從零程式基礎到全職 Vibe Coder：頂尖 AI 建構者的實戰心法

本文整理自 Lenny’s Podcast 與 Lazar Yavanovich 的訪談。Lazar 是 Lovable 的第一位官方 Vibe Coding 工程師，在此之前從未寫過一行程式碼，卻靠著在公開場合分享建構經驗，成功獲得這份「夢幻工作」。

一、什麼是 Vibe Coding？為什麼它正在改變軟體開發的遊戲規則

2024 年初，AI 研究員 Andrej Karpathy 創造了「Vibe Coding」這個詞彙，用來描述一種全新的軟體開發方式：你不再需要精通程式語法，只要能清楚表達想法，AI 就能幫你把產品建構出來。

對 Lazar 來說，這不只是一種技術趨勢，而是他人生夢想的實現。他六歲就接觸電腦，一直夢想成為軟體工程師。但現實並不如想像中簡單，他嘗試過找技術合夥人、學過各種工具，最後幾乎放棄了這個夢想，直到 2024 年遇見 Lovable，一切都改變了。

「我從來沒寫過任何一行程式碼」

Lazar 坦言，「我頂多就是手動寫幾個 console.log 而已。」但這並沒有阻止他成為這個領域最頂尖的實踐者之一。他現在的日常工作就是用 AI 工具建構各種產品，從行銷用的網站模板、內部工具到企業級功能，無所不包。

這份工作聽起來像夢一樣，而 Lazar 說這正是重點：「我拿薪水做的事，本來就是我會免費做的事。」

二、沒有技術背景？這反而可能是你的優勢

許多人可能認為，沒有程式背景是進入這個領域的劣勢。

Lazar 的看法完全相反。

「像我這樣的人不知道什麼是『不可能』的，所以我們反而能做到。」

他舉了一個例子：六七個月前，社群裡有人說希望 Lovable 能建構 Chrome 擴充套件。有技術背景的人立刻解釋為什麼這不可能，因為 React 架構不同、技術堆疊有限制等等。但像 Lazar 這樣的人呢？他直接進去試了一下，結果成功了。

類似的故事不斷發生。有人用 Lovable 建構出桌面應用程式，有人在影片生成功能正式推出前，就靠 prompting 讓工具生成影片。這些都是「不可能」的事，但正因為他們不知道不可能，所以就這樣做到了。

Lazar 把這稱為「正向的妄想」（positively delusional）：在使用 AI 工具時，你必須抱持著「一切皆有可能」的心態，直到被證明是錯的。

當然，這不代表可以完全無知。真正的關鍵在於自我覺察。Lazar 很清楚自己不懂程式，所以他把精力放在其他地方：規劃、清晰度、設計品味。他不讀程式碼，但他會仔細閱讀 AI 代理的輸出說明，從中學習這些工具如何思考、如何運作。

三、阿拉丁與神燈：為什麼「清晰度」才是 AI 時代的核心技能

Lazar 有一個很精彩的比喻來解釋為什麼清晰度(Clarity)如此重要。

「想像你是阿拉丁，你擦了神燈，精靈出現說：『我給你三個願望。』你的第一個願望是『我想變高』。結果呢？精靈把你變成 13 英尺高的巨人。你沒辦法坐進車裡，沒辦法進家門，整個人變得無法正常生活。為什麼？因為你描述的願望不夠具體。」

AI 工具就像那個精靈，它非常強大，但它不會像人類一樣理解你的「言外之意」。你有 36 年的人生經驗來理解人類語言的微妙之處，AI 沒有。所以你必須明確、具體、提供參考資料、給予正確的 context。

這裡有一個重要的技術限制需要理解：Token 窗口（context memory window）。每次你向 AI 發出請求，它都有一定的 token 配額可以使用。

這些 token 要分配給閱讀資料、搜尋網路、思考、執行程式碼等不同任務。如果你的請求模糊不清，AI 可能會把大部分 token 花在「搞清楚你到底要什麼」上面，留給真正解決問題的資源就所剩無幾了。

更麻煩的是，AI 工具有個壞習慣：它們太「順從」了。當它們沒有足夠的 context 來真正解決問題時，它們不會說「我不確定」，而是會硬擠出一個答案，然後告訴你「我修好了」，即使根本沒有。

