--- title: "為什麼零技術背景的人做 AI Coding 會卡住｜老喬的AI Coding 新手指南" url: https://joelin.cc/p/8773 source: https://joelin.cc/p/8773 id: 8773 lang: zh-Hant slug: "ai-coding-xin-shou-zhi-nanlao-qiao-zheng-li-de-bit" pubDate: 2026-03-06 date_modified: 2026-03-06 updatedDate: 2026-03-06 schema_type: BlogPosting description: "很多人以為 AI Coding 的門檻在寫程式。" ai_summary: "AI Coding新手卡住的原因通常不是寫程式，而是尚未理解工程流程與軟體開發的基本工法。真正的困難在於需求定義與完成條件設定，因為軟體開發中寫程式僅佔20-30%，更多時間花在需求定義、架構設計、資料模型、流程設計、測試和整合。很多新手誤以為AI能自動完成整個系統設計，但實際上需要先把模糊想法整理成可被理解與執行的具體需求。此外，大量基礎功能已經商品化（登入、寄信、儲存、付款等），不需自己重寫，真正值得投入的是產品的核心邏輯。AI Coding的重點不是讓AI多寫程式，而是讓AI幫助把系統想清楚、把分發清楚哪些該自己做、哪些用現成模組。對零技術背景的人來說，先理解工程流程與觀念，再進入實作，會比一開始硬做更有效率。" key_facts: ["AI Coding新手常見三誤解：AI能自動設計系統、只需描述功能就完成、很多功能都需自己寫", "軟體開發中寫程式僅佔20-30%，更多時間花在需求、架構、設計、測試與整合", "很多基礎功能早已有成熟SaaS解決方案（登入、寄信、儲存、付款），不值得自己重做", "AI Coding最大困難是工程流程，不是寫程式；真正核心不是工具本身，是理解軟體工程基本工法", "新手應先掌握：把想法整理成需求、定義完成條件、判斷哪些該自己做、哪些直接用現成方案"] categories: ["商業/科技前沿參考"] tags: ["商業前沿參考"] about: - name: "AI Coding" sameAs: ["https://www.wikidata.org/wiki/Q133150082"] mentions: - name: "軟體工程" sameAs: ["https://www.wikidata.org/wiki/Q80993"] - name: "OpenAI Codex" sameAs: ["https://www.wikidata.org/wiki/Q108582200"] - name: "Claude Code" sameAs: ["https://www.wikidata.org/wiki/Q138457287"] - name: "Replit" sameAs: ["https://www.wikidata.org/wiki/Q60768699"] entity_ids: author: https://me.joelin.cc/#joe publisher: https://me.joelin.cc/#joelincc --- # 為什麼零技術背景的人做 AI Coding 會卡住｜老喬的AI Coding 新手指南 ## 摘要 AI Coding新手卡住的原因通常不是寫程式，而是尚未理解工程流程與軟體開發的基本工法。真正的困難在於需求定義與完成條件設定，因為軟體開發中寫程式僅佔20-30%，更多時間花在需求定義、架構設計、資料模型、流程設計、測試和整合。很多新手誤以為AI能自動完成整個系統設計，但實際上需要先把模糊想法整理成可被理解與執行的具體需求。此外，大量基礎功能已經商品化（登入、寄信、儲存、付款等），不需自己重寫，真正值得投入的是產品的核心邏輯。AI Coding的重點不是讓AI多寫程式，而是讓AI幫助把系統想清楚、把分發清楚哪些該自己做、哪些用現成模組。對零技術背景的人來說，先理解工程流程與觀念，再進入實作，會比一開始硬做更有效率。 ### 重點 - AI Coding新手常見三誤解：AI能自動設計系統、只需描述功能就完成、很多功能都需自己寫 - 軟體開發中寫程式僅佔20-30%，更多時間花在需求、架構、設計、測試與整合 - 很多基礎功能早已有成熟SaaS解決方案（登入、寄信、儲存、付款），不值得自己重做 - AI Coding最大困難是工程流程，不是寫程式；真正核心不是工具本身，是理解軟體工程基本工法 - 新手應先掌握：把想法整理成需求、定義完成條件、判斷哪些該自己做、哪些直接用現成方案 TL;DR 1. 很多 AI Coding 新手會卡住，通常不是因為不夠聰明，而是還沒理解工程流程 2. AI Coding 的核心，不是叫 AI 幫你多寫 code，而是先把需求與完成條件想清楚 3. 