價格昂貴的 AI agent 開發系統已經是潮流，不想花這麼多錢？只要幾步起手式，就可以讓 ChatGPT 這種 AI Chat 工具升級成複雜系統開發工具！除了便宜外，這種比較慢的 AI 輔助開發，對想學程式開發的人來說效果絕佳。
「系統開發」就是「寫程式」嗎？對也不對！系統由程式組成，但複雜多了，比如你要做個部落格網站，有：認證管理、會員管理、內容管理、資料庫管理、SEO、串接社群網站、備份、網路安全…，有的自己寫，有的導入既有程式庫（別人寫好的半成品），最難的是這些由不同人開發的不同功能最後可以運作不出錯。
這就像自彈自唱跟指揮交響樂團的差異。
搞定系統最複雜的相互關係，最好把 AI 導入工程師實用的 IDE 開發環境，讓它看到所有程式碼、運作成功或失敗、失敗原因是什麼…，這樣就可以自動化了。但 IDE 寫程式要另外花錢串接 AI 公司的 API，價格高昂，我曾花掉 USD$30/日（約 NTD$1000），這不是把賺的都給大模型公司了嗎？如果是接案還能把這錢當成本，但如果在公司上班領死薪水，不可能每天為公司貢獻 1000 塊吧？
相較之下，對話式 AI 機器人，如 ChatGPT、Claude，每日都有免費額度，訂閱 Pro 也僅 USD$20/月左右，雖然沒那麼方便，確實經濟多了。
你可以舉一反三把本文的方法使用在所有「系統性」的事物，例如寫動輒百頁的論文、書、政府科專補助計劃、多集戲劇劇本… 上。
本文目錄
AI Chat 的限制
現在的 AI 對話機器人也有改善，原先流程是你去 Copy & Paste 到 IDE，執行後把錯誤告訴它，它再猜問題是什麼，這很麻煩。而每次修改就重新生成，速度慢不說，很快就把額度用完了，還可能越改越錯。
還好最近 Claude 領先推出了「Artifacts」，ChatGPT 緊接也推出「Canvas」，現在它們可以在河流般前進的對話中持續修改同一個檔案了，就像你和它站在白板前討論一樣，雖不及 IDE，已經比以前好多了。
但它們還是有限制：
- 對話長度有限：跟它對話 10 句，第 11 句它會送出「前面的 10 句 + 最新的 1 句」等於送出了 11 句話加上它的大篇回答，越多輪對話，送出內容成倍增加，很快就把本日額度用光光，解決方法是把一段對話切成多段，但讓每段能連戲。
- 看不到全局：一次說一句話，要它從幾句話瞭解你的系統太難了。這就要利用「Project」功能，例如 Claude 的 Project 有「Project Instruction」和「Project Knowledge」的功能，就可以跟聊天機器人做更深的溝通了。
本文是以 Claude 為例的系統開發設定，ChatGPT 也大同小異。
如果只要生成應用題那樣的短答或寫短文，就不用這麼麻煩。但要讓 AI 有系統解決能力，才能幫你增加生產力。
Project Instruction
我會把下面這樣的 Project Instruction 寫在這個欄位
- 我把相關文件放在 Project knowledge 中，回覆前請先看是否有既有的內容避免重複。
- 因為 AI 會根據你的問句直接回答，完全不看提供的文件，導致跟你的規劃脫節
- 註解請用繁體中文，避免中國用語。
- AI 的訓練素材絕大部分是英文，及簡中，一不小心就會講「普通話」，跟臺灣差異很大，容易誤會。
- 產生程式碼前，請說明程式的路徑。
- 你的專案裡會有很多檔案夾，例如
project_a/app/routes/main.py，不先說，AI 會生成一堆程式碼，卻不知道這段程式碼要貼在哪個檔案裡，你問它又多耗費一輪對話。
- 你的專案裡會有很多檔案夾，例如
- 要增/刪時請明示。
- 有時候它會要你增加，卻直接產出一段程式碼給了一個沒看過的新名字，很疑惑「這要放在哪裡？」，加上這句，它會說「新增檔案xxx」。
這提示在整個專案都有效，就把「希望你隨時注意」的內容寫在這裡，就不用每輪對話提示一次了。
對 Google Gemini 沒用，因為它根據問它的語言回答，程式碼以英文為主，就算內含中文詢問，也常常回覆英文，而且沒辦法叫它一律講中文。這種小地方令人覺得 Google 雖是 AI 先行者，但本輪 AI 爭霸它真輸了。
Project Knowledge
如果你用過 NotebookLM，就知道一個計劃一定有很多文件，這叫做「語境」或「前後文」（Context），如果你的部門有個新人剛加入專案，他得要具備一些相關知識就是了。你就把 AI 當新加入的同事，給它一堆文件讀，「等下開會別問白癡的話啊！」，因為很多菜鳥問的都寫在文件裡了啊！
