷練轉換成學習系統，並且用 Codex 建立「產品開發模板」幫助我在每次開發前練習描述需求的能力。
1. 模組化：定義何謂「需求」
人的大腦在處理複雜任務時，如果缺乏組塊，思考就會發散，所以我試著把「需求描述」拆解為：「市場假設」、「用戶痛點」、「功能規格」、「預期產出」等面向。要求自己動手做之前填寫這些固定欄位，再將填寫內容匯出請 Codex 執行開發，以此訓練自己「定義需求」的敏銳度。
2. 練習「專注」與「發散」模式的切換
剛開始 Vibe Coding 只是基於好玩：輕輕鬆鬆邊開發、邊隨意發想。
但是隨著我對開發成果的期待越來越高，發現與 AI 過多的無效溝通大量耗損我的心力。
現在，我會切成兩個階段：
- 專注階段：此階段我不開啟任何 AI 應用輔助工作，我只專注在將腦內的需求具體化，確認我能夠清晰地拆解用戶痛點、以及期望的結果。
- 開發階段：完成需求描述後，我才讓 Codex 接手實作。這樣做的好處是，當產出不合預期的成果時，我自己心裡會有個底來修正指令，而不是看著螢幕發呆，不知如何是好。
3. 覆盤：刻意紀錄，累積知識資產
產品開發結束後，把自己當作第一位用戶，紀錄體驗過程的卡點、運作異常等等問題。這些「預期落差」即是累積個人知識資產的大好機會。
建立學習系統，優化判斷力
現在在處理非專業領域的任務時，我給自己立下一項原則：
「在輸入需求給 AI 之前，必須先預留一段專注的思考空間。」
專家用 AI 是為了放大專業資產，因為他們底子夠硬。新手策略則是將 AI 視為教練，利用產出的回饋揪出思考盲點。跳脫追蹤工具操作的學習，強迫自己更深入陌生領域，將 AI 轉化為拓展專業邊界的加速器。