現在很多基礎功能其實早就商品化，不需要每次都自己重寫 4. 真正值得花力氣的，通常不是基礎設施，而是產品核心邏輯 5. 對零技術背景的人來說，先理解觀念，再進入流程，會比一開始硬做更有效率 適合閱讀的人 * 想用 AI 開發產品，但沒有工程背景的人 * 剛開始使用 AI Coding / Vibe Coding 工具（Codex、Claude Code、Cursor 等）的人 * 想理解軟體工程到底在做什麼的創業者 不適合閱讀的人 * 已經有多年工程架構經驗的工程師 * 想深入研究底層系統設計的人 很多人以為 AI Coding 的門檻在寫程式。 但老喬最近越來越覺得，真正卡住新手的，通常不是 code。 而是你還不知道： * 需求要怎麼整理 * 完成條件要怎麼定義 * 哪些東西該自己做 * 哪些東西其實早就有現成方案 這篇文章，老喬想先把這個最基本的誤會講清楚 ## 老喬為什麼開始研究 AI Coding 其實老喬從去年年底開始，就一直看到網路上很多人在分享 AI Coding。 很多大神會分享自己用 AI 寫程式 或是用 AI 建一個網站、做一個產品。 老喬當然也很好奇。 但問題是，老喬真的沒有工程背景。 每次打開這些工具 其實都有一種感覺： 「它好像什麼都能做」 但又好像「什麼都做不起來」。 超級挫折的 XDDD 例如我自己也買過 Replit 一開始覺得很酷 但實際用幾次之後就卡住了。 因為你會發現 工具裡面有很多東西： * Agent * 資料庫 * 部署 * 後端 * API * Github 但如果你沒有工程背景 其實很難理解它們在幹嘛。 結果就會變成一種狀況： 工具很多 功能很多 但整個流程其實沒有跑起來。 老喬後來反而是透過 GPT 一直在討論一個問題： **這整個系統到底應該怎麼被設計？** 很多人會提到一個東西： PRD (Product Requirements Document) 也就是產品需求文件。 但老實說 對一個沒有工程背景的人來說 「寫 PRD」本身就已經是一件很困難的事情。 因為你連系統怎麼運作都不知道。 這兩天老喬去參加小龍的開源聚會 再加上最近觀察一些工程師整理資料夾的方式 好像突然理解了一件事情。 AI Coding 的關鍵 其實不是寫程式。 而是**先把整個系統的結構想清楚。** 例如： * 哪些東西是產品核心 * 哪些東西是現成模組 * 哪些東西可以直接用 SaaS 當這些東西被整理出來之後 AI 才會真的開始變得好用。 這次老喬開始用 OpenAI 的 Codex / Claude Code 來幫我整理需求。 我也不知道是不是習慣的問題 但我現在反而覺得 Codex 的使用門檻 好像沒有 Claude Code那麼高。 用 Claude Code的時候 常常會有一種感覺： 「它到底在幹嘛？」 雖然邏輯上看起來差不多 但使用起來總覺得比較不順。 這可能只是老喬自己的感覺 不一定是工具本身的問題。 但這幾次實驗之後 我開始慢慢理解一件事情： AI Coding 的重點 不是讓 AI 自己寫完所有東西。 而是先把系統拆解清楚 讓 AI 知道： 哪些地方要寫 哪些地方不用寫。 ## 為什麼老喬習慣說 AI Coding 業界其實很常講一個詞： Vibe Coding 但老喬身邊很多朋友 其實都不是工程背景。 每次提到 Vibe Coding 大家其實都不知道那是在講什麼 所以在這篇文章裡 老喬比較習慣用一個比較直白的說法： **AI Coding** 意思其實很簡單： 用 AI 來協助寫程式 或建立產品。 對一般人來說 這個說法會更容易理解。 有時老喬會開玩笑的說 Vibe Coding 就是讓 AI 用魔法變出你想像的東西 專業詞也沒有那麼複雜 就是 AI 幫你用 Coding 魔法就對了 所以在這篇文章裡 老喬會用 AI Coding 這個詞 來描述這整個開發方式。 本文關鍵字 * AI Coding * AI Coding 新手 * AI 寫程式流程 * AI Coding 新手指南 * Vibe Coding 延伸性關鍵字 * Backend as a Service ## 一、AI Coding 新手最常見的三個誤解 很多人第一次接觸 AI Coding 時 會有幾個很常見的誤解。 ### 第一個誤解是：AI 可以自己把整個系統設計好。 但實際上，AI 很擅長寫程式 卻不一定知道你的產品到底要長什麼樣。 ### 第二個誤解是：只要描述功能，AI 就會自動把產品做完。 但實際操作後 很多人會遇到另一個問題： AI agent 開了一堆 * 前端 agent * 後端 agent * 資料庫 agent * 網路 agent 結果整個專案變成一直貼來貼去的對話。 ### 第三個誤解是：很多功能都要自己寫。 事實上，現在很多基礎功能 早就已經有成熟的解決方案。 