在這裡我會放三類文件：1）結構性系統需求文件；2）專案檔案樹；3）專案檔案。
結構性系統需求文件
請參考先前的文章《生成式 AI 精準生成術 結構性 PROMPT》，你可以想像一個系統用心智圖類似的架構畫出樹狀圖，在一個檔案裡把所有計劃及想法都講明，任何人讀完就不會狀況外。
生成式 AI 很聰明，給它多數檔案它可以「大致懂」，但如果你希望它「完全懂」，建議用 YAML 格式，理由也寫在《生成式 AI 精準生成術 結構性 PROMPT》裡了，這裡我請 Gemini 整理 YAML 的寫法（這種簡單任務它沒問題），別擔心，它其實不難。
# 註解：以 # 開頭
# 純量值：
name: Alice
age: 30
is_student: false
pi: 3.14159
# 映射：
person:
name: Bob
age: 25
address:
street: Elm Street
city: Anytown
zipcode: 12345
# 列表：
fruits:
- apple
- banana
- orange
# 日期和時間：
created_at: 2023-11-24T12:34:56Z
# 塊字面量：
multiline_string: |
這是一個多行字串。
它可以包含換行符。
# 流式字面量：
singleline_string: >
這是一個單行字串。儘管寫在多行，但會被摺疊為一行。
# 字典中的列表：
hobbies:
- reading
- cooking
- traveling
# 列表中的映射：
pets:
- name: Fluffy
type: cat
- name: Fido
type: dog
# 使用引號：
quoted_string: "This is a \"quoted\" string"
# null 值：
deleted: null
# 錨點與引用：
&anchor
name: Alice
age: 30
person1: *anchor
person2: *anchor還是很亂？我解釋一下：
- YAML 中所有的描述都是「鍵值對」（key-value pair），所以每行都看到「姓名:王小明」，「姓名」就是鍵，用冒號分隔，「王小明」就是它的值，如果有 10 個人整理成表格，就是「姓名」欄位有王小明、李小華、黃小虎…，所以你可以把「鍵」當作表格的表頭第一列「標題列」。
- 那麼值就是表格裡填的內容，通常一格填一個內容，但是有多個內容也常見，例如：電話:0987654321、0987654322，誰說一個人只能有一個電話？那多個值如何呈現呢？上例中很多都是告訴你如何花式呈現多個值。
- 鍵值對的下一層還可以有其他的鍵值對，這就是「巢狀」，像俄羅斯套娃一樣一層套一層，就像「地址:」還分作「街道:中正路1號、城市:臺北市、郵遞區號:11111」，這 3 個鍵值對是上一層的值。
其實你不用很懂，寫個大概叫 AI 修改，甚至你就用說的叫它寫，鍵值對的功能就是告訴電腦每個內容是什麼，叫它先寫 YAML 是確定它是否真瞭解你的意思，這一切都是為了不用誤解，因為誤解就要重寫，費時、費錢、費精神。
YAML 可以系統性告訴 AI 全局的樣子，它就可以幫你多想、幫你計劃、不問白癡問題、回答得體，而且不論做了多久都不會走歪，因為「初衷」一直在那裡。
專案檔案上傳到 AI Chat
你要讓 AI 知道你已經有哪些檔案了，以免它又浪費時間去生成既有內容，更怕它改了個新版是錯的。
軟體通常被拆成多個檔案夾，每個檔案都有規定放置的位置，比方下面是一個簡單的 WordPress 插件的模板：
plugin-name/
├── inc
│ ├── admin
│ │ └── settings.php
│ ├── public
│ │ └── frontend.php
│ └── shortcodes.php
├── assets
│ ├── css
│ │ └── style.css
│ └── js
│ └── script.js
├── plugin-name.php
└── readme.txt要解決系統檔案間的關係，當然「檔案夾」跟「檔案」都要提供，但 Claude 的 Project knowledge 只能上傳「檔案」而不能上傳「檔案夾」，也不能把上傳過的檔案手動分組，怎麼知道什麼檔案在什麼位置呢？
沒關係，把檔案樹單獨寫一個檔案，讓它當作對照表去比對就好了。
檔案樹
作業系統有個「tree」功能，使用方法是打開終端機輸入「tree」，它會把所有檔案和檔案夾畫出一棵檔案樹。
