這兩週採用「氛圍程式設計」(Vibe Coding) 開發爬蟲專案,不手動撰寫任何一行程式碼的方式。這段經驗帶給我三個心得: (1) 使用 AI 開發工具讓開發者從純寫程式的角色,轉變為專案指導員,負責規劃架構、測試程式碼並把關品質; (2) 其次,清晰明確地與 AI 溝通問題所在,比籠統描述能大幅提升協作效率;(3) 最後,將大型專案早期拆分為小模組,不僅提升可維護性和測試效率,還能避免 AI 對話因檔案過大而中斷。也避免加了 A 功能,卻壞了 B 功能。
![]() |
Photo by Christina Morillo on StockSnap |
最近幫社群成員用 AI code 開發爬蟲專案,事前評估資料抓取難度不高,所以我刻意選擇不熟悉的技術框架,並先撰寫規格文件讓 AI 理解需求。全程採用「氛圍程式設計」 (Vibe Coding),不人工撰寫任何一行程式碼的方式開發。
🦉「氛圍程式設計」是依賴人工智慧(AI)的程式設計方式,使用者可以透過「自然語言」向大型語言模型(LLM)描述問題(例如用幾句話表達需求)。語言模型會生成程式碼,將程式設計師的角色從手動撰寫程式碼轉變為指導、測試和精煉 AI 生成的程式碼。(資料來源:維基百科)
工具選擇
一開始使用 Cursor 企圖一次產生全部程式碼,但很快用完免費額度,只好放棄生成到一半不完整的程式碼。轉而使用已付費的 Claude,再手動將代碼貼回熟悉的 IDE 環境。如果有其他 AI 工具推薦,歡迎直接留言。
AI 寫扣花時間的地方
原本預期一個週末就能完成的專案,最終花了兩個週末。我認為耗時的主要原因是:
1. 即使網頁已成功抓取,但在資料結構化過程中,常出現欄位錯誤或空白情況,需要人為介入並引導 AI 避免提供過於複雜的解法。
2. 需要將資料處理流水線拆分成多個階段,每階段完成後可以暫停檢查,避免一次執行整個流程時出錯卻難以定位問題所在。
3. 面對數千筆資料,原本採用線性處理方式(每筆耗時數秒)。為提高效率改用多執行緒,在完全靠 AI 生成程式碼,就會需要提供完整情境 (context),例如資料結構、錯誤訊息協助 AI 理解問題。仍然與 AI 來來回回溝通修改將近十次,這部分的溝通很耗時間。
使用 AI 開發的便利之處
1. 增加可維護性:大型專案早期即拆分為小模組,使後續維護和功能擴充更為便捷,減少「改 A 錯 B」的情況。將原本一個超大程式碼檔案拆分,也可以避免在與 AI 對話過程,因為檔案太大,消耗太多 token 導致產生對話過程突然中斷。
2. 文件與程式碼同步更新:傳統開發中專案文件容易停留在舊版本未更新,而使用 AI code 則可在功能穩定後要求 AI 更新文件,保持文檔的即時性。
3. AI 能快速有效地撰寫單元測試:當程式碼專案模組化,可以更有效率地針對不同模組撰寫單元測試。
「如果 AI 只寫程式碼不寫單元測試,人類就會淪為 AI 產出的品質檢測員。」
小結
使用 AI code 讓你從純粹的開發者角色,轉變為類似管理職的指導員角色。雖然不親自動手寫程式碼,但是需要引導規劃程式碼、檢查與測試程式碼、保關最終產出的品質。
有一次當我請 AI 檢查資料問題,卻收到「資料沒問題」的回覆時,讓我理解了以前聽到老闆說「資料怪怪的」卻又未明確指出問題所在的那種感受。明確指出資料錯誤或是如何找出錯誤的方式,才能有效地找出問題。
使用 AI 可以期待它提供你沒想過的思考或執行方式,突破原本工作的框架。但是什麼是好的專案成果,則需要人的最終把關。
留言