所以 AI Coding 並不是取代軟體工程的方法 而是**加速原本的工程流程。** ## 二、軟體開發的核心其實不是寫程式 很多沒有工程背景的人會以為 軟體開發的主要工作是寫程式。 但實際上，在很多工程團隊裡： 寫 code 的時間 可能只占 20% 到 30%。 更多時間其實花在： * 需求定義 * 架構設計 * 資料模型 * 流程設計 * 測試 * 整合 所以在 AI Coding 的時代 最重要的能力其實不是寫 code。 而是**把需求定義清楚。** 在工程裡，這通常叫做： Specification（Spec） 也就是說 你真正要先學的 不是怎麼讓 AI 幫你多寫一點 code。 而是： * 你到底要做什麼 * 這一版不做什麼 * 做完之後長什麼樣子 * 怎樣才算真的完成 很多新手卡住 其實不是工具不夠強 而是這一層還沒有想清楚。 對很多零技術背景的人來說 這其實是一個很重要的轉折。 你不需要一開始就學會寫程式。 但你需要先學會一件事： 怎麼把模糊的想法 整理成可以被理解、被執行、被驗收的需求。 ## 三、AI Coding 真正難的地方，不在工具 後來老喬慢慢發現 問題其實不是工具。 而是**軟體工程本來就有一套基本工法。** 如果沒有先理解這套基本工法 你就很容易出現一種狀況： 工具很多 功能很多 名詞很多 但整個專案就是動不起來。 所以 AI Coding 最重要的 不是一開始就選哪個模型最強 也不是一開始就開很多 agent。 而是先理解一個更基本的問題： **你到底在解什麼問題** **哪些東西應該自己做** **哪些東西其實可以直接用現成模組。** 這也是老喬後來慢慢理解的事： AI Coding 不是「AI 幫你寫程式」這麼簡單 它其實是一種新的產品開發方式。 ## 四、很多基礎功能，其實早就不用自己重寫 這也是老喬後來比較有感的一個地方。 在工程思維裡 有一類東西其實可以理解成： 商品化功能 也就是已經很成熟 到處都有供應商 不值得每次都從零開始重做的功能。 很多新手一開始都會以為： 登入系統要自己做 寄信系統要自己做 資料儲存要自己做 付款也要自己做 但後來會發現 這些東西很多都已經有成熟方案。 例如： * Login * Email * Storage * Payment 所以真正要思考的 不是「怎麼從零開始寫」 而是： 哪些東西是商品化功能 哪些東西才是你的產品核心 當這個邏輯一清楚 AI Coding 就會突然變得比較合理。 因為你不再是叫 AI 從零造輪子 而是讓 AI 幫你整理、串接、實作真正重要的部分。 ## 五、這個系列接下來會寫什麼 如果你看到這裡 大概已經會理解一件事： AI Coding 真正的難 不是工具本身 而是工程流程。 所以這個系列接下來 不會急著講哪個模型最強 也不會急著講哪個工具最好用。 老喬會往下拆三件更實際的事： 第一 新手到底該怎麼整理需求 第二 AI Coding 的最小工程流程應該怎麼跑 第三 Planner、Integrator、Builder 這三個 Agent 到底該怎麼分工 第一篇，也就是這篇 先回答一個最基本的問題： **為什麼很多沒有工程背景的人** **一開始做 AI Coding 會卡住** 第二篇 會開始拆 AI Coding 的最小工程流程 例如： 需求怎麼整理 為什麼一開始不要開太多 Agent 什麼叫最小可行流程 哪些功能應該自己寫 哪些功能應該直接買 第三篇 再往下拆三個 Agent 的實際工作方式 也就是： Planner Integrator Builder 它們各自應該負責什麼 要怎麼分工 又要怎麼避免一直貼來貼去 這樣整個系列 就會從： 概念 流程 實作 一步一步往下走。 ## 結論 所以老喬現在越來越覺得： AI Coding 最容易讓人誤會的地方 不是它太難。 而是它會讓人以為 只要會講需求 產品就會自己長出來。 但真實世界不是這樣。 需求沒有被整理 完成條件沒有被定義 哪些東西該自己做 哪些東西可以直接用 如果這些事情沒有先想清楚 再強的工具 也只是把混亂放大。 AI Coding 的真正價值 不是讓每個人都變成工程師。 而是讓更多人可以 把想法變成產品。 但前提是 先理解軟體工程的基本工法。 很多人以為 AI Coding 的重點是寫程式。 但老喬現在的理解是： **AI Coding 真正困難的地方** **其實不是 code** **而是把系統想清楚。** ## Key Takeaways 1. AI Coding 最大的困難，通常不是寫程式，而是需求定義與工程流程 2. 很多新手卡住，不是因為不夠聰明，而是還沒理解軟體工程的基本工法 3. 多數基礎功能早就有成熟 SaaS，不需要每次都自己重寫 4. AI Coding 最值得花力氣的，通常不是登入、寄信、付款這些基礎功能，而是產品真正的核心邏輯 5. 對零技術背景的人來說，先把觀念想清楚，再進入流程與實作，通常會比一開始硬做更有效率