我的 AI 編程的四個階段，從我也不會，到智能團隊自動化
整理版優先睇
AI 編程的四個階段：從 Vibe Coding 到智能團隊自動化，核心係設計清晰工作系統
呢篇文章係作者周知，一個 AI 編程實踐者，佢分享咗自己從唔識寫代碼到建立智能團隊自動化嘅四個階段。佢指出，多數人以為 AI 編程係解決編碼問題，但實際上係解決清晰度問題——你個想法模糊，AI 只會將模糊自動化。所以，真正嘅核心唔係寫 prompt，而係設計一個你可以控制嘅工作系統，代碼只係副產品。
四個階段分別係：第一階段 Vibe Coding——用自然語言快速整出原型，獲得現實反饋，逼你將想法放進現實；第二階段編排 Coding——學識點樣清晰描述工作、設定邊界同驗收標準，係訓練自己嘅清晰度；第三階段 Agentic Coding——任務可以異步交畀 AI 代理執行，但要用管理初級工程師嘅心態，避免失控；第四階段智能團隊自動化——多個 agent 組隊，需要組織設計能力，包括權限、流程、追蹤。問題越來越似一間公司嘅運作。
作者建議，唔好急住追最高級，而係從最痛嘅位入手：唔知客戶要咩，就用 Vibe Coding 快啲得到反饋；AI 亂改，就寫規則同測試；有重複任務，就交畀低風險 agent。最終你真正要升級嘅唔係工具，而係你背後嗰套能夠持續產出嘅系統。AI 編程只係入口，佢帶你去思考：你到底想點樣工作、點樣生活、想邊啲嘢從此唔再消耗你？答案係一個更清楚嘅系統。
- 結論：AI 編程嘅核心唔係代碼能力，而係你能否設計一個清晰、可控嘅工作系統，代碼只係副產品。
- 方法：由 Vibe Coding 開始快速獲得反饋，逐步進入編排、Agentic 同團隊自動化階段，每個階段都需要對應嘅清晰度提升。
- 差異：多數人以為 AI 編程係 Prompt 工程，實際上佢暴露嘅係你有冇能力將工作描述、驗收同邊界設定清楚。
- 啟發：將 Agent 當初級工程師而唔係神，可以修局部 Bug、補測試、清技術債，但唔好畀佢獨自決定核心架構。
- 可行動點：先找到你最大嘅痛點：用 Vibe Coding 得到反饋，用規則同測試控制 AI，用代理處理重複任務，最後先搭多代理團隊。
第一階段：Vibe Coding — 從想法到現實反饋
我以前以為，AI 編程會令我變成一個更好嘅程序員。後來我發現唔係。佢更像一個會執行嘅編程團隊——你將個模糊諗法掟入去，佢唔會幫你變清楚，只會將模糊變成一個頁面。呢個係大部分人 miss 嘅位：佢哋以為係編碼問題，實際上係清晰度問題。
清晰度問題 (Clarity Problem)
設計一個自己可以控制嘅工作系統
第二階段：編排 Coding — 工作設計係自由基礎
第一階段會令你興奮，亦會令你誤判。一個開到嘅頁面，唔等於一個可以長期運行嘅系統。權限、數據、支付、異常、日誌、測試、回滾，呢啲嘢唔會因為你 vibe 出一個界面就消失。呢個係第二次覺醒：原來做出嘢之後，真正嘅問題先開始。
權限、數據、支付、異常、日誌、測試、回滾
呢個時候你進入編排 coding。編排 coding 唔係寫更好嘅 prompt，而係將工作變成可以交接嘅形狀。你開始講：「只改邊個文件，唔好碰邊個模塊，保持咩設計規則，測試命令係咩，成功標準係咩，做完之後點樣驗收。」呢啲睇起嚟唔性感，但呢個就係自由嘅基礎。
編排 coding 唔係寫更好嘅 prompt
- 1 只改邊個文件，唔好碰邊個模塊
- 2 保持明確嘅設計規則
- 3 指定測試命令同成功標準
- 4 定義做完之後點樣驗收
第三階段：Agentic Coding — 將任務交畀初級工程師
到第三階段，AI 唔再只係坐喺聊天窗口等你發下一句，佢開始有自己嘅工作時間。OpenAI Codex 可以喺雲端後台讀代碼、改代碼、運行任務；GitHub Copilot cloud agent 可以接 issue、研究倉庫、修 bug、補測試、推分支或 PR；Google Jules 都係呢個方向。呢個就係 agentic coding。
Agentic Coding：異步讀代碼、改代碼、運行任務
你將一個明確嘅任務交出去，然後離開，去散步、寫文章、處理客戶消息。返嚟之後，你唔睇佢講咗咩，你睇佢做咗咩：diff 係咩，測試跑冇跑，邊界有冇越過，失敗喺邊，能唔能夠合併。呢一步會篩走好多人，因為好多人想要「自動負責結果」，但 agent 只能先接住「自動執行任務」。呢兩個嘢差好遠。
自動執行任務 vs 自動負責結果