如果還沒安裝，在 Mac 輸入
brew install tree；在 Ubuntu 輸入sudo apt-get install tree即可；Windows 的安裝有些複雜，參考此文
程式開發系統常會產出大量暫存檔或系統用檔案夾，比如 Python 常會產生上千個檔案，這些不是我們開發的也不用告訴 AI，我用了一個 tree 指令，讓它不列出 Python, PHP, Node.js, Git 這些會產出系統檔案的工具，如果你用的是其他軟體，也可以加入你不想列出的工具檔案夾。
tree -I 'venv|__pycache__|node_modules|.mypy_cache|.pytest_cache|vendor|.git'最後，在 Claude 新增一個文字文件，題目是「Project Dir Tree」把畫出來的 Tree 貼在內文，AI 就知道每個檔案原本放在哪個檔案夾了。
上傳檔案到 AI Chat
同樣的問題，Claude 無法「上傳目錄」，我要把所有檔案讓 AI 看到，只能從層層疊疊的檔案夾中找到檔案，常常有幾十個，一一上傳到 Claude，容易出錯且工程浩大。
我的做法是在桌面建立一個「/專案名稱_files/」檔案夾，用下面的指令做到 2 件事：
- 忽略檔案夾：從專案檔案夾搜尋檔案（忽略子檔案夾），送到桌面檔案夾，只要幾秒鐘就搞定。
- 忽略自動生成檔案：避免複製 Python, PHP, Node.js, Git…自動生成的上千個系統檔發給 AI。
find /來源檔案夾路徑/ \
-type f \
! -path "*/venv/*" \ # 不要的檔案夾們
! -path "*/.git/*" \
! -path "*/__pycache__/*" \
! -path "*/node_modules/*" \
! -path "*/.mypy_cache/*" \
! -path "*/.pytest_cache/*" \
! -name "*.log" \ # 不要的副檔名們
! -name "*.tmp" \
! -name "*.lock" \
! -name "*.pyc" \
! -name "*.swp" \
-exec rsync -av {} /目的檔案夾路徑/ \;這個指令可以一瞬間把全部檔案都複製到新檔案夾，再用 Claude 的「Upload from device」全選上傳即可，省時省力。
每次結束 AI Chat 對話的更新
Claude 在每段對話太長時會貼心的寫「Tip:Long chats cause you to reach your usage limits faster.」，避免很快把額度用光，要開一個新對話，但在新對話會不會不連戲？會，它常常把前面說的忘記，改對的又改錯。
解決方式是，在每段對話結束前更新記憶：
- 「請提供 prompt，讓我們在新對話中可以接續本段對話的進度，請標示已完成和未完成的事項，總結對話」，此時它會提供一段話，把它複製下來，貼到新對話。
- 刪除舊檔案樹，用前面指令更新 project knowledge 的檔案樹。
- 刪除舊專案檔案，用前面指令更新 project knowledge 的專案檔案。
所以你知道為什麼前面那些操作要寫成固定指令了？因為一段對話可能 10 輪問答就會跳出太長的警訊，常常要做所以要儘量自動化啊！
比起直接開新對話聊天，這幾步更新動作是有點麻煩，但省下每段對話開頭都要花力氣跟 AI 對齊資訊的時間，第一輪問答就有生產力，此時它才是真正助理，可以提出有用建議。
總結
如果沒有預算限制，用 Cursor + Cline 兩大 AI 程式設計師聯手最方便，系統開發很快，但很貴，一天花 NT$1000 都可能。
取而代之，用 Claude 的 Project + Artifacts，或是 ChatGPT 的 Project + Canvas，USD$20/月，在省錢和效能間平衡，適合在公司上班不願動輒噴幾十美金的你。
從學習角度看，自動開發已經簡單到只要按「OK」就可以用一隻滑鼠完成系統開發了（現在連按 OK 都自動化了！），但因為沒付出功夫，學習沒效果。
本文的方法是還需要 Copy & Paste，但看到如何一步步前進，學習效果較好。例如，如果你從沒學過 PHP，也不懂 WordPress，試試看用 AI 開發一個 WordPress 插件，花兩三天，你會對兩者都有深刻理解，甚至比多年 WordPress 用戶更懂。