Lazar 的建議是：與其催促 AI 快點寫程式，不如花更多時間在規劃和對話上。他估計自己 80% 的時間都花在 chat mode（規劃模式），只有 20% 在實際執行。

「大多數人優化的是錯誤的速度。」

四、專業 Vibe Coder 的實戰工作流程

那一個頂尖的 Vibe Coder 實際上是怎麼工作的？Lazar 分享了他的完整流程。

第一步：平行探索，同時建構五個版本

這個建議可能會讓有技術背景的人感到反直覺。當你有一個想法時，不要只建構一個版本。Lazar 會同時開五到六個不同的專案，用不同的方式來嘗試。

第一個專案可能只是 brain dump（腦力激盪），用語音輸入把所有想法傾倒出來。第二個會更有結構，明確列出想要的功能和頁面。第三個可能會附上從 Mobbin 或 Dribbble 找到的設計參考圖。第四個則更進一步，直接附上從設計庫下載的程式碼片段。

為什麼要這樣做？兩個原因：

1. 首先，這個過程本身就會幫助你釐清想法。當你看到不同版本被建構出來，你會更清楚什麼是你要的，什麼不是。
2. 其次，你可以從中選擇最好的方向。與其在一個不理想的基礎上不斷修修補補，不如從一開始就挑對方向。長期來看，這反而省下大量的時間和資源。

第二步：花一整天做規劃，不寫任何程式

當你選定了方向，接下來不是立刻開始建構。Lazar 會花一整天的時間來做規劃和文件撰寫。他會建立幾個核心的 Markdown 文件：

1. Master Plan（主計畫）：最高層級的概述，解釋這個專案的目的、目標用戶、想要傳達的感覺。這就像是給 AI 的「北極星」。
2. Implementation Plan（實作計畫）：定義建構的順序。先做後端還是前端？先處理認證還是 API？這不是詳細的任務清單，而是高層級的路線圖。
3. Design Guidelines（設計指南）：因為 AI 有時候會「過度創意」，這個文件用來約束設計方向，甚至會包含一些 CSS 元素來確保視覺一致性。
4. User Journeys（用戶旅程）：描述用戶會如何使用這個產品，從註冊到完成核心任務的每一個步驟。

最後，這些文件會被整合成一個 Tasks.md，列出所有需要執行的具體任務和子任務。

第三步：讓 AI 自己維護 Context

這裡有一個關鍵的設定：在專案的規則文件（rules.md 或 agent.md）中，Lazar 會告訴 AI：「在做任何事情之前，先讀完所有的 PRD 文件。讀 tasks.md 來看下一個任務是什麼，執行完之後告訴我你做了什麼、我應該怎麼測試。」

這樣做的好處是什麼？Lazar 不再需要每次都提供完整的 context。他的 prompt 變得極其簡單，通常就是：「繼續下一個任務。」

這讓他可以同時處理多個專案，在不同視窗之間切換，而不會因為 context switching 而降低品質。因為 context 都在文件裡，AI 自己會去讀。

五、4x4 框架：當事情出錯時怎麼辦

不管規劃得多好，問題還是會發生。當你卡住時，Lazar 有一套叫做「4x4」的除錯框架。

1. 第一招：讓工具自己修：大多數 AI 工具會在出錯時自動偵測並提供「嘗試修復」的按鈕。這是最簡單的解決方式，很多時候就夠用了。
2. 第二招：提升覺察層：如果問題持續存在，通常是因為 AI 不知道問題在哪裡。這時候你需要打開瀏覽器的 console log（開發者工具），複製錯誤訊息，貼給 AI 看。或者你可以請 AI 在相關的程式碼中加入更多 console.log，這樣下次執行時就能追蹤每一個步驟發生了什麼事。
3. 第三招：請外部顧問：如果前兩招都不管用，Lazar 會用外部工具來協助診斷。他最常用的是 OpenAI 的 Codex。他不會讓 Codex 直接修改程式碼（因為不熟悉那個 agent 的行為），而是用它來分析問題、找出可能的原因。另一個方法是用 Repomix 這類工具把整個 codebase 壓縮成一個文件，然後上傳到 Claude 或 ChatGPT，請它以外部顧問的角度來診斷
4. 第四招：承認是自己的錯：很多時候，問題的根源是你自己的 prompt 有問題。這時候最好的做法是回滾到之前的版本，喝杯咖啡、出去走走，然後用更清楚的方式重新嘗試。最重要的是：當問題解決後，Lazar 會問 AI：「我需要做這麼多步驟才能修好這個問題，你能教我怎麼更好地 prompt 你，讓下次一步就能解決嗎？」

