AI IDE、Code Agent 與 Vibe Coding

在這個時代，我們該如何寫程式？

過去一年，我的開發方式發生了根本性的改變。

我不再只是寫程式，而是開始與 AI 協作。 從傳統 IDE，到 AI IDE，再到各種 Code Agent 的出現，我重新思考「工程師」這個角色的本質。

我現在每天都在使用 AI。 不是輔助，而是合作。

這不只是效率的提升，而是一種工作模式與思考方式的轉變。

AI 正在重新定義軟體工程

越來越多開發者開始使用 AI IDE，例如 GitHub Copilot、 Cursor、 Claude Code、 OpenAI Codex、 Google Antigravity。

這些工具帶來的改變，遠遠超過「寫得更快」。

AI 不再只是 autocomplete。 它可以理解需求、協助設計架構、實作功能，甚至能主動提出改善建議。

因此，我逐漸認為：

軟體工程的瓶頸，正在從「實作能力」轉向「問題定義與系統設計能力」。

未來的工程師，不只是寫 code 的人，而是：

• 能定義問題
• 能設計系統
• 能管理複雜度
• 能與 AI 協作

Vibe Coding 不是偷懶，而是一種工程模式的轉變

Andrej Karpathy 提出「Vibe Coding」後，引發了不少討論與質疑。

有人認為它代表工程品質下降，也有人認為這只是短期的技術潮流。

但在我的實務經驗中，Vibe Coding 並不是放棄工程，而是重新分配工程的重心。

我們不再逐行撰寫程式，而是透過語言、抽象與高層次思考，引導 AI 完成實作。

在這個模式中：

• Prompt 是新的表達工具
• Specification 是新的架構設計
• 思考能力與系統觀比語法更重要

真正的價值不再是「記住多少語法」，而是能否清楚理解問題與設計解法。

我對 Vibe Coding 的理解：在不確定性中建立可控的開發流程

Vibe Coding 常被批評為不嚴謹或不可控。 這些擔憂並非沒有道理。

如果只是把模糊的需求交給 AI，確實可能導致系統混亂、技術債累積，甚至降低可維護性。

但我認為，Vibe Coding 的核心並不是隨機開發，而是：

在高度不確定的情境下，透過快速迭代與持續驗證，逐步建立可控且穩定的系統。

軟體開發本質上就充滿不確定性。 需求不完整、使用者行為不可預測、技術選型存在風險。

過去，我們試圖透過大量文件與前期設計來降低風險。 但在實務中，這些風險往往只是被延後。

AI 的出現，讓我們可以更早接觸真實系統，並在短時間內驗證假設。

因此，Vibe Coding 更接近一種實驗與回饋導向的工程方式。

意圖與結果的快速對齊

我會把 Vibe Coding 定義為：

透過 AI，大幅縮短「意圖 → 實作 → 回饋」之間的距離。

在傳統流程中：

想法 → 設計 → 實作 → 測試 → 修正 → 成果

每個階段都有時間與溝通成本。

AI 讓這些循環可以快速完成。

我可以：

• 快速將需求轉換為可執行系統
• 立即觀察實際行為
• 及早發現設計問題
• 持續修正架構

這並不是忽略設計，而是讓設計與實作更加緊密。

嚴謹沒有消失，而是轉移

Vibe Coding 常被誤解為不嚴謹。

但我認為，嚴謹只是轉移到了不同層面。

在 AI 時代，嚴謹不再只是：

• 文件是否完整
• 架構是否一次完成

而更重要的是：

• 是否持續驗證假設
• 是否建立自動化測試
• 是否具備快速回滾與重構能力
• 是否能有效管理系統複雜度

工程的重點從「預測未來」轉變為「快速修正」。

這與敏捷開發與精實創業理念一致。

例如 Eric Ries 在《The Lean Startup》中提出的：

Build → Measure → Learn。

在 AI 時代，這個循環的速度被大幅提升。

滾動式 Spec：比完美設計更重要

在網路上常看到一種說法：

只要先寫好完整 spec，就能讓 AI 一次生成理想產品。

我認為這是一種過度理想化的想法。

產品的本質是探索，而不是設計。

在實務中：

• 新需求往往在實作後才出現
• 使用者回饋會改變方向
• 架構會隨著產品演化

因此，我更傾向：

👉 滾動式規劃（Iterative Spec）。

我的 workflow 通常是：

1. 定義初步方向
2. 讓 AI 產出第一版
3. 實際使用
4. 收集回饋
5. 調整 spec
6. 持續迭代

這讓產品更貼近真實需求。

AI 正在降低試錯成本

過去，架構錯誤的代價很高。 重寫系統需要大量時間與資源。

現在：

• AI 可以快速生成
• 可以快速重構
• 可以快速比較不同方案

這讓產品開發更像科學實驗，而不是一次性的工程建造。

未來，每個人都需要具備與 AI 協作的能力

就像過去：

• 搜尋能力
• Excel
• 簡報

都是基本技能。

未來：

• 與 AI 協作
• 定義問題
• 設計流程

將成為新的數位素養。

不會寫程式的人，也會能創造產品。

真正的差距，會來自思考與系統設計能力。

我的信念

AI 並沒有取代工程師，而是放大工程師。

未來最強的人，不一定是最會寫程式的人， 而是最能清楚定義問題與設計系統的人。

工程師將轉型為：

• Product Builder
• System Designer
• AI Collaborator

技術門檻正在下降，但思考門檻正在上升。

這也是我接下來持續探索與分享的方向。