Vibe Coding 是我最值得押注的未來技能——不會寫程式反而是你的優勢

我決定要好好談一次關於 Vibe Coding 這件事。不是因為它有多新潮或多高級,而是因為我最近才真正感受到——如果你想在未來維持生產力,這可能是你該認真投資的東西。

▋ 為什麼不是學會寫程式,而是學會跟 AI「共舞」

說實話,當我第一次聽到「Vibe Coding」這個詞時,我有點困惑。這不是什麼革命性的技術,不是新的程式語言,也不是什麼複雜的工程概念。但後來我才明白——它的重點根本不是程式本身。

Vibe Coding 的核心其實是:學會跟 AI 協作。不是用 AI 來做什麼,而是真正地跟它一起工作。這意味著你要選一個 AI,可能是 Claude、ChatGPT、Gemini,或任何你覺得溝通順暢的那一個。然後你就開始——一次又一次地跟它互動,慢慢摸透它的脾氣。

就像跟任何人共事一樣。你會學到它擅長什麼、它的盲點在哪、怎麼問它才能得到最好的回答。你開始培養默契。這是需要時間的。不可能一上來就完美配合。

▋ 你不會寫程式,其實是最大的資產

這裡我要說一件違反直覺的事。很多人聽到 AI 可以寫程式,第一反應是「那我也應該學會寫程式」。但我覺得這想法反了。

正因為你不會寫程式,你反而更清楚使用者真正的痛點是什麼。你知道自己需要什麼功能,但不會被程式的細節綁住。你能夠用最樸素的方式描述問題,這其實讓 AI 更容易理解你的真實需求。

在一來一往中,奇妙的事情發生了:你帶著對問題本身的直覺理解,AI 帶著強大的執行能力。你不是在學 AI 怎麼想,而是在教 AI 你怎麼想。然後它把你的想法轉化成現實。這才是真正的威力所在。

你的優點跟 AI 的優點,在這個過程中慢慢融合。這不是被 AI 取代,而是變成了一種新的工作方式。

▋ 關於安全性和能力的疑慮——時間會解決

我知道有人會擔心:AI 會不會出錯?它是否真的理解我的需求?這個模型聰不聰明?資料安全嗎?

這些都是合理的問題。但坦白說,這些問題大多會隨著時間被解決。模型會變更聰明,安全機制會越來越完善。這些是技術層面的事情,會慢慢改進。

但有一件事是不會自動解決的——你跟 AI 之間的默契。這只能靠時間培養。就像談戀愛一樣,再強大的人如果不磨合,也不會有好的關係。

所以我的建議是:從小的專案開始。不要一上來就想做大事。找一個小問題,試著用 Vibe Coding 的方式去解決它。在這個過程中,你們彼此建立信任。每一次的互動,你都在教 AI 如何更好地為你工作,AI 也在教你如何更精確地表達需求。

慢慢往上走。從簡單到複雜。

▋ 我在 Vibe Coding 中發現的那份寧靜

我要跟你說一個我最近才感受到的事情。

我的腦子裡一直有很多奔放的想法——某個功能、某個應用、某個問題的解決方案。有時候這些想法很興奮,有時候它們只是在腦子裡亂飛,無處可去。那種感覺滿挫折的,因為你知道有什麼東西值得被做出來,但你沒有能力把它變成真實。

然後 Vibe Coding 改變了這件事。

我現在可以把這些想法直接告訴 Claude。用最自然的方式描述我想要什麼。然後我就坐在那裡,喝著咖啡,看著 Claude Code 一行一行地把我的想法變成實際可以運行的程式。不是看著電腦做無聊的事,而是看著你的想法從虛無變成有形的、可以互動的、有生命的東西。

這是一種奇特的滿足感。也許這就是未來工作的樣子——不是孤獨地坐在鍵盤前打字,而是在一種協作中,看著你的想像力慢慢成形。

▋ 這就是我想邀請你試試的理由

我不是在鼓吹什麼新時代的烏托邦。Vibe Coding 也不是什麼銀彈。但我真的相信,如果你想在接下來的幾年裡保持生產力和創意,這是一個值得投資的東西。

不是因為它很高級,而是因為它很實用。不是因為它會改變世界,而是因為它可能改變你和工作的關係。

我後面還會分享一些 Vibe Coding 的小技巧和模式。但在那之前,我只想說:如果你還沒開始和某個 AI 建立這種「氛圍」上的協作,不妨試試。慢慢開始,小專案起手。

然後有一天,你也許會像我一樣,在某個午後,看著你的 AI 夥伴幫你執行一個想法時,心想:嗯,人生好像變有趣了一點。

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