[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"article-vibe-coding-changing-who-can-build-software-zh":3,"tags-vibe-coding-changing-who-can-build-software-zh":35,"related-lang-vibe-coding-changing-who-can-build-software-zh":49,"related-posts-vibe-coding-changing-who-can-build-software-zh":53,"series-tools-ecc708c0-05b8-4ca0-be3c-3d5922f8de92":90},{"id":4,"title":5,"content":6,"summary":7,"source":8,"source_url":9,"author":10,"image_url":11,"keywords":12,"language":23,"translated_content":10,"views":24,"is_premium":25,"created_at":26,"updated_at":26,"cover_image":11,"published_at":27,"rewrite_status":28,"rewrite_error":10,"rewritten_from_id":29,"slug":30,"category":31,"related_article_id":32,"status":33,"google_indexed_at":34,"x_posted_at":10,"tweet_text":10,"title_rewritten_at":10,"title_original":10,"key_takeaways":10,"topic_cluster_id":10,"embedding":10,"is_canonical_seed":25},"ecc708c0-05b8-4ca0-be3c-3d5922f8de92","Vibe coding 正在改變誰能做軟體","\u003Cp>92 名學生。6 週課程。沒有先修程式背景。這組數字很猛，因為它直接碰到一個老問題：做軟體到底要不要先會寫程式？哈佛教育學院的 Karen Brennan 把這件事搬進教室，結果很像一面鏡子，照出 \u003Ca href=\"\u002Fnews\u002Fbuild-ai-crypto-trading-bot-guide-zh\">AI\u003C\u002Fa> 時代誰能做東西，也照出誰會卡住。\u003C\u002Fp>\u003Cp>她用過 \u003Ca href=\"https:\u002F\u002Freplit.com\" target=\"_blank\" rel=\"noopener\">Replit\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fwww.figma.com\u002Fmake\u002F\" target=\"_blank\" rel=\"noopener\">Figma Make\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fclaude.ai\u002Fcode\" target=\"_blank\" rel=\"noopener\">Claude Code\u003C\u002Fa>，後來自己又拿 \u003Ca href=\"https:\u002F\u002Fv0.dev\" target=\"_blank\" rel=\"noopener\">v0\u003C\u002Fa> 做研究網站。講白了，vibe coding 不是叫你不用腦。它是叫你先講清楚需求，再讓 AI 幫你拼出第一版。\u003C\u002Fp>\u003Cp>這套玩法很吸引人。也很危險。因為一旦門檻降到自然語言，品質、責任、維護成本，全部都會冒出來。你可能會想問，這到底是軟體開發的捷徑，還是新的混亂來源？\u003C\u002Fp>\u003Ch2>Vibe coding 到底是什麼\u003C\u002Fh2>\u003Cp>「vibe coding」這個詞，是研究者 \u003Ca href=\"https:\u002F\u002Fx.com\u002Fkarpathy\" target=\"_blank\" rel=\"noopener\">Andrej Karpathy\u003C\u002Fa> 在 2025 年 2 月帶紅的。意思很直白。你用 AI 做軟體，但不一定懂每一行程式碼在幹嘛。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1775121944493-69d3.png\" alt=\"Vibe coding 正在改變誰能做軟體\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>這跟一般的 AI coding assistant 不太一樣。一般工具是幫你補 code、修 bug、寫測試。vibe coding 則是把起手式整個改掉。你先說目標，AI 先吐出可跑的東西，再慢慢修。