最近看到 Simon Willison 的一篇文章〈Here’s how I use LLMs to help me write code〉，裡面分享了他怎麼實際用GenAI（像 GPT 或 Claude）來輔助開發，還有過程中遇到的雷跟學到的教訓。
這篇整理，就是參考這篇文章的重點，來說明：
- 我們到底該怎麼用 GenAI 來寫程式？
- 有哪些地方要特別小心？
- 要怎麼讓這些工具幫你變強，而不是拖你下水？
1. 把 LLM 當作「熱血但愛掰的工讀生」
它寫得快、語氣很有自信、還會幫你補上註解，看起來超厲害，但其實常常在唬爛。有點像實習生沒搞懂需求就寫了一堆東西，但語氣堅定到你會懷疑是不是自己錯了。
✅ 做法：
- 它寫的東西，不管看起來多漂亮，一定要自己測過。
- 遇到奇怪寫法，不要直接 deploy，要懷疑：「這行看起來很合理，但真的有用嗎？」
2. Prompt 不清楚，它就會「自己幻想」你的需求
你問它一行，它給你五行。你只說「寫個 API」，它就幫你加 CORS、驗證、寫測試、還順便連線資料庫… 因為它沒辦法說「我不懂你要什麼」，只會自己腦補。
✅ 做法：
- 越具體越好，像寫 acceptance criteria 一樣。
- 例如：「我有一個 FastAPI 專案，需要一個 POST API，輸入 email，驗證格式後回傳 200。」
- 給它越多上下文，它越不會亂發揮。
3. 有錯的不是你，是它沒跑過
LLM 不會真的執行程式碼，它只是「根據以往的統計」猜出你要的答案。就像背多分的學生，記得答案但沒思考邏輯。
✅ 做法：
- 用有「code interpreter」功能的工具（像 GPT-4 的「程式碼執行器」模式、Claude Code）。
- 讓它自己跑過一遍，有錯你比較看得出來。
4. 它寫的測試，有時只是「看起來像有寫」
它常寫一些超「形式感」的單元測試，例如檢查回傳是不是 200，但沒測到實際邏輯。就像報告有交，但沒內容。
✅ 做法：
- 自己定義要驗證的邏輯點，不要盲信它的 test。
- 請它補「錯誤情境」的測試，例如：「登入錯誤的時候會不會回傳 401？」
5. 一次講完它聽不懂，你要慢慢跟它磨
不是問一次它就會寫出神 code，而是要像 pair programming 一樣，你寫一點，它補一點，你糾正一點，它調整一點。它不是大大，是工讀生，你要 step by step 帶。
✅ 做法：
- 拆小任務，每次請它只做一件事：「這段 function 幫我優化一下命名」，而不是「幫我把這整包 code 改成 DDD 架構」。
- 給 feedback，例如：「你這段回傳值格式錯了，應該是 JSON 而不是字串。」
我們為什麼那麼容易信它？
因為它講話太有自信，而且模仿 Stack Overflow 的風格非常到位，我們會誤以為這就是「專業」。
但語氣專業 ≠ 程式正確。 看起來合理的回答，可能完全沒辦法執行，甚至邏輯上根本說不通。
GenAI 可以讓你更快寫出錯的東西，也可以幫你快速找到更好的寫法——差別在於，你自己有沒有想清楚
發表迴響