你是不是也被 AI 寫的程式碼給坑過？
很多人在用 AI 寫程式時，會陷入一種「Vibe Coding」的幻覺。什麼是 Vibe Coding？簡單說就是「感覺對了就過」。你給 AI 一個大指令，它啪地一下噴出 200 行程式碼，看起來跑得起來，你也覺得「感覺對了」，結果過兩天發現效能爛得像 20 年前的電腦，或者在關鍵時刻直接崩潰。
如果你在寫的是像公司財務系統、個資管理或是任何「絕對不能出錯」的程式，這種「放任 AI 跑」的做法簡直是災難。就像你請一個實習生幫你寫報告，你完全不看進度，直接叫他寫完交件，最後你發現他整篇在胡說八道，你得花三倍的時間幫他收爛攤子。
為什麼「全自動 AI」其實是陷阱？
現在很多 YouTube 影片在教你怎麼建立「AI 代理人軍團」，說什麼 12 個 AI 同時運作，一個寫 Code、一個審核、一個測試，你只要坐在沙灘上喝咖啡就好。
但現實是：如果 AI 寫的是垃圾，那審核的 AI 看到的也是垃圾。
當你完全脫離開發過程，你對這段程式碼會失去「掌控感」。一旦 AI 跑偏了（Off the rails），你可能要到程式跑完、出錯時才會發現。這時候你得回頭在幾百行程式碼中找那個微小的邏輯錯誤，這比自己寫還痛苦。
救星來了：什麼是「短牽繩法」（Short Leash Method）？
你可以把 AI 想像成一隻精力充沛但沒方向的狗狗。如果你用長牽繩，它可能會跑去追蝴蝶（寫出沒用的功能）或在路邊亂尿尿（寫出低效率的 Bug）。
「短牽繩法」的核心就是：縮短 AI 獨立運作的時間，增加你檢查的頻率。
這不是要你回歸手寫，而是把 AI 當成一個「極速執行者」，而你則是「絕對主導者」。
實作短牽繩法的 3 個具體步驟
如果你想用 ChatGPT 或 Claude 寫出高品質的軟體，請試試這個流程：
1. 任務「極小化」切分
不要一次叫 AI 寫完一個功能。例如，你想做一個「台灣電子發票對獎系統」，不要直接說「幫我寫這個系統」。
正確做法：
- 第一步：請 AI 寫一個能檢查發票號碼是否為 8 位數的 Function。
- 第二步：請 AI 寫一個串接對獎 API 的基礎模組。
- 第三步：請 AI 處理 API 回傳結果的格式轉換。
2. 建立「檢查點」
每當 AI 產出 5 到 10 行程式碼，或者完成一個微小功能時，立刻停下來。不要讓它繼續寫下一段，直到你確認這一段的邏輯是正確的。
你可以想成就像在點餐，不要一次點完 10 道菜才發現第一道就太鹹，而是在每道菜上桌時就品嚐，不對立刻叫廚師重做。
3. 立即修正，絕不積壓
一旦發現 AI 的方向歪了，不要試著用「請你修改這裡…」來修補，因為 AI 傾向於在錯誤的基礎上繼續疊加。最快的方法是直接告訴它：「這段邏輯錯了，請刪掉重寫，這次請注意 XX 點」。
傳統做法 vs. 短牽繩法
| 比較項目 | Vibe Coding (放任法) | 短牽繩法 (精準控制) |
|---|---|---|
| 指令長度 | 一次給大目標 (例如：寫個 App) | 每次給小步驟 (例如：寫個按鈕) |
| 檢查時間 | 全部寫完才跑跑看 | 每 5 分鐘檢查一次 |
| 出錯成本 | 極高，可能要全部重寫 | 極低，當下修正即可 |
| 程式品質 | 像拼貼的碎片，效能低 | 結構清晰，符合專業標準 |
總結：AI 是你的手，而不是你的腦
AI 寫程式最快的方式，不是找一個能幫你「全自動完成」的工具，而是讓你自己成為那個最強的「審核員」。
記住，高品質的軟體不是 AI 「噴」出來的，而是透過你不斷地「拉牽繩」、修正方向，一點一滴精雕細琢出來的。如果你在乎程式碼的品質，請停止追求「全自動」，開始練習「短牽繩」。
現在就打開 ChatGPT 或 Cursor，試著把你的下一個功能切成 5 個小步驟，用短牽繩法寫寫看吧！