\u003C\u002Fp>\u003Cp>Harvard 的 \u003Ca href=\"https:\u002F\u002Fnews.harvard.edu\u002Fgazette\u002Fstory\u002F2026\u002F04\u002Fvibe-coding-may-offer-insight-into-our-ai-future\u002F\" target=\"_blank\" rel=\"noopener\">Harvard Gazette\u003C\u002Fa> 這篇採訪裡，Brennan 說她第一次認真碰這種做法，是在 2024 年 12 月。她看到學生用生成式 AI 做自發專案，才開始想：也許教學可以直接把這件事納進來。\u003C\u002Fp>\u003Cul>\u003Cli>核心做法：先用自然語言描述需求。\u003C\u002Fli>\u003Cli>AI 先產出原型，再由人類修正。\u003C\u002Fli>\u003Cli>重點不是寫得多快，而是判斷得準不準。\u003C\u002Fli>\u003Cli>它最適合做 demo、原型、個人小工具。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>這裡有個很重要的差別。會用 AI，不代表會做產品。會做產品，也不代表能把需求講清楚。vibe coding 把這兩件事拆開了，然後逼大家面對現實。\u003C\u002Fp>\u003Cp>如果你只會下模糊指令，AI 可能回你一坨看起來很像樣的東西。你如果能講得夠精準，AI 就能幫你省掉前面 60% 到 80% 的苦工。差別很大，真的。\u003C\u002Fp>\u003Ch2>哈佛課堂怎麼玩出來的\u003C\u002Fh2>\u003Cp>Brennan 和博士生 Jacob Wolf 設計這門課時，重點不是教某個工具。重點是問：我們怎麼把 AI 當成創作夥伴？每週都有主題，像是做一個會說故事的作品、做一個能改善生活的小工具，或做一個有趣的互動專案。\u003C\u002Fp>\u003Cp>更有意思的是，他們每週都換工具。學生不是只碰單一平台。這很重要，因為不同工具會塑造不同思考方式。像 \u003Ca href=\"https:\u002F\u002Fwww.figma.com\u002Fmake\u002F\" target=\"_blank\" rel=\"noopener\">Figma Make\u003C\u002Fa> 偏設計流程，\u003Ca href=\"https:\u002F\u002Fclaude.ai\u002Fcode\" target=\"_blank\" rel=\"noopener\">Claude Code\u003C\u002Fa> 更接近程式實作，\u003Ca href=\"https:\u002F\u002Freplit.com\" target=\"_blank\" rel=\"noopener\">Replit\u003C\u002Fa> 則讓你更快看到可執行結果。\u003C\u002Fp>\u003Cp>課程也不是純玩具展示。Brennan 要學生每週讀一篇經典電腦科學文本，外加一篇當代批判文章。這設計很聰明。因為如果只看 demo，大家很容易把 AI 當魔術。加上批判閱讀，學生才會開始問：這工具哪裡可靠？哪裡在唬爛？\u003C\u002Fp>\u003Cblockquote>“The central question motivating the course was: How do we think about AI as a creative partner?” — Karen Brennan\u003C\u002Fblockquote>\u003Cp>這句話講得很準。課程不是在教學生崇拜工具。它是在訓練學生把 AI 當合作對象，然後保留懷疑。\u003C\u002Fp>\u003Cp>我覺得這點很台灣。很多團隊上 AI 工具後，第一反應是「哇，省時間了」。但真正麻煩的地方，是你得知道哪裡不能省。教學也是一樣。\u003C\u002Fp>\u003Ch2>為什麼這麼多人會買單\u003C\u002Fh2>\u003Cp>最直接的理由是門檻下降。以前你想做一個網站或 app，至少要懂前端、後端、資料庫、部署。現在先用英文講需求，AI 先幫你生出第一版。這對學生、小團隊、個人創作者都很有吸引力。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1775121938211-5rcl.png\" alt=\"Vibe coding 正在改變誰能做軟體\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>這種速度會改變試錯成本。以前你要花兩天做個 pr\u003Ca href=\"\u002Fnews\u002Fgithub-copilot-data-ai-training-opt-out-zh\">ot\u003C\u002Fa>otype，現在可能 20 分鐘就能看到雛形。雖然雛形很粗，但它夠用來測想法。這對教育特別有用，因為「做出來」常常比「想明白」更快讓人學會。\u003C\u002Fp>\u003Cp>另一個好處是，很多工具不是完全黑箱。像 \u003Ca href=\"https:\u002F\u002Fclaude.ai\u002Fcode\" target=\"_blank\" rel=\"noopener\">Claude Code\u003C\u002Fa> 這類工具可以讓你看見 AI 生成的程式，還能要求它用更白話的方式解釋。也就是說，AI 不一定只是在遮住技術細節，它也可能把細節攤開。\u003C\u002Fp>\u003Cul>\u003Cli>原型速度：從幾小時縮到幾分鐘。\u003C\u002Fli>\u003Cli>入門門檻：從語法學習，改成需求描述。\u003C\u002Fli>\u003Cli>適用場景：課堂專案、個人工具、快速驗證想法。