Agentic Coding 入門：從 Vibe Coding 到「下指令就完成」的新時代

你有一個工具想法——然後呢？

假設你是一個每天通勤的上班族，有一天你突然想到：「如果有一個工具，可以幫我記錄每次去過的餐廳，還能根據心情推薦今天吃什麼，那該有多好。」

你把這個想法說給朋友聽。朋友點點頭說：「聽起來不錯，你會寫程式嗎？」

你不會。

所以這個想法就這樣放著。三年後你還是在滑美食平台，推薦給你的永遠是同一家鹹酥雞。

這個故事很熟悉吧？絕大多數人都有過類似的想法，但因為「不會寫程式」這道牆，這些想法永遠只是想法。

但是，現在情況不一樣了。

從 2025 年開始，一種新的工作方式快速席捲了整個軟體開發圈，到了 2026 年，它已經不是少數人的秘密武器了。它叫做 Agentic Coding。你不需要懂 Python，不需要設定環境，甚至不需要知道「變數」是什麼——你只需要知道怎麼把想法說清楚。

這篇文章，就是要帶你認識這件事。

Vibe Coding vs Agentic Coding，有什麼差？

在進入正題之前，先把這兩個詞搞清楚——因為你在網路上很常看到它們，但大多數人其實說不太清楚差異在哪。

什麼是 Vibe Coding？

Vibe Coding 是一種邊做邊改、感覺對了就好的開發方式。你把想法丟給 AI，它寫出一段程式碼，你看一下，覺得哪裡怪就叫它改，然後繼續玩下去。

想像一下：你邊滑手機、邊跟 AI 說「嗯，這個顏色再藍一點」、「那個按鈕移到右邊」——這就是 Vibe Coding。你是主導者，但你在即興創作，沒有計劃，靠感覺走。

💡 比喻

就像你在廚房隨手炒一道菜，沒有食譜，看有什麼加什麼，炒到自己覺得可以就盛盤。好吃不好吃？看當天手感。

那 Agentic Coding 呢？

Agentic Coding 則是把 AI 當作一個有能力自主行動的「執行代理人」。你給它一個清楚的任務和目標，它會自己想辦法分解步驟、呼叫工具、修正錯誤，直到把任務完成為止。

你不用一直盯著它、一行一行給意見——你給方向，它處理細節，你等結果。

💡 比喻

就像你把設計圖丟給一個靠譜的承包商，說「我要一個兩房一廳、預算 X 萬、三個月後交屋」，然後你去忙你的事，隔段時間來驗收進度。

簡單說：Vibe Coding 是你在旁邊一直插嘴，Agentic Coding 是你設定好目標，讓 AI 去跑。後者更省力，也更接近真實的軟體開發流程。

跟傳統開發比起來，差在哪裡？

很多人擔心：「這樣 AI 搶了工程師的飯碗嗎？」先不急著討論這個，我們先看看它跟傳統開發方式有什麼本質上的差異。

📌 重點

Agentic Coding 不是要取代工程師，而是讓「不會寫程式」這件事，不再是實現想法的障礙。就像 Excel 讓非會計師也能算帳，Agentic Coding 讓非工程師也能蓋軟體。

