主題：AI編程與傳統編程的區別
1 / 10

程式設計的演進之路

從機器語言到高階語言再到 AI 程式設計，程式設計語言的發展史是一部不斷降低門檻、提升效率的演進史

01
機器語言時代
1940s-1950s
02
組合語言時代
1950s-1960s
03
高階語言時代
1960s 至今
04
AI 程式設計時代
2025年+
"程式 = 資料結構 + 演算法"
— 尼克勞斯·維爾特 (1976)
講者備註：
2025年2月，OpenAI 提出 Vibe Coding，借助大語言模型用自然語言描述需求，AI 自動生成代碼。程式設計更接近自然語言表達。
← →SpaceN 備註
AI 編程時代
核心觀點：思維與開發模式轉變
2 / 10

思維與開發模式的根本轉變

從「如何編寫代碼」轉向「如何精准地表達需求」和「如何有效約束 AI 行為」

傳統程式設計

程式師是「代碼製造者」

  • 需要深入理解並親手實現每一個邏輯細節和演算法
  • 通過程式設計語言與計算機對話
  • 專注於「如何實現」
手動編碼

AI 程式設計

程式師是「AI 提示詞設計師」和「結果審查者」

  • 用清晰、具體的自然語言與 AI 溝通
  • AI 負責代碼生成，人負責品質把關
  • 專注於「要什麼」而非「怎麼做」
自然語言描述
核心任務從「如何編寫代碼」轉向「如何精准表達需求」
講者備註：
角色從「代碼製造者」轉變為「AI 提示詞設計師」和「結果審查者」，核心能力從編碼轉向需求表達和 AI 協作。
思維與開發模式
實踐：生成 PRD 的價值
3 / 10

先聊需求再寫程式碼

生成 PRD 的價值

  • 確保 AI 對目標有清晰、準確的理解
  • 防止 AI「跑偏」，導致大量重構和返工
  • 在後續開發過程中作為重要參考文件
  • 幫助團隊達成共識，減少溝通成本
與 AI 反復運算 PRD

需求不明確的風險

如果需求不明確，AI 可能會「跑偏」，導致：

方向錯誤

延誤進度

大量返工

「需求明確，開發事半功倍」
講者備註：
示例流程：初步描述 → 提供細節和參考 → 生成 PRD → 反復確認。每一步都讓 AI 更準確理解需求。
PRD 驅動開發
展望：未來發展趨勢與結論
4 / 10

AI 程式設計的發展趨勢與結論

L1
對話助手
基礎階段
L2
人機協作
當前
L3
專案級自動化
2025
L4
AI 軟體工程師
2026
L5
AI 開發團隊
2027

+88%

生產力提升 (GitHub)

AI 處理重複性任務，開發者專注架構設計與創新

L2→L3

技術演進方向

AI 程式設計降低門檻，技術平權時代的重要籌碼

新角色

職業發展新路徑

從編碼者到問題解決者：Prompt 工程、AI 代碼審查

AI 程式設計是不可逆轉的革命，擁抱 AI、精准表達需求，將成為未來開發者的核心競爭力
講者備註：
借鑒自動駕駛分級理念，AI 程式設計分為五個級別。目前大多數工具處於 L2 人機協作階段。成為人機協作新範式的引領者，才能在技術變革浪潮中抓住機遇。
發展趨勢與結論
注意：局限與挑戰
5 / 10

AI 程式設計的局限與挑戰

AI 程式設計非「銀彈」，它在帶來巨大變革的同時，也伴隨著一系列挑戰

「讀懂代碼」的能力依然重要

在 AI 時代，雖然不一定需要「寫」代碼，但「讀懂」代碼的能力變得尤為重要。開發者需理解代碼運行機制，對技術有所瞭解，才能有效審查 AI 生成的代碼。

程式設計基礎仍是門檻

AI 生成代碼的品質挑戰

GitClear 2025 年報告指出：

  • AI 生成的代碼重複塊頻率增長了 8 倍
  • 代碼流失指標翻倍
  • 在品質和長期規劃方面仍有顯著挑戰
需要人工審查
「AI 程式設計不是替代，而是需要人機協作的新範式」
講者備註：
複雜商用產品難以一蹴而就。AI 程式設計工具需要開發者不斷試錯、進行細節調整。
局限與挑戰
方法論：Vibe Coding
6 / 10

