Frasertec AI Bootcamp 紀實 (二)：從速度到精度，優化人機協作的初步探索
Frasertec Hong Kong
六月 27, 2025
在 [AI Bootcamp 紀實 (一)] 中，我們分享了 AI 帶來的純粹速度，如何在短短數小時內搭建起系統原型，點燃了整個團隊的熱情。在 Bootcamp 的第三、四天，我們進入了更深層次的探索——當興奮感褪去，我們如何駕馭這股強大的力量，確保它不僅跑得快，而且跑得對？
當「神隊友」變成一個「指令不清就出錯」的超高速實習生
我們在實踐中很快驗證了 AI 快速開發服務 的核心承諾：在執行標準化、重複性的編碼任務時，AI 的效率無可匹敵。但我們也迅速遇到了轉折點。
這個轉折點，出現在我們嘗試讓 AI 開發一個標準的用戶登入頁面時。AI 在幾分鐘內就生成了完整的代碼，速度驚人。然而，在審查時我們發現，它完美地實現了用戶名和密碼輸入，卻遺漏了一個至關重要的功能——「忘記密碼」的連結。
這個小小的失誤，卻是整個 Bootcamp 中期最重要的「頓悟時刻」(Aha Moment)。我們意識到，AI 當前就像一個執行力極強、速度極快、但缺乏業務常識的初級開發者。你指令清晰，它能完美執行；你指令模糊，它就會用最「直接」的方式完成任務，而忽略了那些約定俗成的「潛規則」。
從「追求速度」到「設計指令」
這次經歷，讓我們的探索重點，迅速從「感受 AI 的速度」，轉向了「如何系統化地設計我們的指令」。我們不再僅僅是使用者，而是成為了 AI 的「領航員」。為此，團隊迅速確立了三項核心原則：
- 建立我們的「AI 溝通手冊」(Prompting Playbook)
我們開始標準化需求描述的方式。對於任何功能，都要求先用結構化的語言定義好「用戶故事」、「輸入數據」和「預期輸出」。這份內部手冊，確保了無論是哪位工程師，都能向 AI 發出同樣高質量的指令。 - 小步快跑，即時驗證 (Micro-testing & Instant Validation)
我們放棄了讓 AI 一次性生成整個複雜功能的想法，而是將其拆解。先讓它生成一個數據輸入表單，驗證無誤後，再讓它生成數據處理的邏輯。這種「小步快跑」的模式，確保了每一步都在正確的軌道上，避免了最終結果的巨大偏差。 - 沉澱經驗，建立共享知識庫 (Building a Shared Knowledge Base)
每當有一次成功的、能生成高質量代碼的指令出現，我們就將其記錄到內部知識庫中，並附上成功原因的分析。這讓團隊的經驗可以快速複製，而不是依賴於個別成員的靈光一閃。
重新定義「人機協作」
經過中期的磨合，我們對「人機協作」有了更深刻的理解。這不是簡單地將工作外包給 AI，而是一種全新的夥伴關係：
- 資深工程師 (Human) 負責「Why」：定義業務邏輯，設計系統架構，把握用戶體驗的細節，並對最終質量進行把關。
- 人工智能 (AI) 負責「How」：將清晰的邏輯和架構，快速轉化為高質量的、標準化的代碼。
敬請期待最終章
在掌握了與 AI 更精準的溝通方式後，我們將迎來真正的挑戰：將這套全新的協作模式，應用於項目中最複雜、最核心的業務功能上。我們能否在保證精度的前提下，依然實現效率的飛躍？請期待我們的最終篇紀實！
