熱血漢誌 - 技術新鮮人到技術經理人，必懂的事

整理一下與總結重點介紹在軟體開發中使用 AI 程式碼生成和提示工程的主要主題、重要概念和實用建議。 主要主題 因為太多資料都在描述不同的方向，這邊描述對於 vibe coding 和 prompt engineering 的過程中給予大家的方向，主要圍繞以下幾個核心主題： Prompt engineering 重要性 ： 強調精心設計的提示對於從 AI 模型獲得高品質、相關和可操作程式碼輸出的關鍵作用。 AI 輔助開發工作流程 ： 概述了軟體工程師如何將 AI 工具無縫整合到他們的日常開發任務中，從綠地專案到現有程式碼庫的增量修改。 程式碼生成與 Vibe Coding ： 定義並區分了 AI 程式碼生成中的不同參與程度，從 AI 作為「副駕駛」到「Vibe Coding」中的 AI 作為「飛行員」。 最佳實踐與技巧 ： 提供了一系列實用的策略，用於優化與 AI 模型的互動，包括情境提供、任務分解、錯誤處理和程式碼審查。 工具與資源 ： 列出了當前市場上可用的各種 AI 程式碼生成工具，以及有影響力的開發人員和額外學習資源。 挑戰與考量 ： 討論了使用 AI 程式碼生成時的潛在陷阱，例如幻覺、速率限制、上下文管理以及協作工作流程的缺乏。 核心概念與事實 1. 提示工程的重要性與基礎 定義 ： 提示工程被定義為從 AI 編碼助手獲取最佳輸出的關鍵技能，因為「AI 的輸出品質在很大程度上取決於您提供的提示品質。」 (Addy Osmani, "The Prompt Engineering Playbook for Programmers")。 連續改進 ： 提示工程是一個持續改進的迭代過程。「提示工程是關於持續改進。您需要建立和測試不同的提示，分析和記錄結果，根據模型的表現調整您的提示，並不斷實驗，直到您獲得所需的結果。」 (Lee Boonstra, "Documenting Your Prompts a Best Practice for Success")。 文件記錄 ： 記錄提示被認為是「絕對的救命稻草」 (Lee Boonstra)。建議使用工具（如 Google Sheet）追蹤提示及其輸出、模型版本和設定。「這樣，當您需要重新審視舊工作、測試提示在新模型版本上的表現或解決問...

除了 Vibe Coding 之外，越來越多 AI 工具和 AI 應用因應而生，目前都還是屬於戰國時代，在這段過程中，所看見的未來，會是人與 AI 進行協作這是肯定的方向，這在程式開發已經被證明。 接下來最趨近於市場的部分，莫過於行銷，行銷如何採用 Vibe 的方式進行整套組合拳，也是越來越清晰，有鑒於越來越多人在討論，這邊也將整體的資訊進行一個整理，給予未來希望一人創業，或者在市場上奮鬥的各位。 利用 AI 進行行銷。人們稱之為 Vibe Marketing(行銷) ，而且做得非常成功。而我認為更多人可以這麼做，大家只是不知道方法，不了解有哪些不同的工作流程，不知道該用哪些工具，也不知道從何開始。 坦白說，這真的讓人不知所措。更不用說，還有一群人對這些工作流程和工具保密。網路上有許多關於 Vibe Marketing 亂七八糟的權威指南，但找不到任何非付費的內容(幾乎都是付費項目，但付費之後你真的會發現，還真的還沒什麼）。 所以，那就將這些流程公開，反正會做的就會做，讓所有人都能聽到、看到。 這篇文章主要是對 Vibe Marketing領域中該關注哪些工具有深刻的理解，並知道如何為你正在打造的任何東西吸引顧客。 這邊可以提供給你一些有用的流程，概念，工具和提示詞 (prompts)，給你所有 秘訣 ，幫助你了解如何開始。相信這將會改變你對於在現今時代建立新創公司的看法。 Vibe Marketing指南 最核心的問題，如何用 AI 獲得你的第一批客戶！ 什麼是 Vibe Marketing？ Vibe Marketing   這一概念最早由   Greg Isenberg  提出 ，他將這一思維延伸並創造出“Vibe Marketing”一詞，主張可以將傳統營銷流程的開發周期大幅壓縮，實現前所未有的效率提升。 Greg Isenberg 也是最早將 “Vibe Coding” 概念應用於軟體開發領域的人之一，並將這種以 AI 為核心、強調快速迭代和氛圍感知的思路推廣到行銷領域，形成了 Vibe Marketing 這一新興模式。 Vibe Marketing就是新的行銷模式。那什麼是 Vibe Marketing呢？基本上，如果你聽過「Startup Ideas」這個 podcast，...