當然，做出來的東西品質如何，還是跟你怎麼下指令、怎麼驗收有很大的關係。這就是接下來要講的重點。

你的第一組 Prompt：從糟糕到好用

很多人第一次用 AI 寫程式，都有同樣的挫折感：「我說的很清楚了，它怎麼做出這種東西？」

問題通常不在 AI 不夠聰明，而在指令的品質。下面用三組 Prompt 示範，你能感覺到差距有多大。

❶ 太模糊的 Prompt（結果很糟）

prompt_01.txt NG — 太模糊

幫我做一個餐廳記錄工具。

AI 不知道你要什麼平台、什麼功能、給誰用。它只能亂猜，結果通常不是你要的。

❷ 剛好的 Prompt（AI 能執行）

prompt_02.txt 可以 — 能執行

幫我建立一個網頁版的餐廳記錄工具，功能包含：
1. 新增餐廳（名稱、地點、評分 1-5 星、備註）
2. 列出所有已記錄的餐廳
3. 可以用評分篩選餐廳

使用 HTML + JavaScript，不需要後端，資料存在瀏覽器的 localStorage。
介面簡潔就好，用繁體中文。

清楚說明功能、技術限制、語言要求，AI 有足夠的資訊可以動工了。

❸ 進階 Prompt（像在管理專案一樣）

prompt_03.txt 優秀 — 進階用法

# 專案：個人餐廳記錄工具（第一版）

## 目標
建立一個可以在手機瀏覽器使用的單頁網頁工具，
讓我記錄吃過的餐廳，並在心情猶豫時幫我推薦。

## 使用者故事
- 作為使用者，我可以新增一間餐廳（名稱、地點、類型、評分、心情標籤）
- 作為使用者，我可以瀏覽所有記錄，並依「今天什麼心情」篩選
- 作為使用者，按下「幫我選」按鈕，系統從符合今日心情的餐廳中隨機推一間

## 技術限制
- 純前端（HTML / CSS / JS），不需要後端
- 資料存在 localStorage
- 介面要有點溫暖、乾淨，使用繁體中文

## 這一步先做什麼
只做「新增餐廳」和「列出清單」的功能就好，
其他功能下一輪再加。

把目標、使用者視角、技術規格、本次範圍都說清楚了。AI 知道怎麼排優先順序，也知道不該超範圍亂做。

📝 重點整理

好的 Prompt 要包含：目標是什麼、給誰用、技術條件、這次只做哪些。你不需要一次說完所有事，但每一輪指令都要夠清楚。

三個常見錯誤（幾乎每個新手都會踩）

用 Agentic Coding 開發的人越來越多，但有幾個問題反覆出現。不是因為 AI 不好，而是因為使用習慣還沒建立起來。

1. 指令太籠統，AI 做了一半就卡住

有人這樣做：「我叫 AI 做一個電商網站，它問了我幾個問題我懶得回答，就叫它直接做，結果做出一個完全不是我要的東西，然後我一直叫它改，改了三十幾輪還是一團糟。」

這是最常見的情況。AI 不是在猜你的心——它需要足夠的資訊才能做出對的決定。如果你說「直接做就好」，它只能亂猜，而亂猜的結果就是你接下來要花十倍的時間修正。

✦ 解法：先花十分鐘把需求寫清楚，勝過之後花十小時改來改去。

2. 沒有驗收，改了東牆補西牆

有人這樣做：「AI 每次幫我修一個 bug，都會順便改掉別的地方，我沒有仔細看，結果最後整個壞掉，而且我不知道是從哪裡開始壞的。」

Agentic Coding 的 AI 在執行任務時，有時會對「不在指令範圍內」的地方做修改，認為這樣更好。如果你沒有在每一輪確認結果，錯誤會疊加，最後很難回溯。

✦ 解法：每次 AI 完成一個步驟，花幾分鐘確認結果是否符合預期，再進下一輪。小步驗收，比大步重來省力。

3. 把 AI 當萬能，不懂得「接手確認」

有人這樣做：「我以為 AI 做完就可以直接用了，結果它給我的東西在特定情況下會出錯，我完全不知道，直到有人反映我才發現。」

AI 做出來的東西，不等於是正確的東西。它有時候會自信地給你一個看起來很完整、但其實有邏輯漏洞的結果。你作為「產品負責人」，有責任去測試、去用、去挑毛病。

✦ 解法：做完之後，用真實情境測試你做出來的東西。把自己當成第一個使用者，嘗試各種邊緣情況。

你需要的不是程式能力，而是這個

講到這裡，你可能會想：「所以我到底需要學什麼？」

答案會讓你意外：你需要的，是把事情說清楚的能力。

在 Agentic Coding 的世界裡，真正有價值的技能不是記得幾個語法、不是會設定開發環境——而是你能不能把一個模糊的想法，轉化成一個具體、可執行、有範圍的任務。

💬 換個角度想

你在工作上有沒有寫過清楚的工作說明？有沒有幫別人解釋過一個流程？有沒有把一個複雜的問題拆成幾個步驟？如果有，你已經擁有 Agentic Coding 最核心的能力了。

程式語言是 AI 的工具，不是你的工具。你的工具是語言——準確的、有邏輯的、有條理的語言。

回到文章開頭那個上班族。他不需要去補習班學三個月的 Python。他需要做的，是坐下來，把那個「記錄餐廳、推薦心情」的工具想清楚，然後用文字說給 AI 聽。

這件事，任何人都能做。

今天就能做的第一步

不要等到「準備好了」再開始。Agentic Coding 的第一步，就是動手試。

以下是一個你今天就可以做的小任務：

你的第一個 Agentic Coding 任務

打開任何一個 AI 工具，用下面的格式寫一段 Prompt，試著讓 AI 幫你做出一個你一直想要的小工具：

你的第一個 Prompt 模板

我想做一個 [你的工具名稱]，主要用途是 [它要解決什麼問題]。

使用者（也就是我自己）主要會：
- [功能一]
- [功能二]
- [功能三]

技術上，請用 HTML + JavaScript 做成網頁，
不需要後端，介面用繁體中文，風格簡潔就好。

這一版只要做 [你這次最想要的核心功能] 就好。

挑戰：現在花十分鐘，把你一直想做的某個小工具，填進上面的模板，然後丟給 AI 試試看。不用追求完美，先跑起來再說。

Agentic Coding 不是魔法，也不是只有工程師才玩得起來的東西。它是一套新的工作方式——而你要做的，只是學會怎麼把想法說清楚。

那個一直在你腦海裡的工具，也許等待你的時間已經夠久了。