# 不會寫程式反而是優勢?為什麼Vibe Coding會是你最該投資的技能

我想跟你聊一件我最近才真正體悟的事:如果你想在未來持續提升生產力,你根本逃不掉要跟AI合作這個課題。但關鍵不是去學寫程式,反而是要學會跟AI「談戀愛」。

▋ 你以為不會寫程式是限制,其實反而是超能力

老實說,剛開始聽到Vibe Coding這個概念時,我也有點懷疑。不會寫程式的人用AI協作?聽起來好像哪裡怪怪的。但仔細想想才發現,這恰好是我之前完全想反了的地方。

很多人問我:「欸,如果我不會寫程式,怎麼能跟AI Code一起工作?」我現在的答案是:正因為你不會寫程式,你才更有資格來做這件事。為什麼?因為你能深刻理解那些使用者痛點。你知道什麼叫「這件事很麻煩」,你知道什麼叫「其實我們需要的是這個」。而一個只會寫程式的人,有時候反而被自己的技術思維限制了,看不到使用者真正想要什麼。

你不會寫程式,所以你能在跟AI的來回對話中,一次次指出「不對,我要的是這樣」、「這邊可以再調整」。你用自己的直覺和需求不斷修正,而AI則用它的執行力去實現。這兩種優勢的結合,才是真正的超能力。

▋ AI的能力再強,也需要一個懂它的人

這裡有個前提要弄清楚:不是隨便用任何AI都行。你得選一個自己喜歡的、覺得好溝通的,可能是Claude、ChatGPT、Gemini,或其他的。然後呢?就是持續跟它互動。

一開始可能會有點卡,因為你還不知道它的「脾氣」。每個AI都有自己的風格、回應方式、甚至有點小怪癖。你得花時間去摸熟它。就像認識一個新朋友,第一次見面可能有點生澀,但慢慢地你就知道他喜歡聊什麼、怎麼跟他聊會更順暢。當你真正理解了一個AI的習性,你才能最大化地利用它的能力。

而Vibe Coding就是在這個基礎上的下一步。它不只是讓你跟AI聊天、當個陪伴者,而是實實在在能讓AI去執行任務、完成工作的工具。這才是重點所在。

▋ 不要被「但是我不懂程式」困住

我知道,很多人一聽到要用AI寫程式就怂了。但我想問你:你需要懂程式的細節嗎?其實不需要。你只需要能跟AI清楚地說出「我想要什麼」,然後在過程中不斷給反饋。

這不是學程式,這是學溝通。而溝通這件事,你一定比你想的擅長。當某個功能不對勁時,你自然會說「這邊怎麼怪怪的」,或者「我需要它自動做X這件事」。AI會根據你的描述去調整。慢慢地,你就成了一個在AI和你的實際需求之間的橋樑。

說得更直白一點:你的「不專業」其實是你最大的武器,因為那代表你站在真實使用者的角度。

▋ 安全性和模型智力的問題?它們會被解決

我也聽過一些關於AI的擔憂,比如資安問題、模型的邏輯漏洞之類的。這些都是有效的疑慮,但老實說,這些問題會慢慢被解決。技術總是在進化的。

真正需要時間培養的,不是技術本身,而是你跟AI之間的默契。這東西沒辦法速成。你得從一個小的、簡單的專案開始,在那個過程中逐漸互相了解,彼此建立信任。然後慢慢地,你們就能一起挑戰更大的、更複雜的任務。就像任何關係一樣,需要時間和耐心。

▋ 那股獨特的幸福感,你得自己體驗才懂

我要老實跟你說,這是我最近才真正感受到的:當你靠著Vibe Coding,把那些原本在腦子裡亂飛的、奔放的想法,一個一個地變成現實時,那種感覺不一樣。

我現在常常在某個午後,默默地喝著咖啡,看著Claude Code在螢幕上一行行地執行著我想要的程式。那些原本只是模糊的「啊,如果能這樣就好了」,變成了實實在在能用的東西。我沒有自己動手寫一行程式,但這些成果確實來自我和AI的協作。

有時候我會聽到一些新的想法,或者看到某個問題的解法,我就直接跟Claude說:「欸,我想試試這個」。幾秒鐘後,代碼就生成了。然後我們一起調整、優化、完善。整個過程裡,我是策略家,AI是執行者,而我們共同塑造了最後的成果。

這種感覺,說起來可能有點肉麻,但真的是人生中最幸福的事情之一。

▋ 你也可以嘗試走上這條路

我之後還會分享更多Vibe Coding的技巧和方法。但現在我只想告訴你:如果你也有機會,不妨試試看這樣的合作方式。不要被「我不會寫程式」困住。反而,去擁抱這個角色,去和你選擇的AI一起成長。

