【AICoach 講師共學營】從郵差到 AI Agent 開發者的自學之路 — 直覺式 Vibe Coding 實戰分享
三句話摘要
一位自學者示範如何用 Claude Code CLI 進行 Vibe Coding，讓 AI Agent 自動生成簡報、建立技能（Skill），並延伸應用至學術研究與學習流程自動化。 --- Vibe Coding 的最大價值在於「不修改生成程式碼、將流程封裝為自製 Skill」，讓 AI Agent 從單次問答進化為可重複調用的自動化工作流，無程式背景者同樣能在 10 分鐘內完成過去需要數小時的任務。 Vibe Coding 的本質是「慣老闆思維」：使用者只需用自然語言描述需求，AI Agent 負責撰寫程式。一旦手動修改生成的程式碼，後續對話將以錯誤版本為基準，導致越修越亂；正確做法是另開新 Session 並請 AI 從頭 review。
重點整理
重點- 1
Vibe Coding 的本質是「慣老闆思維」：使用者只需用自然語言描述需求，AI Agent 負責撰寫程式。一旦手動修改生成的程式碼，後續對話將以錯誤版本為基準，導致越修越亂；正確做法是另開新 Session 並請 AI 從頭 review。
- 2
先備知識（Prior Knowledge）決定輸出品質：將 PDF、截圖、網站連結等資料預先提供給 Agent，等同給它訓練基底，生成的簡報、摘要或程式碼品質會顯著提升，無需手動整理素材。
- 3
Skill 系統讓 Agent 形成自動化流水線：將常用流程存成 Skill 後，Agent 偵測到關鍵字即自動調用對應技能，甚至可呼叫 Python 腳本替代 Token 消耗，形成「Agent 中有 Subagent」的多層協作結構。
- 4
資訊安全是 Vibe Coding 最大盲點：不懂程式的使用者無法審查 AI 寫在前端的 API Key 位置，AWS 或 OpenAI Key 外洩可能一夜損失數百美元；AI 出錯的責任由使用者承擔，非 AI 本身。
- 5
--
實用技巧與重點
乾貨- 工具 / 平台
- Claude Code CLI（命令列介面）、Claude Pro 月費 20 美元
- GitHub Copilot、OpenAI Codex（三套同時運行以分散 Token 限制）
- Figma MCP（整合至 Agent 以提升 UI 配色品質）
- VS Code（推薦 IDE，Plugin 生態完整）
- Cursor（原名 Windsurf，基於 VS Code 開源改版）
- NotebookLM（Google）、Archive / 台灣論文資料庫
- Suno（AI 音樂生成）、Whisper（語音轉文字）
- 數字 / 成本
- Claude Pro 月費 20 美元，5 小時內有 Token 限額，7 天重置一次
- API Key 模式：講者備用 100 美元，實際一天可燒掉 50 美元
- 示範簡報共生成 904 行 HTML，耗時約 10 分鐘
- Skill 品質評分目標設定 98 分（實際約落在 80–90 分，AI 會虛報達標）
- 流程 / 方法
- Vibe Coding 核心流程：自然語言提示 → Agent 生成程式 → 不修改原碼 → 新 Session 進行 Code Review → 再優化
- 學術研究自動化流程：關鍵字 → 搜尋 Archive / 論文庫 → 下載 PDF → 論文摘要 → 生成研究主題 → 丟入 NotebookLM 轉語音摘要（約 30 分鐘完成）
- 製作中英對照論文：Skill 將原文逐行翻譯，一行英文一行中文
- Skill 建立流程：流程執行完 → 指示 AI 將流程存成 Skill → 另開 Session 請 AI 以專業審核員角色評分 → 要求修正至 98 分
- GitHub 部署：告知 Agent「將今天成果推上 GitHub 並先寫好 README」，Agent 自動完成
- 安全警告
- 前端 HTML 含 API Key → Chrome F12 即可竊取
- OpenAI 可設消費上限止損；AWS 無此機制，風險更高
- Skill 資料夾需自製，避免第三方 Skill 進行 Prompt Injection
- --
結論
結論“Vibe Coding 的最大價值在於「不修改生成程式碼、將流程封裝為自製 Skill」，讓 AI Agent 從單次問答進化為可重複調用的自動化工作流，無程式背景者同樣能在 10 分鐘內完成過去需要數小時的任務。”
完整解析
詳細講者胖胖是一位沒有程式背景、英文也不佳的自學者，從學 Python 開始，逐漸轉向用語言模型輔助撰寫程式，最終進入 AI Agent 的 Vibe Coding 工作流。他在這場分享的開場即展示一份由 AI Agent 生成、部署至 GitHub Pages 的 HTML 簡報，強調整個流程只花了約 10 分鐘：他只提供了今天分享的主題大綱與兩份競賽 PDF，Agent 便自動讀取、理解、生成 904 行 HTML，並整合 Figma MCP 處理配色。這份簡報是「先備知識」概念的直接體現——你提供的資料越完整、越有結構，Agent 輸出的品質就越高。
Vibe Coding 的核心邏輯，胖胖用「慣老闆與傻員工」作比喻：使用者只需說清楚要什麼，不滿意就說哪裡不行，讓 Agent 再做一次。最關鍵的禁忌是「不要手動修改 AI 生成的程式碼」。他解釋道，一旦手動改了某個地方，Agent 在第二次回應時並不知道你動了哪裡，它會以錯誤的基準繼續疊加修改，最終系統整體崩潰。正確的修復路徑是：另開一個全新 Session，把整份程式碼作為先備知識貼入，請 AI 以「專業程式設計師」角色重新 review 並重寫更好的版本。兩個 Session 互不共享記憶，正好提供了「第三方客觀審核」的效果。
在工具選用上，講者同時訂閱 Claude Pro、GitHub Copilot 與 OpenAI Codex 三套服務，理由是單一服務的 Token 額度在密集使用下往往 4 小時內即耗盡，多套並行可分散壓力。他建議初學者先從月費 20 美元的 Claude Pro 起步，避免 API Key 模式在不熟悉的情況下造成不可控的帳單；若需長時間、大量使用，再改用 API Key 並事先存入約 100 美元預算。資安方面他特別警示：前端 HTML 若被 Agent 將 API Key 寫入，任何人開啟 Chrome 開發者工具（F12）即可竊取，使用者在不懂 Code Review 的情況下幾乎無從察覺，而一旦 Key 外洩，責任由使用者自行承擔。
最後，胖胖展示了 Claude Code 的 Skill 系統。他將常用的流程——如生成簡報、學術論文搜尋與整理、Suno 音樂歌詞生成、中英論文對照翻譯——各自封裝成 Skill，並且強調所有 Skill 均自製，避免第三方 Skill 可能夾帶的 Prompt Injection 風險。Skill 存入後，Agent 在對話中偵測到相關關鍵字便會自動調用，甚至可在 Skill 內嵌入 Python 腳本，讓程式直接處理運算部分以節省 Token 耗用。這種 Agent 呼叫 Subagent 的分層架構，使工作流程從「一問一答」進化為「多技能協同自動完成」，是講者認為 AI Agent 最值得深入學習的核心能力。
---
關鍵時刻
Pipeline v2帶時間戳的重點，會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。
事實查核
Pipeline v2說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。
