學習路線圖 · AI學寫程式路線
階段 4 AI輔助/Vibe
引入AI工具；先手寫框架再用Vibe Coding生成輕鬆氛圍遊戲；修改AI輸出驗證邏輯；學習AI加速腦力激盪。
觀念教學
手寫基本功練滿三個階段,現在正式把 AI 請進工作流:階段 4 要練成「AI 負責速度、你負責品質」的協作開發能力。
這一階段學什麼
- AI Coding 入門:用 ChatGPT 等工具生成、解釋、改寫程式碼,學會下清楚的需求描述
- Vibe Coding:用自然語言描述想要的感覺與功能,讓 AI 直接生成程式;產出的仍是程式碼、彈性高但要自己驗證 — 這正是它與 Low-Code「拖拉現成元件、受平台限制」的關鍵差異
- 先框架後生成:先手寫程式骨架與資料流,再讓 AI 填內容,主導權留在自己手上
- 審核 AI 輸出:逐段讀懂 AI 生成的碼、修正錯誤邏輯,像 Code Review 同事的程式一樣
- AI 腦力激盪:讓 AI 提出多種實作方案再比較取捨,加速設計思考
為什麼是現在學
放在階段 4 不是偶然:階段 1 到 3 給了你讀懂與驗證程式的能力,現在引入 AI 才是加速而非失控。這裡的協作手感,直接銜接階段 5 的 Spec Coding 與階段 6 的 Agentic 工具(如 Claude Code 這類能自主執行多步驟、仍需人工審核的開發代理)。
怎麼練(具體行動)
- 先手寫一個小遊戲的框架:畫面更新、輸入處理、勝負判斷的空函數
- 用 Vibe Coding 描述遊戲氛圍與規則,讓 AI 生成各函數的實作
- 刻意找碴:逐段驗證 AI 生成碼,至少找出並修正三個問題
- 讓 AI 提出兩種不同的遊戲機制方案,寫下你選哪個、為什麼
完成標準
- 用 AI 輔助建構出一個能玩的簡易遊戲(呼應里程碑:AI 輔助建構專案)
- 能指出 AI 生成碼中的錯誤並修正,說得出理由
- 能一句話講清 Vibe Coding 與 Low-Code 的差異,以及 AI 程式助手為何仍需人工審查
⚠️ 常見誤區:把 GitHub Copilot、Cursor 這類助手的產出當正確答案直接上線 — 它們會寫出過時 API 與隱藏 bug,審查與測試永遠是你的責任。
會用 AI 寫程式的人很多,能驗收 AI 程式的人,才是就業市場的稀缺品。
📝 本節掛載 3 題 iPAS 歷屆試題 — 讀完往下到「iPAS 考題練習」直接實戰。
里程碑
✓ AI 輔助建構專案
範例專題
簡易遊戲開發
應用場景
iPAS 歷屆考題詳解(3 題)
先自行作答,再展開詳解。題目出處均為 iPAS AI 應用規劃師正式考題,著作權屬原主辦單位。
某新創公司正在評估開發方式，產品負責人希望讓非技術背景的業務同仁也能參與功能原型的快速開發。團隊討論採用Vibe Coding 與Low-Code 兩種方式。請問下列哪一項對於Vibe Coding 與Low-Code 的敘述最為正確？
- A兩者本質相同，差異僅在於Vibe Coding 以對話介面取代視覺化拖拉操作，最終產出的程式碼品質與可維護性並無顯著差異；
- BVibe Coding 需要開發者具備一定的程式語言基礎才能有效審閱 AI 產出的程式碼，因此與Low-Code 平台相比，不適合非技術人員使用；
- CLow-Code 平台因具備完整的視覺化與流程控制，較適合開發穩定且可維護的系統；Vibe Coding 則較適用於快速原型開發，難以支援結構複雜的正式應用系統；
- DVibe Coding 透過自然語言驅動AI 生成客製化程式碼，彈性較高但產出品質高度依賴提示詞的描述精準度；Low-Code 平台則透過預設元件組合快速建構，上限受限於平台本身支援的功能範疇
看正解與逐選項詳解
正解:D
正確答案:(D)
【正解解析】
兩種開發方式的本質差異:Vibe Coding 以自然語言描述需求,由 AI 生成客製化程式碼,彈性高、可產出平台元件以外的功能,但產出品質高度依賴提示詞的描述精準度,並需要人工審查把關;Low-Code 平台以預設元件與視覺化流程快速組裝應用,開發速度快、品質較可預期,但功能上限受限於平台支援的範疇。(D) 同時正確描述兩者的優勢與限制,故為正確答案。
【為何其他選項錯了?】
