知名人工智慧程式開發工具 Claude Code 的創始人鮑里斯·切爾尼（Boris Cherny）近期在社群活動中，分享了提升 AI 協同開發效率的全新心法。他提出從過往的計畫導向轉為自動驗證，並主張善用錯誤紀錄檔來減少人工重複指正，展現出新一代 AI 工具對程式學習與開發流程帶來的重大變革。
告別規劃模式：自動化防護機制提升開發效率
在過去的軟體開發流程中，開發者常需要透過「規劃模式（Plan Mode）」逐一核可 AI 提出的修訂建議。然而，切爾尼指出，這種方式容易造成使用者產生「權限疲勞（Permission Fatigue）」，進而在未審慎思考的情況下盲目通過決策。隨著大型語言模型（Large Language Model, LLM）理解能力提升，他改為推薦「自動模式（Auto Mode）」，藉由獨立的安全評估機制自動過濾指令風險，減少人工介入並提高作業流暢度。
建立錯誤記憶檔案與自動化目標測試
針對 AI 重複犯錯的問題，切爾尼建議開發者不要只是在對話框中單次修正，而是應要求 AI 將失敗經驗與改進原則紀錄於專用的設定檔中。這種作法能為 AI 軟體代理建立長期記憶，避免跨對話重蹈覆轍。此外，他也強調程式開發不應止於產生程式碼，更應指引 AI 執行自動化測試，透過模擬使用者介面（User Interface, UI）的點擊與互動，自動發現瑕疵並進行修復迭代。
減少指令冗餘：精簡上下文與目標導向設計
對於先進的新型模型，過度複雜的指令設定反而可能干擾運算表現。切爾尼提倡「上下文最小化（Context Minimalism）」原則，僅提供解決問題所必需的核心資訊，避免耗用過多記憶體空間。配合專用指令集，使用者只需設定明確的終極目標，AI 就能在特定條件下自動執行任務，直到達到設定條件或解決問題為止。
給家長與老師
隨著 AI 程式輔助工具的成熟，學生學習程式設計（Coding）的重心正在從單純的語法背誦，轉移到問題定義、邏輯規劃與結果驗證能力。家長與老師在引導孩子學習時，可鼓勵他們將 AI 視為共同解決問題的夥伴，學習如何向 AI 給予精準且簡潔的指令。更重要的是，教導孩子建立「從錯誤中學習」的經驗庫概念，當軟體執行出錯時，不只是手動修改程式碼，而是引導學生思考如何將錯誤原因規格化，讓孩子養成結構化思考與系統測試的運算思維。
學習小教室
- 命令列介面（Command-Line Interface, CLI）：一種純文字的作業系統或軟體操作介面，使用者透過輸入特定文字指令來執行軟體任務，而非使用滑鼠點擊圖示。
- 運算思維（Computational Thinking）：一種拆解複雜問題、辨識規律、抽象化概念並設計自動化解決方案的邏輯思考過程，是現代 STEM 教育的核心能力。
- 上下文（Context）：在人工智慧對話中，指的是提供給 AI 的歷史對話紀錄、專案背景與指令條件，AI 會根據這些前置資訊來產生回應。
- 迭代（Iteration）：指反覆執行某個過程以逐漸逼近目標或改善成果，在程式設計中常指經過多次測試與修正來改善軟體品質。
常見問題
什麼是 AI 寫程式工具的自動模式？
自動模式是指由系統獨立的安全機制判斷指令安全性，無需開發者人工逐一按下批准，以加快程式撰寫與調試的效率。
學生學習寫程式時，該如何運用 AI 工具？
學生應著重於學習如何定義問題與驗證結果，並可將程式寫錯的經驗歸納記錄，引導 AI 一起修正與學習。
為什麼提供給 AI 的指令上下文越精簡越好？
新一代的大型語言模型理解能力更強，減少不必要的冗餘資訊能避免干擾 AI 的判斷，使其發揮最佳運算效能。