\u003C\u002Fli>\u003Cli>學習方式：先做，再回頭理解結構。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>但別把這件事想得太浪漫。速度快，不代表品質好。你只是更快看到問題而已。有時候，這反而是好事。\u003C\u002Fp>\u003Cp>因為你很快就會發現，AI 生成的東西常常很像樣，卻不一定真的能用。外表像產品，內裡可能只是拼貼。這種落差，才是 vibe coding 的真面目。\u003C\u002Fp>\u003Ch2>真正的限制，才是重點\u003C\u002Fh2>\u003Cp>Brennan 沒有把 vibe coding 講成萬靈丹。她提到幾個限制。第一是環境成本。第二是工具費用。第三是自然語言本來就不夠精準。你如果講不清楚，AI 就會亂猜。\u003C\u002Fp>\u003Cp>更麻煩的是，很多人會誤以為「看起來能跑」就等於「可以上線」。這中間差超多。真正的軟體要面對測試、資安、日誌、版本更新、錯誤處理，還有長期維護。demo 可以很美，產品不行。\u003C\u002Fp>\u003Cp>課堂裡也出現一個典型問題。學生常常先拿到一個泛用答案，接著又不知道怎麼精準修正。結果瓶頸從「不會寫 code」變成「不會描述問題」。這很真實，也很殘酷。\u003C\u002Fp>\u003Cp>這裡還有公平性問題。Brennan 指出，擅長口語表達的人，通常更能把 AI 用好。懂設計的人、懂軟體的人，也比較知道怎麼拆解需求。也就是說，門檻是降了，但能力差距沒有消失。\u003C\u002Fp>\u003Cul>\u003Cli>快速原型：適合測試想法，不適合直接承載核心業務。\u003C\u002Fli>\u003Cli>生產系統：需要測試、監控、權限、資安審查。\u003C\u002Fli>\u003Cli>自然語言：適合方向，不適合嚴格規格。\u003C\u002Fli>\u003Cli>人類判斷：在高風險場景裡，還是不能外包。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>如果拿台灣常見情境來比喻，vibe coding 像是先用試算表做出一個內部工具，再決定要不要請工程師重寫。這樣做很合理。直接拿試算表當正式系統，就很容易出事。\u003C\u002Fp>\u003Cp>所以問題不是「能不能做」。問題是「做到哪裡就該停」。這句話很土，但很重要。\u003C\u002Fp>\u003Ch2>這件事放到產業裡怎麼看\u003C\u002Fh2>\u003Cp>vibe coding 其實不是孤立現象。它是整個 AI 工具鏈往前推的結果。從 ChatGPT、\u003Ca href=\"\u002Fnews\u002Fopenclaw-60-day-surge-ai-agents-zh\">Cla\u003C\u002Fa>ude，到各種 code assistant，大家都在把「寫程式」拆成更小的動作。先問需求，再生草稿，再修正。\u003C\u002Fp>\u003Cp>這也會影響團隊分工。以前產品、設計、工程之間有明顯界線。現在界線還在，但變得模糊。PM 可以更快做 prototype，設計師可以自己做可互動頁面，工程師則要花更多時間做審查、整合和收尾。\u003C\u002Fp>\u003Cp>我覺得這對台灣公司很有參考價值。很多新創資源有限，最缺的不是想法，而是驗證速度。如果一個團隊能用 AI 在 1 天內做出 3 個版本，和只能做 1 個版本，決策品質通常會差很多。\u003C\u002Fp>\u003Cp>但別忘了，真正值錢的還是判斷力。工具會變。流程會變。可是一個團隊能不能看出哪個原型只是表面好看，哪個真的能上線，這才是核心競爭力。\u003C\u002Fp>\u003Cp>你可以把 vibe coding 想成一種新的前期工作法。它不是終點。它比較像是把「想法」變成「可討論的東西」的加速器。這件事對教育、創業、內部工具開發，都很有用。\u003C\u002Fp>\u003Ch2>接下來會怎麼走\u003C\u002Fh2>\u003Cp>我的判斷很直接。接下來 12 到 24 個月，會有更多人不是先學語法，而是先學怎麼描述需求、怎麼驗證輸出、怎麼抓 bug。也就是說，會寫 code 仍然重要，但「會跟 AI 合作」會變成基本技能。\u003C\u002Fp>\u003Cp>如果你是開發者，現在就可以做一件事：拿一個小專案試 vibe coding。限制自己只做原型，不碰核心系統。看 AI 哪裡幫得上忙，哪裡開始亂來。這比空談 AI 影響實際多了。\u003C\u002Fp>\u003Cp>如果你是主管或老師，問題也很簡單：你有沒有教團隊怎麼驗證 AI 產物？如果沒有，那你只是把產能外包給模型，風險還是留在自己身上。\u003C\u002Fp>\u003Cp>說到底，vibe coding 改變的不是「誰能碰電腦」。它改變的是「誰能把想法變成第一版」。而第一版，常常就是整個專案最難跨過去的一步。\u003C\u002Fp>\u003Cp>所以我的建議很明白：先用它做原型，再用人腦做審查。別把 AI 當終點，把它當草稿機。這樣最實際，也最不容易翻車。\u003C\u002Fp>","哈佛課程讓 92 名學生用 Replit、Figma Make、Claude Code 做出軟體原型。