黃琪婕CHICHIEH HUANG · GEN AI

能被驗證的東西,才會進步:從 AI Coding 到我們自己的判斷力

日期2026.08.31
字數542
閱讀約 2 分鐘
黃琪婕Generative AI 產品開發 · 技術寫作
位置圖Vibe Coding河谷一帶
2 週
全圖

前幾個月我寫了一篇文章在回答一個這半年很常被問到的問題,AI 每個禮拜都在變,今天玩這個 Agent 過幾個月又換一套框架,我們到底該把時間投資在哪裡。我那時候給的答案是少追一點工具,把工作流程、踩過的坑、判斷依據這些真正屬於自己的東西,整理成 AI 讀得懂的 Memory。

這陣子又寫了一篇,是同一段時間的另一個心得,主題是可驗證性。

這幾個月我自己把建立 Memory 這套做法丟進工作流跑了一陣子,發現產出雖然變完整了,但我拿去用之前還是會習慣整份重看一遍,時間根本沒省下來多少。後來才發現,卡住的地方在於我塞進 Memory 裡的都是「該怎麼做」,但我真正在檢查的其實是「這樣到底算不算做好」,AI 有了脈絡,但它沒有我的驗收標準。

後來剛好讀到李開復問,為什麼這一波 AI 裡 AI Coding 這麼早爆發,為什麼偏偏是程式設計。

他說:因為 Code 可以被驗證。

這句話乍看很簡單,但我後來愈想愈覺得,它背後講的事情其實遠遠超過了寫程式本身。

想想看我們敢讓 AI 整理逐字稿,卻不太敢讓它回客戶信。這兩件事的難度其實差不多,差別在逐字稿錯了你掃一眼就知道,客戶信要等對方的反應才知道,而那時候已經來不及了。

你把 AI 放在哪裡,其實反映的是你自己的驗證能力邊界,跟 AI 的能力沒什麼關係。

順著這個「驗收標準」的脈絡往下想,最後就整理成了這篇文章。謝謝 Muyueh Lee 這兩次的邀稿,老實說如果不是有 deadline 逼著,這些心得大概就一直停在腦袋裡無限拖延了 😂

文章連結放在留言,推薦給同樣在煩惱怎麼把 AI 落地到工作流的朋友 👇

本段終點

這段路 542 字,走完了。

RSS 訂閱 回到地圖
電子報

下一篇寫好時,寄給你。

新文章上站時寄一封信,不寄別的。隨時一鍵退訂。

黃琪婕
測繪者

黃琪婕

做 Generative AI 產品,也把它寫成中文。最近在研究 Agent Memory,並放回 Cairn 裡實作對照。

關於我