這份訪談的內容實在太棒了， 將整份 Lenny 訪談   Maor  podcast 內容進行整理 ，分享給正在水深火熱，或者正在 AI 潮流中載浮載沉的大家有個可行性方向。 同時也印證之前 solopreneur 及 1 人 BU 模式 其實會逐漸發生，想了解更多，歡迎先將這篇文章讀完。 在科技創業的激烈世界中，一個六個月內從零到估值八千萬美元的故事聽起來像天方夜譚。但這正是以色列獨立創辦人 Mayor Schlommo 和他的 AI 應用程式建構平台 Base 44 所寫下的真實篇章。他沒有募集任何外部資金，在大部分時間裡獨自奮鬥，甚至在過程中經歷了兩次戰爭。他的旅程，是無數創辦人夢寐以求的藍圖。 這篇文章將深入剖析 Mayor 的訪談，揭示他如何將一個簡單的想法，變成被產業巨頭 Wix 收購的成功企業。內容涵蓋他的創業初衷、獨立創辦人的生存法則、從零到數十萬用戶的火箭式成長策略、以及讓他能極速開發的技術秘密。 開端：一個解決身邊問題的夢想 一切的起點並非宏大的商業計畫，而是源於生活中的真實需求。Mayor 的藝術家女友需要一個網站來獲取客戶，而傳統的網站建構工具既繁瑣又缺乏彈性。同時，他為以色列童子軍組織提供志工服務時，發現他們因缺乏開發資源，許多簡單的軟體需求都需付出高昂的委外成本。 曾擔任數據公司 Explorium 執行長並募資超過 1.3 億美元的 Mayor，深知大型語言模型（LLM）的潛力。他意識到：「我知道模型可以寫出這些程式碼，它們只是缺乏合適的基礎設施。」這個洞見點燃了他的熱情。他決定放下過去管理大公司的重擔，重拾他最熱愛的「動手建造」，為身邊的人解決問題。Base 44 就此誕生——一個讓任何人都能透過自然語言描述，快速建構功能完整應用的平台。 獨行俠的力量：獨立創辦人的超能力與挑戰 在長達近六個月的時間裡，Mayor 都是單打獨鬥。他認為，對於有潛力病毒式傳播的消費性產品，獨立創辦並白手起家（Bootstrapping）是絕佳的選擇。 優勢： 更高的財務回報： 無需稀釋股權，創辦人能保留絕大部分的成果。 更低的心理壓力： 不用對投資人負責，能更專注於打造盈利且可持續的業務，實現「預設存活 (Default Alive)」。 挑戰： 巨大的壓力與孤獨： 從伺服器...

CideKick 強調製造產業的數位整合，完全開源、免費，支援多語言，並可自由使用 Gemini 或 OpenAI 大型語言模型 API Key。非常適合製造業等企業場景，並特別強調開放性與彈性。 本專案參考了 Cluely 的功能設計，結合 Cheating Daddy 與 Glass 等優秀開源專案的理念，進行整合與優化，為製造業提供實用的 AI 助手工具。 https://github.com/cympotek/cidekick 以下是 Cluely、Cheating Daddy、Glass 和 CideKick 的對比列表，涵蓋開源/商業化、主要定位、技術亮點、LLM 支援和社群背景等關鍵資訊： 桌面 AI 助手專案對比 產品名稱 開源/商業化 主要定位/特色 技術亮點/功能 LLM 支援 社群/投資背景 Cluely 商業化（$20/月訂閱） 桌面 AI 助手，主打「作弊」場景，主動多模態支援 螢幕監聽、歷史筆記需付費、閉源 未公開 a16z 投資，爭議行銷 Cheating Daddy 開源 即時 AI 助手，螢幕擷取 + 音訊分析，會議/面試輔助 免費、社群驅動、彈性客製化 未公開 Glass 上游專案 Glass 開源（GPL-3.0） 桌面「數位心智擴展」，極致隱私與隱形，會議場景極強 不出現在螢幕錄影/截圖/Dock 欄，主動摘要與答疑 OpenAI Y Combinator 支持，社群活躍 CideKick 開源 製造業 AI 助手，多語言支援，彈性 API Key 配置 Gemini/OpenAI 可選，官方免費 Key，多語言支援 Gemini、OpenAI 強調開放、無門檻、社群驅動 簡要說明 Cluely ：閉源、付費牆明顯，主打「作弊」場景，商業化運作，市場爭議大。 Cheating Daddy ：開源、免費，專注於會議/面試場景，Glass 的上游專案。 Glass ：由 Y Combinator 支持的 Cheating Daddy 分支，極致隱私與隱形，主打「數位分身」理念，社群活躍。 CideKick ：你們的專案，開源、免費，支援多語言和多種大模型 API Key，適合製造業等企業場景，強調開放與彈性。 ...

