從 70 分到 95 分的距離
之前有提過我覺得 AI 生成的內容是非常個人化的，它能依照我們的需求設計，但 AI 的理解與我們實際想要的通常有段差距，這個差距需要大量的使用者體驗進行反饋。
AI 基本上能快速達到 60 到 70 分的品質，但當你想從 70 分提升到 90 分甚至 95 分時，所花費的時間往往遠大於一開始 Demo 生成的時間。
這是因為許多細節 AI 無法主動認知，加上我們的敘述不夠精確。因此，透過使用者反饋進行工具迭代，是優化現今 AI 工具非常關鍵的一環。
快速開發背後的技術債
一張照片拍得不好，我們會想重新生成或修正；但很多透過 AI 產生的應用，看起來真的很厲害，卻容易被誤解為「只要一句話就能完成」。
對我而言，一個產品除了「能用」和「好用」，還又也很重要的是如何長期維護。在學習 Vibe Coding 的過程中，我經歷了「見山是山、見山不是山、見山又是山」的階段。
所以也意識到，過度依賴快速生成會累積技術債。如何減少這些技術認知的差異，並持續吸收、理解自己還能精進的地方，是目前給自己努力的目標。
多累積認知在AI時代重要嗎?
我常跟太太說，很多行政工作可以靠 AI 解決，但我深知如果直接幫她設計好，她在「不知其所以然」的情況下，會直接進入所謂見山是山的狀態，因為我確切的知道，我們當中對AI的理解有非常巨大的差異，但是這又是必經的過程，唯有知道工具能用，才會想用，最後才會想要他更好用。但是這個更好用要進行的，過程其實相當反覆且耗時。
學習 AI 越來越簡單，但過程太簡單，產出太容易，也少了理解的機會。
雖然現在有 Claude Code 或 Codex等工具可以代理大部分工作，但在早期「複製貼上」的過程中，我反而默默學會了 網站部署的基本邏輯、 API 的運作方式、如何保護金鑰（Key）、程式碼的簡單架構，當然我不是專業的工程師，但是至少會去認知其所以然。
也因為產出太容易，現在很多產品原型看起來好像有這麼一回事，但實際進行使用、長期使用的例子有多少，比起看一張圖片還要複雜的產物，我們其實也要有更要求的標準，不然工具永遠沒辦法真實的融入生活及工作場景，只是已知有火，但用火還一知半解。
儘管有人認為這些理解不重要，但我自己還是希望了解 AI 到底幫我做了什麼。儘早接觸並提升認知，對全貌的認識就會越清楚，使用工具時也會更加踏實。