從一個小專案開始,慢慢地熟悉彼此。你會發現,你並不是在學程式,而是在學一種全新的、更聰慧的工作方式。而最棒的是,這套方式對所有人都開放,不管你的背景是什麼。

那獨特的關係,那種一邊品著咖啡一邊看著想法變成現實的感受,真的值得你去體驗看看。

Read more

Claude 的 Project、Skill、Connector 到底怎麼分?一次搞懂三者的關係

Claude 的 Project、Skill、Connector 到底怎麼分?一次搞懂三者的關係

很多人問我,在 Claude 裡面,Project、Skill、Connector 這三個東西到底差在哪裡? 什麼時候該用哪一個? 老實說,我一開始也搞得很混亂。 但實際用了一段時間之後,我發現其實邏輯很簡單。 先從最基本的開始:Connector 是對外的資料來源 如果你需要從外部拿資料,比如說接 Google Calendar、接 Notion、接你自己的資料庫,你就需要 Connector。 它就是一個 MCP 的連結,讓 Claude 可以去外面抓資料回來。 沒有 Connector,Claude 就只能用它自己知道的東西,沒辦法碰到你的資料。 Skill 則是內部的運算邏輯 Skill 沒有辦法對外連接。 它只能在內部用 Python 或程式碼執行。 你可以把它想成是一個 Controller,專門負責處理運算的部分。 比如說,你想讓 Claude 用特定的格式改寫文章、

By Andy Lin
讓 AI 認識你 — Memory is All You Need

讓 AI 認識你 — Memory is All You Need

讓 AI 認識你 — Memory is All You Need 最近我在 Claude 上快速搭建了七大 Agent。 原因很簡單:你的助理應該是越使用越懂你。 而 Claude Project 有個關鍵功能叫 Memory,它會根據你不斷詢問的過程,主動提取記憶。 這就是我認為 AI 助手真正強大的地方。 GA 分析助手:從進階到客製化 自從我串接 GA MCP 後,這位助手已經變得非常厲害。 漏斗分析、訪客來源、異常事件追蹤、站上任何問題都難不倒它。 但我想要的不只是這些。 我希望它隨著時間,能夠對齊我的知識,知道我要什麼。 你不用想太多,不用一次設定好整個 instructions。 試著使用一週,再回頭看看 memory,你會發現它已經根據你的行為開始學習客製化了。 許多助手不需要懂老闆要什麼,但網站分析不一樣。 因為我沒有那麼多美國時間,

By Andy Lin
AGI 來臨:兩大 AI 巨頭的預測與警示

AGI 來臨:兩大 AI 巨頭的預測與警示

在近期的達沃斯論壇上,Anthropic 執行長 Dario Amodei 與 Google DeepMind 執行長 Demis Hassabis 進行了一場關於「AGI 之後的世界」的深度對談,揭示了 AI 發展的最新進展與未來展望。 AGI 時間線預測 Dario 重申了他去年的預測:在 2026-2027 年,AI 模型將能夠在諸多領域達到諾貝爾獎得主的水準。他表示目前 Anthropic 的工程師已經不再親自寫程式碼,而是讓模型來完成編寫工作,人類只負責編輯和周邊任務。他預估在 6-12 個月內,模型將能端到端完成大部分工程師的工作。 Demis 則持稍微保守的態度,認為在十年內有 50% 的機會實現 AGI。他指出編程和數學領域較容易自動化,因為結果可驗證;但自然科學領域則更具挑戰性,需要實驗驗證,且目前模型在「提出問題」和「建立理論」

By Andy Lin
讓 AI 當你的健康顧問:我用 Apple Watch 數據打造個人健康分析 Agent

讓 AI 當你的健康顧問:我用 Apple Watch 數據打造個人健康分析 Agent

最近我嘗試做了一個 Agent,專門用來分析我的身體健康狀況。 這不是什麼有商業潛力的專案,純粹是出於好奇。 我想知道現在的 AI 到底能幫我們把健康分析做到什麼程度。 資料從哪來? 要讓 AI 分析任何東西,首先得有資料。 我第一個想到的就是 Apple Health。 因為我每天戴著 Apple Watch,它本來就會自動記錄睡眠、運動、心跳這些數據。 除此之外,我也在嘗試另一個經絡檢測的儀器,有點像中醫把脈的概念,只是還沒整合進來。 我覺得如果未來能把更多資料源串在一起,應該可以做出更有意思的應用。 技術架構其實不難 我用了一個叫「Apple Health Auto Export」的 App。 這個 App 可以把健康資料透過 REST API 自動傳送到你指定的伺服器。 資料打到伺服器後,我再處理並存到 Database 裡。 接著寫一個 MCP Server,然後在

By Andy Lin