然後，他會把學到的東西加進 rules.md 裡，這樣 AI 下次就會自動避免同樣的錯誤。

六、AI 時代什麼技能最有價值？

這可能是很多人最關心的問題：在 AI 越來越強大的時代，哪些技能會被取代，哪些會更有價值？

Lazar 的觀點很明確：

能被清楚定義為「X 輸入 → Y 輸出」的工作，AI 都會接管

翻譯、資料整理、基礎程式編寫都屬於這類。但人與人之間的互動、情感智慧、設計品味？這些在可見的未來都不會被取代。

他舉了一個有趣的例子：AI 永遠寫不出好笑的笑話。如果你試過讓 AI 寫喜劇，就知道結果有多糟糕。這是因為幽默需要對人類情感和文化 context 有深刻的理解，而這正是 AI 目前做不到的。

「設計」是 Lazar 認為最值得投資的技能之一

他分享了一個令他大開眼界的經驗：有一次他想從 Lovable 的設計師那邊「偷」一個漸層背景，結果發現那個看起來很簡單的漸層，其實是由 50 個不同的圖層組成，每一層都有不同的顏色和透明度。

「這就是我一直以來的認知落差。我以為是三個顏色，結果是五十個。」

另一個被低估的技能是文案寫作

我們都能在三秒內分辨出一段文字是不是 AI 寫的，這種直覺只會越來越敏銳。能寫出真正打動人心的文字，會變得越來越珍貴。

至於程式設計本身？Lazar 認為它會變得像書法一樣：一種稀有的、值得欣賞的藝術形式，但不再是大多數人需要學習的技能。

七、如何成為專業 Vibe Coder

如果這篇文章讓你對 Vibe Coding 產生興趣，Lazar 有幾個具體的建議：

公開打造產品 (Build in public)，分享自己學到的東西

Lazar 之所以被 Lovable 注意到，是因為他一直在公開分享自己的建構過程。他開設 YouTube 頻道，製作教學影片，在 LinkedIn 上分享心得。當 Lovable 的成長負責人 Elena Verna 在尋找人才時，Lazar 已經證明了自己的能力。

「你不需要等公司來僱用你，你可以先僱用自己成為專業 Vibe Coder。」

參加 Hackathon 活動並建立連結

這些活動是認識其他建構者、展示能力的絕佳機會。很多公司也會在這些場合尋找人才。

用真實作品來代替履歷

Lazar 分享了一個「秘密」：有些人不是投遞傳統履歷來應徵 Lovable，而是直接建構一個 Lovable app 來展示自己為什麼適合這個職位。對於 Lovable 員工來說，任何以 lovable.app 結尾的連結都會被點開。

「如果你想聯繫我，不要傳什麼長篇大論，直接傳一個你開發的 app，用它來告訴我你想要什麼。」

重點回顧 Key Takeaways

1. 清晰度比速度更重要：花 80% 時間在規劃和溝通，20% 在實際執行。大多數人優化的是錯誤的速度。
2. 平行探索是最佳實踐：開始一個專案時，同時嘗試 5–6 個不同的版本，用不同的方式來釐清想法、找到最佳方向。
3. 建立文件讓 AI 自己維護 Context：透過 Master Plan、Implementation Plan、Design Guidelines 等文件，讓 AI 能夠持續理解專案全貌，而不需要你每次都重新解釋。
4. 沒有技術背景可能是優勢：因為你不知道什麼是「不可能」的，所以反而更願意嘗試。關鍵是保持自我覺察，把精力放在判斷力和品味上。
5. 未來最有價值的技能是人類獨有的：設計品味、情感智慧、文案寫作、人與人的互動。任何能被清楚定義為 X→Y 的工作都可能被 AI 接管。