大型語言模型（LLMs）的互動方式已從簡單、靜態的提示迅速演變。最初，使用者主要專注於精心設計的指令，以獲得即時回應 。然而，隨著LLMs能力與複雜性的提升，對於更精密的引導方法以確保可靠輸出的需求日益顯著 。這種轉變標誌著從單純的「提示設計」邁向更全面的「上下文管理」典範。 提示工程作為最初與LLMs有效溝通的學科應運而生，它涉及仔細措辭查詢、指定風格，並提供基本上下文或範例 。諸如「思維鏈」（Chain-of-Thought, CoT）和「上下文學習」（In-Context Learning, ICL）等技術被開發出來，旨在增強模型推斷能力，並使其無需額外微調即可適應新任務 。 上下文工程 (Context Engineering)是人工智慧開發中的一門新興學科，專注於設計系統，能動態地為大型語言模型（LLM）提供完成任務所需的精確資訊、工具與指令。 這種方法遠遠超越傳統的提示工程（prompt engineering），後者通常僅是撰寫一個靜態提示詞。而上下文工程則包含對 所有資訊的系統性、動態策劃與管理——包括指令、使用者輸入、記憶、外部知識、工具定義、結構化輸出等——在 LLM 產生回應前給予模型所需的一切。 提示工程：奠基之石 提示工程是與LLM有效溝通的起點。它強調文字措辭、角色扮演以及提供少量範例等技巧，透過技術如： • 思維鏈（Chain-of-Thought, CoT）： 促使模型以中間步驟推理、解題，提升多步驟任務表現。 • 上下文學習（In-Context Learning, ICL）： 模型從提示中的少量範例暫時性學習，適應新任務。 • 基於角色的提示： 指定模型模擬特定角色的語氣與專業程度。 • 動態提示： 根據任務狀態與模型輸出調整提示內容與順序。 • 指令與上下文分離： 把指令與背景資料分開，保持清晰結構。 然而，這些提示依舊是靜態、手工製作，當面對長對話、動態場景或巨量資料時，便顯現出適應性不足、可擴展性差與高維度變異性的挑戰。 上下文工程：協調AI的舞台 上下文工程不僅設計一條提示，而是搭建整個互動環境。它結合了多項技術與組件： • 系統提示/指令： 設定AI的行為與任務目標。 • 短期記憶（聊天歷史）： 提供最近對話上下文。 • 長期記憶（知識庫）： 維持跨...

在人工智慧技術迅速發展的今日，教育正面臨前所未有的變革。傳統的知識傳授模式已無法滿足未來世界的需求，我們必須重新思考：在AI能夠處理大量資訊、自動化許多工作的時代，我們的孩子需要具備哪些獨特的能力才能在未來脫穎而出？將深入探討AI時代必備的未來能力，為家長和教育工作者提供全面的指導方向。 世界經濟論壇權威預測：未來十大關鍵技能 根據世界經濟論壇（WEF）最新發布的《2025未來工作報告》，預計到2030年將有39%的核心技能發生重大變化 1 。這份基於全球超過1,000家企業調查的權威報告，明確指出了未來職場最重要的十項技能。 分析性思維 位居榜首，近70%的企業認為這是不可或缺的能力[^1]。緊隨其後的是 韌性、靈活性與敏捷性 ，以及 領導力與社會影響力 ，顯示在快速變遷的環境中，適應力與協作能力的重要性不亞於專業技能[^1]。 創意思維 與 動機和自我意識 分別位居第4和第5名，突顯出解決問題的創新力以及自我管理的重視[^1]。第6到10名的核心技能依序為：技術素養、同理心與積極傾聽、好奇心與終身學習、人才管理及服務導向與客戶服務[^1]。 世界經濟論壇發布的AI時代未來十大關鍵技能排行榜，顯示分析性思維位居首位 這些技能反映了技術專業能力、人際溝通能力、情商，以及對持續學習的承諾，正逐漸成為新時代不可或缺的競爭力指標[^1]。 AI時代孩子必備的六大核心能力 經過深入研究分析，我們可以將AI時代孩子需要的能力歸納為六大核心能力域，每個領域都有其獨特的重要性和培養重點。 AI時代孩子必備的六大核心能力雷達圖，認知思維和學習能力得分最高 認知思維能力 核心技能 ：分析性思維、批判性思考、系統思考 在AI時代，當機器能夠快速處理和分析大量資訊時，人類獨特的認知思維能力變得更加珍貴。孩子需要學會 獨立思考 ，不被AI生成的內容所迷惑，具備質疑和理性思考的能力 2 。 批判性思考是「對事實證據的理性、懷疑和不帶偏見的分析或評估」 3 。當AI能夠快速提供各種答案時，孩子必須擁有辨別資訊真偽、檢驗邏輯的能力[^3]。 培養重點 ： 培養邏輯推理和獨立思考能力 學會質疑和驗證資訊來源 發展系統性分析問題的方法 學習能力 核心技能 ：終身學習、自主學習、反思能力 在知識更新速度以十...