Vibe coding 降低入門門檻，也把品質、倫理與技能差距問題推到檯面。","news.harvard.edu","https:\u002F\u002Fnews.harvard.edu\u002Fgazette\u002Fstory\u002F2026\u002F04\u002Fvibe-coding-may-offer-insight-into-our-ai-future\u002F",null,"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1775121944493-69d3.png",[13,14,15,16,17,18,19,20,21,22],"vibe coding","AI coding","Harvard","Replit","Claude Code","Figma Make","v0","生成式AI","軟體開發","人工智慧","zh",1,false,"2026-04-02T08:15:39.22904+00:00","2026-04-02T08:15:39.142+00:00","done","6589df9d-38a2-4529-95ef-d894efad6ccf","vibe-coding-changing-who-can-build-software-zh","tools","00caf009-e49d-4a74-9623-c15eeeef8d45","published","2026-04-08T09:00:54.015+00:00",[36,37,39,40,42,44,45,47],{"name":21,"slug":21},{"name":18,"slug":38},"figma-make",{"name":22,"slug":22},{"name":17,"slug":41},"claude-code",{"name":13,"slug":43},"vibe-coding",{"name":19,"slug":19},{"name":14,"slug":46},"ai-coding",{"name":20,"slug":48},"生成式ai",{"id":32,"slug":50,"title":51,"language":52},"vibe-coding-changing-who-can-build-software-en","Vibe coding is changing who can build software","en",[54,60,66,72,78,84],{"id":55,"slug":56,"title":57,"cover_image":58,"image_url":58,"created_at":59,"category":31},"d058a76f-6548-4135-8970-f3a97f255446","why-gemini-api-pricing-is-cheaper-than-it-looks-zh","為什麼 Gemini API 定價其實比看起來更便宜","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1778869845081-j4m7.png","2026-05-15T18:30:25.797639+00:00",{"id":61,"slug":62,"title":63,"cover_image":64,"image_url":64,"created_at":65,"category":31},"68e4be16-dc38-4524-a6ea-5ebe22a6c4fb","why-vidhub-huiyuan-hutong-bushi-quan-shebei-tongyong-zh","為什麼 VidHub 會員互通不是「買一次全設備通用」","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1778789450987-advz.png","2026-05-14T20:10:24.048988+00:00",{"id":67,"slug":68,"title":69,"cover_image":70,"image_url":70,"created_at":71,"category":31},"7a1e174f-746b-4e82-a0e3-b2475ab39747","why-buns-zig-to-rust-experiment-is-right-zh","為什麼 Bun 的 Zig-to-Rust 實驗是對的","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1778767879127-5dna.png","2026-05-14T14:10:26.886397+00:00",{"id":73,"slug":74,"title":75,"cover_image":76,"image_url":76,"created_at":77,"category":31},"e742fc73-5a65-4db3-ad17-88c99262ceb7","why-openai-api-pricing-is-product-strategy-zh","為什麼 OpenAI API 定價是產品策略，不是註腳","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1778749859485-chvz.png","2026-05-14T09:10:26.003818+00:00",{"id":79,"slug":80,"title":81,"cover_image":82,"image_url":82,"created_at":83,"category":31},"c757c5d8-eda9-45dc-9020-4b002f4d6237","why-claude-code-prompt-design-beats-ide-copilots-zh","為什麼 Claude