- (A):兩者的差異不僅是操作介面;Vibe Coding 實際產生客製化程式碼,品質取決於提示與審查,Low-Code 則依賴平台元件的成熟度,產出的品質與可維護性特性並不相同。
- (B):Vibe Coding 確實需要程式基礎才能有效審閱 AI 產出,但據此斷定它不適合非技術人員使用過於絕對;在原型驗證等低風險場景,非技術人員仍可運用。
- (C):Low-Code 較利於穩定與可維護的元件化開發是合理描述,但斷言 Vibe Coding 難以支援結構複雜的正式系統過於簡化;兩者的真正差異在彈性、平台限制與品質控管方式。
提示:比較題找「同時說對兩邊優勢與限制」的選項;含絕對化斷言的敘述通常可先排除。
某軟體開發公司評估導入Agentic Coding 工具（如Claude Code），並規劃相應的人工審核機制。請問下列何者最能正確敘述此類工具在開發流程中，所支援的核心操作能力？
- A透過介面提供程式碼建議與修改建議，實際套用仍需由開發者手動確認與操作，無法直接對專案檔案進行自動變更；
- B可直接在開發環境中讀寫專案檔案、執行終端機指令（如測試與建置），並在適當情境下協助完成修改、測試與版本提交（commit）等多步驟開發流程；
- C著重於將需求轉換為系統設計與架構規劃，程式碼撰寫與整合仍主要由開發者負責，較少直接介入實際開發流程；
- D工具主要負責輔助開發者撰寫與優化程式碼，實際的測試、建置與版本控管流程仍需由開發者手動執行
看正解與逐選項詳解
正解:B
正確答案:(B)
【正解解析】
Agentic Coding 工具(如 Claude Code)的核心特性是具備行動能力:可直接在開發環境中讀寫專案檔案、執行終端機指令(如執行測試與建置),並串連修改、驗證、版本提交(commit)等多步驟開發流程。正因工具能直接對專案產生實際變更,才需要規劃相應的人工審核機制,故 (B) 正確描述其核心操作能力。
【為何其他選項錯了?】
- (A):僅提供建議、套用需人工確認與操作,是傳統程式碼建議工具的模式;Agentic Coding 的特徵正是能直接對專案檔案進行自動變更。
- (C):Agentic Coding 不限於需求轉換與架構規劃,而是直接介入實際開發流程,執行修改、測試與提交等操作。
- (D):若測試、建置與版本控管全需人工執行,便不符合此類工具可操作終端機、自主完成多步驟任務的特性。
提示:判斷 Agentic 工具看「能否自主行動」:讀寫檔案、執行指令、串連多步驟流程,而非僅提供建議。
某市政府交通局委託系統商開發公車到站預測系統，開發團隊想導入AI 程式設計助手（如GitHub Copilot、Cursor）來加速開發進度。下列關於AI 程式設計助手的敘述，何者最正確？
- AAI 程式設計助手可依需求文件自動產生完整系統架構與程式碼，不用再進行人工調整即可上線；
- BAI 程式設計助手主要提供語法與片段建議，對於跨模組邏輯與系統設計的理解仍有限；
- CAI 程式設計助手能根據程式碼上下文與註解提供智慧化建議，但生成內容仍需開發者審查與測試後採用；
- DAI 程式設計助手通常依賴雲端模型運作，在部分受限環境中部署可能受限
看正解與逐選項詳解
正解:C
正確答案:(C)
【正解解析】
AI 程式設計助手(如 GitHub Copilot、Cursor)能根據程式碼上下文與註解提供智慧化建議,包含補全片段、生成函式與重構建議。但生成內容可能有錯誤、使用過時的 API 或不符合系統架構,因此仍需開發者審查並通過測試後才能採用。(C) 同時涵蓋工具能力與使用前提,是最正確的敘述。
【為何其他選項錯了?】
- (A):依需求文件自動產生完整系統架構與程式碼,且不需人工調整即可上線,超出現階段工具的實際能力;實務上仍需人工設計、審查與測試。
- (B):現代 AI 程式設計助手已能利用專案上下文提供跨檔案的較高階建議,「主要提供語法與片段建議」低估其能力,非最正確敘述。
- (D):雲端依賴與受限環境的部署限制是實務上存在的考量,但僅描述部署面向,未回答工具能力與使用方式的核心問題,完整性不如 (C)。
提示:此類敘述題選「能力與限制並陳」的選項;過度理想化或過度低估的敘述皆非最佳答案。