寫在最前頭，這份文章主要寫起來是給自己看， 同時內容是比較適合開發者，工程師們可以做些自動化處理的簡單筆記。 Claude Code hooks Claude Code hooks 是一種強大的自動化機制，允許用戶在 Claude Code 的不同生命週期階段，自定義執行 shell 指令。這種設計讓開發者能夠將規則和自動化行為嵌入到應用層級，確保每次都能可靠執行，而不必依賴 LLM（大型語言模型）是否會選擇執行某項操作。 Hooks 的核心用途 通知 ：自訂收到 Claude Code 等待用戶輸入或執行權限時的提醒方式。 自動格式化 ：如在每次檔案編輯後自動執行 prettier （針對 .ts 檔）、 gofmt （針對 .go 檔）等。 日誌記錄 ：追蹤所有執行過的命令，便於合規或除錯。 自動反饋 ：當 Claude Code 產生不符合團隊規範的程式碼時，自動給出反饋。 自訂權限 ：阻擋對生產環境檔案或敏感目錄的修改[^1]。 配置與結構 Hooks 透過設定檔進行配置，分為全域（ ~/.claude/settings.json ）、專案（ .claude/settings.json ）、本地專案（ .claude/settings.local.json ）以及企業級策略設定。每個 hook 由「事件名稱」和「匹配器」組成： "hooks": { "PreToolUse": [ { "matcher": "Bash", "hooks": [ { "type": "command", "command": "jq -r '...'" } ] } ] } matcher ：用於匹配工具名稱（支援正則表達式），如 Write 、 Edit|Write 、 Notebook.* 。 hooks ：當匹配時要執行的命令陣列。 type ：目前僅支援 "command" 。 ...

Vibe Coding（氛圍編程） 是由 OpenAI 共同創辦人 Andrej Karpathy 在 2025 年提出的革命性程式開發方式，它讓開發者透過自然語言與 AI 對話來生成程式碼，徹底改變了傳統的編程模式。 這種開發方式的核心理念是 「順著感覺走」 ，讓 AI 處理技術細節，開發者專注於創意和需求描述。 Vibe Coding 需要基本上的規劃和執行，但並沒有強制規範，從日常經驗來說可分為三個階段， 前期準備、開發過程、和後期維護 三個關鍵階段。每個階段都有其特定的任務和注意事項，正確執行這些步驟將大幅提升開發效率和程式品質。 將靈感與需求透過 AI 快速轉化成產品功能或原型。以下幫你分成 「前、中、後」 三階段要做的事情，適合你自己做、或帶團隊做 前期：設定 vibe & 準備素材 這個階段的重點是 「建立開發語境」 ，因為 AI 的生成表現高度依賴前期提供的上下文與資料。 明確目標 ：釐清要解決的問題、預期要做的功能與核心價值。例如在筆記軟體的情境中，可能是：「我要做一款讓使用者能用 Markdown 記錄筆記，並提供標籤與全文搜尋功能的簡單 App。」 收集靈感 ：觀察同類產品（如 Obsidian、Notion）、蒐集市場痛點（例如太多筆記軟體無法脫機使用，或同步效能差）。 建立語境 ：準備初步 prompt、背景知識、產品定位、品牌調性、目標使用者輪廓等。 確認資源 ：決定用哪些工具（Gemini、ChatGPT、設計軟體、流程管理工具等）。 確認完上述內容之後，就可以先開始進行準備規格，進行第一次的 Vibe Coding 方向驗證 提示詞模板準備 很多人會跳過這步驟，但一份 「好的 AI 提示詞模板」 將決定接下來每一次 AI 對話的品質。有效的提示詞模板需具備： 描述具體且無歧義 包含技術要求和約束條件 提供範例資料和測試案例 指定程式碼風格和慣例 例如針對筆記軟體的案例：   「建立一個支援 AI 功能純文字筆記，輸入內容可即時渲染；需支援儲存到本地檔案，提供標籤欄位做分類；以 React 架構，程式風格採用 Tailwind style components 並使用 hooks。」 開發工具選擇 開發工具的選擇 同樣重要，目前市場上主要的 ...