--- title: "Claude Opus 4.5 實戰心得：AI 輔助開發的現實與限制" description: "分享使用目前最強 AI 模型 Claude Opus 4.5 進行開發的實戰心得，探討 AI 輔助開發的優勢與限制" canonical_url: "https://blog.markkulab.net/post/claude-opus-experience" author: "Mark Ku" author_url: "https://blog.markkulab.net/author/mark-ku" site: "Mark Ku's Blog" date_published: "2026-01-24 01:01:35 +0800" category: "AI" tags: ["ai", "claude", "vibe-coding", "development", "nextjs"] language: "zh-TW" license: "CC BY 4.0" license_url: "https://creativecommons.org/licenses/by/4.0/" attribution: "轉載或引用請註明作者並附上原文連結" --- # Claude Opus 4.5 實戰心得：AI 輔助開發的現實與限制 ## 前言 最近在測試 Vibe coding的極限，主要採用 Claude Opus 4.5，搭配 GitHub Copilot Pro 前前後後大概燒掉將近 16 個用量，一口氣完成四個實際專案。實戰下來，我的感覺是：AI 對 prototype、小型專案或 PoC 來說非常好用，但當專案規模變大、邏輯變複雜時，各種限制與踩雷點就會一個一個浮現。 這篇文章+就把這段期間最真實持態調整整理起來，分享如何和AI 一起開發 ## 一、複雜或不明確的需求，AI 容易卡住 這是目前 AI 輔助開發最明顯的限制之一。當功能需求**太複雜**或**描述不夠明確**時，AI 常常會： * 做到一半就中斷，需要人去按下繼續 * 太大或複雜的的功能，產出不完整的程式碼 * 反覆修改卻始終無法達到預期 另外要補充的是：**就算規格寫得很詳細，AI 也不一定能一條龍直接做對**，很多時候它少了專案脈絡（既有流程、不能動的邊界、隱含規則），就會在某一步開始偏航。 常見原因： * 沒講清楚哪些不能改、哪些必須沿用 * 漏掉錯誤情境/權限/效能等「非功能需求」 * 跨模組耦合，AI 會自行腦補而不一致 **實際案例：** 當我請 AI 幫忙重構一個涉及多個模組、需要處理複雜商業邏輯的功能時，它經常會在執行過程中「迷路」，忘記前面已經完成的部分，或者把需求理解偏了。 **建議做法：** 1. **拆解任務**：把大功能拆成小步驟，一步一步讓 AI 完成 2. **明確描述**：給出具體的 input / output 範例，減少模糊空間 3. **設定邊界**：明確告訴 AI 哪些不用動、哪些是重點 ## 二、翻寫系統時，AI 容易產生幻覺或發散 這點讓我印象深刻。即便**已經提供了舊的程式碼**作為參考，如果沒有盯著 AI 的輸出，它還是可能會： * **產生幻覺**：自己發明一些不存在的 API 或方法 * **過度發散**：加入原本不需要的功能或設計模式 * **忘記上下文**：前後程式碼風格不一致 **實際案例：** 在翻寫一個舊系統的模組時，我提供了完整的舊程式碼，但 AI 還是在某些地方「自由發揮」，用了一些根本不存在的 library method，如果沒仔細看就直接用，上線肯定會爆炸。 **建議做法：** 1. **分段檢視**：不要一次讓 AI 產出太多程式碼，分段檢查 2. **明確約束**：在 prompt 中強調「只使用現有的 API」、「不要新增額外功能」 3. **人工 Review**：AI 產出的程式碼一定要親自過目，尤其是關鍵邏輯 ## 三、Agent Skill：讓 AI 不只會寫程式 這次玩下來最有趣的發現是 **Agent Skill** 的概念，透過 MCP (Model Context Protocol) 機制，可以讓 AI 具備「執行能力」，而不只是產出文字或程式碼。 **什麼是 Agent Skill？** 簡單來說，就是預先定義好一些「技能」，讓 AI 可以： * 執行終端機指令 * 操作檔案系統 * 呼叫 API * 查詢資料庫 * 管理 Git 操作 **實際應用：** * 請 AI 幫忙檢查 Git 狀態、建立 commit * 讓 AI 自動執行測試並回報結果 * 整合部署流程，AI 可以一鍵執行 這讓 AI 從「顧問」變成「助手」，真正能動手做事，而不只是給建議。 ## 四、前端開發，搭配模板效果很好 這是目前 AI 輔助開發**效果最好**的場景之一。只要： * 需求不是太複雜 * 有現成的模板或 UI 框架 * 有明確的設計稿或參考 基本上可以放心交給 AI 處理，它能快速產出符合預期的前端程式碼。 **適合 AI 處理的前端任務：** * 切版 (HTML/CSS) * 元件封裝 (React/Vue Component) * 表單處理 * API 串接 * 簡單的互動效果 **不太適合的情況：** * 複雜的狀態管理邏輯 * 需要深度客製的動畫效果 * 效能優化相關的調整 ## 五、C# 和 Java 比腳本語言燒 Token 更快 這是一個容易被忽略的成本問題。由於 C# 和 Java 這類語言的特性： * **語法較冗長**：相同邏輯需要更多行數 * **強型別系統**：需要定義更多型別和介面 * **物件導向與抽象層較多**：在大型專案中常見各種分層與介面（DTO / Service / Repository / Interface）或抽像(Abstract)，上下文一長就更吃 Token * **命名空間與 import**：每個檔案都有一堆引用 這導致 AI 在處理這些語言時，**Token 消耗速度明顯比腳本語言快**。 為了避免token 大量消耗，我會請AI先依據原本的程式脈絡撰寫Skill.md 或Instruction.md **有些比較小的專案我會採用 Next.js 全端開發，這樣比較省token** 後來我選擇用 Next.js 來開發，主要原因是： * **前後端統一語言**：都是 TypeScript/JavaScript，不用在 C# 和前端之間切換 * **縮小 Context 範圍**：同一個專案內，AI 更容易理解整體架構 * **Token 消耗更低**：相較於 C#/.NET 專案，同樣功能的 Token 消耗更少的Token * **熱門框架支援好**：AI 對 Next.js 的理解程度高，產出的程式碼品質也比較穩定 這樣做的額外好處是，當我請 AI 幫忙處理一個功能時，它可以同時看到前端元件和後端 API Route，更容易產出一致且正確的程式碼。 ## 總結：AI 是好幫手，但不是萬能 經過這幾天的實戰，我的結論是： **AI 擅長的事情：** ✅ 明確、重複性高的任務 ✅ 有模板可循的開發工作 ✅ 快速產出初版程式碼 ✅ 協助 Debug 和 Code Review ✅ 自動化流程的整合 **AI 不擅長的事情：** ❌ 複雜、模糊的需求定義 ❌ 需要深度理解業務邏輯的開發 ❌ 完全無人監督的程式碼產出 ❌ 效能調優和架構決策 最重要的心態轉變是：**不要期待 AI 能一次到位**．把它當成一個很聰明但需要指導的 Junior/Middle 工程師，給明確的指示、分段檢查成果、適時修正方向，這樣才能發揮 AI 輔助開發的最大價值。 ## 後記 AI 工具的發展速度很快，今天的限制可能明天就被突破，但無論工具多強大，**工程師的判斷力和經驗**依然是不可取代的。善用 AI 加速開發，同時保持對程式碼品質的把關，才是在 AI 時代最務實的開發策略。 --- ## 關於本文與作者 本文出自 [Mark Ku's Blog](https://blog.markkulab.net/post/claude-opus-experience) 授權條款： [CC BY 4.0](https://creativecommons.org/licenses/by/4.0/) — 轉載或引用請註明作者並附上原文連結 ### 關於作者 **[Mark Ku](https://blog.markkulab.net/author/mark-ku)** — Software Solution Provider - 10+ 年資深軟體工程師，現為 AI 應用 Builder - 專注大型平台架構設計，從北美電商到AI SaaS訂閱收費系統 - 結合 AI Agent 與自動化，打造高效可演進的產品技術基礎 ### 作者開發的免費工具 以下工具皆可免費使用： - [免費 PDF 簽名工具](https://blog.markkulab.net/tools/pdf-sign): 線上 PDF 簽名工具，瀏覽器內完成手繪、打字、上傳簽名，可拖曳放置、縮放、下載。所有處理都在你的裝置完成，檔案不會上傳。 - [VS Code Refactory](https://blog.markkulab.net/tools/refactory): Refactory 是一款 VS Code 重構擴充套件：34 個重構動作、37 條 code smell 檢查、Code Health 儀表板、18 種語言、534 支測試。懂你的專案慣例：介面放哪、DI 註冊寫在哪、'use client' 該不該加；還會用 git 修改頻率 × 複雜度排出「該先修哪個檔案」，並一鍵把壞味道交給你自己電腦上的 Claude Code 修。免費使用，原始碼不離開你的機器。 - [DB-Kit 資料庫管理工具](https://blog.markkulab.net/tools/db-kit): DB-Kit 是一個用 Tauri + Rust + React 打造的輕量跨平台資料庫管理工具，用單一一致的介面同時管理 MySQL、MariaDB、PostgreSQL、SQL Server、Oracle、SQLite、MongoDB、Redis、Kafka、Elasticsearch 與 RabbitMQ 十一種資料來源：連線密碼以 OS keychain 加密、SSH Tunnel、完整 CRUD、視覺化查詢建構器、多結果集同時顯示、跨連線資料傳輸與比對同步、Excel / CSV 匯入匯出、執行計畫視覺化、ER 圖、排程備份、SQL 壓力測試（p50～p99 延遲百分位）、15 條規則的 SQL 審查、Kafka 訊息瀏覽與監控告警；繁中 / 英文雙語介面，內建 AI 助手（自然語言生成 SQL、AI 審查與調校建議）與命令列工具 dbk。免費開源（MIT），提供 Windows / macOS / Linux 安裝檔。 - [VS Code Super Mermaid](https://blog.markkulab.net/tools/super-mermaid): Super Mermaid 是一款 VS Code 擴充套件：開箱即用的漂亮 Mermaid 圖表，自動上色、即時預覽、滑鼠平移縮放、PNG / SVG 高解析匯出，內建 21 種範本與多種主題。免費開源（MIT）。 - [React Super Mermaid](https://blog.markkulab.net/tools/react-super-mermaid): react-super-mermaid 是一個開源 React 元件庫：一行 即可渲染漂亮的 Mermaid 圖表，內建 colorful / sketch 主題、平移縮放、圖內搜尋、SVG / PNG 高解析匯出。輕量、SSR 安全、完整 TypeScript 型別。免費開源（MIT）。 - [Jira / Confluence Super Mermaid](https://blog.markkulab.net/tools/jira-super-mermaid): Atlassian Forge app：在 Jira issue 與 Confluence 內文直接寫 Mermaid 語法，畫流程圖、時序圖、狀態機與甘特圖。11 種圖表、SVG / PNG 匯出、明暗主題、完整中日韓文字支援。取得 Runs on Atlassian 資格：圖表存在你自己的站台，app 不呼叫任何第三方服務。免費，即將上架 Atlassian Marketplace。 - [Mermaid 線上預覽](https://blog.markkulab.net/tools/mermaid-preview): 在瀏覽器裡寫 Mermaid、即時看圖，整張圖表壓進網址就能分享。免註冊、不上傳伺服器，相容 mermaid.live 的分享連結。 - [React Intl Phone Number](https://blog.markkulab.net/tools/react-intl-phone-number): react-intl-phone-number 是一個開源 React 元件：framework-agnostic、不依賴 antd，提供 E.164 進出、可搜尋國旗 / 國碼下拉、可配置驗證等級（strict / mobile-strict / loose）、可主題化 CSS 與 i18n，電話邏輯由 google-libphonenumber 驅動。輕量、完整 TypeScript 型別。免費開源（MIT）。 - [Uptime Kuma Cluster](https://blog.markkulab.net/tools/uptime-kuma-cluster): 把單機版 Uptime Kuma 改造成高可用叢集：OpenResty + Lua 智慧負載平衡、MariaDB 共享狀態、健康檢查與自動 Failover，附叢集管理 REST API，一行 Docker Compose 啟動。免費開源（MIT）。 - [特教專案](https://blog.markkulab.net/education): 為特殊教育學生製作的學習教材 ### 每日 Podcast - [科技新鮮事](https://blog.markkulab.net/category/tech-news): 每日精選 AI 與科技趨勢，透過語音摘要快速掌握最新技術動態，涵蓋 AI 應用、軟體架構、DevOps 與工程實戰。 — RSS: https://blog.markkulab.net/feed.xml - [AI股市蝦聊](https://blog.markkulab.net/category/ai-stock-chat): 每個交易日用 AI 分析台股盤勢，以雙人對話聊當天的盤中觀察與隔日預測。 — RSS: https://blog.markkulab.net/ai-stock-chat/feed.xml ### 電子報 [訂閱電子報](https://blog.markkulab.net/subscribe) — 第一時間收到新文章通知，無垃圾信、隨時可取消訂閱。