AI Coding 必須先有架構，否則對話會變災難

欸，你有看到 Vibe Coding 只靠聊天寫程式會卡住嗎？我分享三招讓 AI Coding 有架構、不卡對話災難。

開場：Vibe Coding 真的只能玩玩嗎？

你最近有沒有看到那篇「AI 賦能」的貼文？作者說 Vibe Coding 讓我們只要跟 AI 聊天就能寫程式，聽起來超酷。

為什麼架構思維是 AI Coding 的救生衣

我發現，當專案裡的功能超過三層、資料流開始交叉時，單純「給 AI 一段需求」就會產生「對話災難」── AI 會一次又一次地補上缺失，卻把全局弄得更亂。MIT CSAIL 最近的報告 Challenges and Paths Towards AI for Software Engineering 也說，缺乏軟體架構的 AI 產出在大型程式碼庫裡容易失控。我的解讀是：AI 必須先在「積木疊疊樂」的框架裡工作，才能避免每次都要重新「打補丁」。

三招讓 AI Coding 不再是黑盒子

日誌除錯（Log Debugging）：把程式執行過程全部記錄下來，然後直接貼給 AI。這比讓它自己去「讀」程式碼快多了。
自動化測試（Automated Testing）：把關鍵路徑寫成測試，讓 AI 每次改動都要通過。就像給程式加了防腐劑，壞掉的時候先給個警報。
AI Code Review：把完整程式碼丟到一個全新的對話框，請 AI 做安全與效能檢查。最近我在一個專案裡試過，AI 抓出了兩個資安漏洞，讓我省了不少時間。

這三招其實跟 Vibe Coding 的「直覺」思維不衝突，只是加了「結構」的保護層。根據 Vfunction 的部落格 Rethinking software architecture in the age of AI，超過九成的組織因為架構錯位而導致業務受損，說明這個問題真的不容小覷。

實作案例：從 CSV 到單檔分析儀表板

最近跟行銷同事聊到要快速算 ROAS，Meta 後台太慢，手動拉資料根本沒法即時比較。於是我讓 AI 幫我寫了一個「匯入 CSV → 計算 ROAS → 用 ECharts 畫圖」的單檔 HTML。結果只要把 CSV 拖進去，整個儀表板立刻跑起來，還能點擊展開細節。這種「一鍵」的感覺，真的讓人有話語權。