Vibe Coding (氛圍驅動)

核心邏輯及作用

模糊需求
⇅
即時反饋
  • 核心作用：釋放創造力，快速探索解法，進入心流狀態
  • 適用範圍：原型設計、獨立開發、創意專案

vibe 範例

  • 使用單一 HTML 檔案（含 CSS + JavaScript）
  • 畫面中央顯示聊天視窗
  • 支援：
    • 使用者輸入文字
    • 顯示使用者與機器人訊息氣泡
    • 按 Enter 送出
  • 風格：繁體中文介面、對話氣泡圓角

開發流程

Prompt (提示)
↓
Code (程式碼)

直接從提示到代碼
快速迭代

講者備註：
Vibe Coding 適合快速原型和創意探索，讓開發者進入心流狀態，快速驗證想法。
Vibe Coding
方法論：Spec Coding (SDD)
7 / 10

Spec Coding (SDD)

核心邏輯及作用

模糊的需求
↓
標準規格文件
↓
規範開發流程
  • 核心作用：約束 AI Agent 行為，使其遵循規範軟體開發流程
  • 適用範圍：複雜專案、團隊協作

典型實施結構

├── spec/
├── requirements.md 需求文件
├── design.md 技術方案
└── tasks.md 任務清單

參考工具：speckit.org
github.com/nextlevelbuilder/ui-ux-pro-max-skill

開發流程

分階段工程化流程

Prompt
↓
Requirements
↓
Design
↓
Tasks
↓
Code
講者備註：
Spec Coding 適合複雜專案和團隊協作，通過標準規格文件約束 AI 行為，確保開發品質。
Spec Coding
策略：產品打法思路擴展
8 / 10

產品打法思路擴展

1
需求挖掘
標準化、自動化
2
市場驗證
標準化、自動化
3
營銷｜運營
標準化、自動化
4
超級單品打磨
標準化、自動化

1需求挖掘智能體

看榜單、追熱點、挖新詞、競品＆三方平台的評論、不只SEO/GEO也挖詞、區分不同國家

2應用生產智能體

歸到「超級單品」邏輯、AI程式MVP快速上線、產品矩陣：橫向+縱向、創意到上線集成支付、部署等 app、web、外掛、小程序等

3營銷獲客智能體

細分、SEO營銷、GEO營銷、帳號批量註冊+發布內容等

4智能體集

洞察智能體、應用工廠、營銷智能體、合規及本土化智能體等、極致挖掘細分需求、投流-公域推廣、本土化運營、渠道對接

講者備註：
AI 時代產品打法的核心是標準化和自動化，從需求挖掘到產品打磨的全流程智能體協作。
產品打法
框架：人機協作四象限
9 / 10

OPC/AI 超級個體的人機協作四象限

發揮 10倍能效

第二象限

人主導 + AI輔助（打雜）
e.g. 商務談判-搜索、產品創意

第一象限

AI優先處理 (80%) + 人輔助 (20%)
e.g. 產品財務分析、合同審核

第三象限

人工處理
e.g. 產品使用者/客戶安撫

第四象限

AI處理
e.g. 產品報表生成

Y軸: 重複性（低→高）  |  X軸: 複雜度（低→高）

OPC/AI 超級個體核心能力

複雜度拆解能力
人機邊界劃分能力
Agent 編排與指揮能力
講者備註：
根據任務的複雜度和重複性，合理劃分人機協作邊界，讓 AI 處理高重複性任務，人專注於高價值決策。
人機協作四象限
結語：不負時代
10 / 10

不負時代，做難而正確的事

🎯 實事求是

前途光明，道路曲折。工程化深入場景的苦，是構建壁壘的必經之路。

📊 里程碑思維

不要追求一步到位。先建10個網站，再去想自動化、規模化。

👤 重新理解一人公司

AI 讓你幹5個「活」（任務），但難承擔5個「角色」（線程切換）。警惕精力耗盡，盡早組建專業團隊。

📋 編程流程

AI 編程完整流程總結 · 點擊查看詳細步驟 →

AI時代為小團隊提供了新機遇。
腳踏實地，通過AI內容工廠實現流量獲取和商業變現。
講者備註：
AI 時代的機遇需要腳踏實地去把握，先跑通流程再追求規模化，組建團隊擴大影響力。
結語