Code 的提示設計贏過 IDE Copilot","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1778742645084-dao9.png","2026-05-14T07:10:29.371901+00:00",{"id":85,"slug":86,"title":87,"cover_image":88,"image_url":88,"created_at":89,"category":31},"4adef3ab-9f07-4970-91cf-77b8b581b348","why-databricks-model-serving-is-right-default-zh","為什麼 Databricks Model Serving 是生產推論的正確預設","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1778692245329-a2wt.png","2026-05-13T17:10:30.659153+00:00",[91,96,101,106,111,116,121,126,131,136],{"id":92,"slug":93,"title":94,"created_at":95},"de769291-4574-4c46-a76d-772bd99e6ec9","googles-biggest-gemini-launches-in-2026-zh","Google 2026 最大 Gemini 盤點","2026-03-26T07:26:39.21072+00:00",{"id":97,"slug":98,"title":99,"created_at":100},"855cd52f-6fab-46cc-a7c1-42195e8a0de4","surepath-real-time-mcp-policy-controls-zh","SurePath 推出即時 MCP 政策控管","2026-03-26T07:57:40.77233+00:00",{"id":102,"slug":103,"title":104,"created_at":105},"9b19ab54-edef-4dbd-9ce4-a51e4bae4ebb","mcp-in-2026-the-ai-tool-layer-teams-use-zh","2026 年 MCP：團隊真的在用的 AI 工具層","2026-03-26T08:01:46.589694+00:00",{"id":107,"slug":108,"title":109,"created_at":110},"af9c46c3-7a28-410b-9f04-32b3de30a68c","prompting-in-2026-what-actually-works-zh","2026 提示工程，真正有用的是什麼","2026-03-26T08:08:12.453028+00:00",{"id":112,"slug":113,"title":114,"created_at":115},"05553086-6ed0-4758-81fd-6cab24b575e0","garry-tan-open-sources-claude-code-toolkit-zh","Garry Tan 開源 Claude Code 工具包","2026-03-26T08:26:20.068737+00:00",{"id":117,"slug":118,"title":119,"created_at":120},"042a73a2-18a2-433d-9e8f-9802b9559aac","github-ai-projects-to-watch-in-2026-zh","2026 必看 20 個 GitHub AI 專案","2026-03-26T08:28:09.619964+00:00",{"id":122,"slug":123,"title":124,"created_at":125},"a5f94120-ac0d-4483-9a8b-63590071ac6a","claude-code-vs-cursor-2026-zh","Claude Code 與 Cursor 深度對比：202…","2026-03-26T13:27:14.279193+00:00",{"id":127,"slug":128,"title":129,"created_at":130},"0975afa1-e0c7-4130-a20d-d890eaed995e","practical-github-guide-learning-ml-2026-zh","2026 機器學習入門 GitHub 實用指南","2026-03-27T01:16:49.712576+00:00",{"id":132,"slug":133,"title":134,"created_at":135},"bfdb467a-290f-4a80-b3a9-6f081afb6dff","aiml-2026-student-ai-ml-lab-repo-review-zh","AIML-2026：像課綱的學生實驗 Repo","2026-03-27T01:21:51.467798+00:00",{"id":137,"slug":138,"title":139,"created_at":140},"80cabc3e-09fc-4ff5-8f07-b8d68f5ae545","ai-trending-github-repos-and-research-feeds-zh","AI Trending：把 AI 資源收成一張表","2026-03-27T01:31:35.262183+00:00"]