AI 更新迭代的速度實在太快，有點像幾年前的 Web3 一樣，每週甚至每天都看到許多不一樣的應用。以前常說「幣圈一天，人間一年」，這句話現在似乎也可以完美套用在 AI 圈，只需要把主詞改掉就好。
作為一個曾經擔任過 PM 與工程師的我來說，在使用 AI 的過程中，大概經歷了幾個過程，就簡單用流水帳記錄一下：
從「高級 Google」到「輔助寫程式」
在 GPT 剛問世時，我主要是把它當作比較高級的 Google 在用。以前找資料要在搜尋結果中翻找半天，但當時只要問問 AI，再沿著它給出的關鍵字深入研究，效率就提升許多，省下不少時間。
甚至當時在寫 App 時，我也會把程式碼複製到 GPT 請它協助，不過當時的用法也就僅止於此，並沒有更深層的應用。
後來 Cursor 剛推出時，我在想他是不是可以解決我開發效率的問題，變用 Cursor 測試了一下新的專案，不過可能因為剛出加上畫面給的指令過於複雜，跑了好幾次都沒有成功，所以用了一陣子後，我還是回歸到老方法繼續用 GPT 來輔助我寫程式。
Antigravity 帶來的速度爆發
直到 Antigravity 出現，我感覺好像可以開始把 AI 好好地導入到開發流程中。
一開始我先拿自己的 Blog 實驗，發現運作的還不錯，沒太大問題。既然沒太大問題，就進一步將它導入到 App 的開發中。結果令人驚訝：整體的迭代速度大幅提升，少說也有 5 到 10 倍的速度增長。（雖然現在似乎沒有一開始聰明的感覺）
Lovable 的嘗試
在使用 Antigravity 的同時，我也嘗試玩過其他的 AI 產品，像是 Lovable, v0, Google AI Studio 等，最後我選擇使用 Lovable 來進行其他的開發嘗試。
我的體悟
用了這麼一段時間，網路上也很多大神在分享怎麼用 AI 工具，這邊就不在贅述了，但還是分享我目前總結出以下幾點：
1. 學會「好好說話」
首先，我覺得先學會怎麼好好說話，把需求說得精準清楚。AI 才知道要怎麼幫助我們實踐。如果講一個很模糊的需求，比方說：「幫我做一個交友軟體」，就算是再強大的 AI，也不知道要從何幫你完成任務。我一開始使用 Lovable 時，是先將指令寫在 notion 上面，並確認我的需求是否有明確，再將這些指令丟到 Lovable 內讓他幫我工作，當然中間也有鬼打牆的時候，不過把需求說清楚也確實讓 AI 幫助我解決很多問題。
2. 具備基本的程式知識
基本的程式基礎還是滿重要的，這有助於 Debug 或是解決安全性的相關問題。當 AI 在「鬼打牆」時，如果知道該怎麼直接修正檔案，會比我坐在那等待 AI 自我修復要來得有效率得多。此外就是安全性的問題，也滿常看到一些分享者分享一些 AI 生成的程式碼，但不小心把自己的 key 也給分享出去等等。
3. 不用想著追最新的東西
這幾天才看到有人說 MCP 不見了，現在都在用 Skill 等，現在這個時期可能學了個新東西一兩個月後他就是過時的技術，重點是看這些東西怎麼解決我們的問題，而不是看它是否是最新。這就有點像以前在學寫程式時，總覺得用最新最炫的技術來寫程式是件很酷的事情，但其實用戶可能根本不懂你在搞啥，他只在乎你的產品是否好用，是否能解決他的問題，是否值得他花錢買單，我想現在也是一樣。
下一步
Antigravity 最近的表現感覺不如預期，Claude 似乎發展得越來越好，還有 PaperClip 以及小龍蝦之類的工具，但還是回歸到這些工具是否可以解決我目前的問題為出發點來考量。
關於封面圖
這張封面圖就是 Antigravity 產的圖，一開始幾次還產的不是很理想＋產成正方形，罵了一下就修正成 16:9 的比例，果然還是要兇一點！！