- 1 修局部 Bug
- 2 補測試
- 3 清技術債
- 4 改文檔
第四階段：智能團隊自動化 — 設計你嘅小型操作系統
第四階段，唔係更強嘅單一 agent，而係多個 agent 組成一個工作系統。呢個時候你關心嘅就唔再係「AI 會唔會寫代碼」，而係邊個負責將客戶反饋變成 issue，邊個負責拆任務，邊個負責寫代碼，邊個負責測試，邊個有權限碰生產環境，邊個只能讀文檔唔可以改文件，邊個可以調用內部 API，邊個嘅行為必須被記錄。呢個已經唔係編程問題，而係組織設計問題。
組織設計問題
Claude Managed Agents 嘅意義就係呢度——佢將 agent harness、沙箱執行、長任務會話、權限、追蹤呢啲基礎設施託管起嚟。後來補上嘅 self-hosted sandboxes 同 MCP tunnels，更加係將呢件事推向企業同私隱場景。self-hosted sandboxes 回答：代碼同數據喺邊度跑；MCP tunnels 回答：agent 點樣安全噉接觸到你嘅內網工具。
self-hosted sandboxes（代碼同數據喺邊度跑）
MCP tunnels（agent 點樣安全噉接觸內網工具）
- 邊個負責將客戶反饋變成 issue
- 邊個負責拆任務、寫代碼、測試
- 邊個有權限碰生產環境
- 邊個只能讀文檔唔可以改文件
- 邊個嘅行為必須被記錄
總結：先清理混亂，再自動化
AI 編程嘅四個階段，可以另一種形式總結：Vibe coding 係將諗法交出去，編排 coding 係將任務交出去，agentic coding 係將 issue 交出去，智能團隊自動化係將生產線交出去。每往後一層，你獲得更多自由，但亦必須擁有更多清晰度。冇清晰度，自由會變成混亂；冇邊界，自動化會變成災難；冇驗收，agent 會變成一個好勤力嘅風險源。
Vibe coding → 編排 coding → Agentic coding → 智能團隊自動化
講返你而家應該點樣做：唔好急住追最高級。如果你仲未知客戶要咩，就用 vibe coding 去得到反饋。如果你嘅 AI 經常亂改，就先寫規則、邊界同測試。如果你有一堆重複任務，就將低風險 issue 交畀 agent。如果你每日都重複同一類交付，先去搭智能團隊。
設計工作先，然後先係工具
真正嘅變化唔係「唔識寫代碼嘅人都可以寫代碼」，而係一個人可以開始設計自己嘅小型操作系統。你嘅產品、內容、代碼都只係輸出。真正值錢嘅，係背後嗰套能夠持續產生輸出嘅系統。AI 編程只係入口，佢最終會帶你去到一個更大嘅問題面前：你到底想點樣工作，想點樣生活，又想邊啲嘢從此唔再消耗你？答案唔係更多工具，而係一個更清楚嘅系統。
我以前以為，AI 編程會令我變成一個更好的程式員。
跟住我發現，唔係。
佢更加似一個會執行嘅編程團隊。
你將一個模糊嘅想法掟入去，佢唔會幫你變清楚。
佢只會將模糊整成一個頁面。
你將一個混亂嘅任務掟入去，佢唔會幫你變有秩序。
佢只會將混亂改入你個倉庫。
你將一個冇邊界嘅項目掟畀十個 agent，佢哋唔會突然之間組成一家公司。
佢哋只會將你原本嘅混亂自動化。
This is the part most people miss.
They think they have a coding problem.
They have a clarity problem.
AI 編程真正暴露嘅，唔係你識唔識寫代碼。
而係你能否設計一個自己可以控制嘅工作系統。
代碼只係呢個系統吐出來嘅副產品。
01你要先承認自己唔識
「我都唔識寫代碼」。
呢句話以前好丟架，而家唔丟架喇，佢只係一個起點。
好多人卡住，係因為佢哋將「唔識」理解成缺陷。
但係喺 AI 時代，「唔識」更加似一個提醒：你唔應該從語法開始，你應該從意圖開始。
你到底想解決乜嘢問題，想令邊個嘅生活變簡單啲，想將邊一段重複勞動從自己嘅人生入面拎走？
Vibe coding 嘅價值就喺呢度。
你打開 Replit Agent、Bolt、Lovable，或者任何一個自然語言建應用嘅工具，講出你嘅想法。一個客戶跟進表。一個 PDF 總結網頁。一個標題打分器。一個內部流程工具。
幾分鐘後，佢就有咗形狀。
呢個好勁，因為大多數人死喺想像裏面；佢哋唔係缺技術，佢哋缺一個可以被現實反駁嘅嘢。
Vibe coding 俾你嘅唔係工程能力，而係現實回饋。
你將腦入面嘅想法變成一個小產品。你將佢拎畀客戶、朋友、社羣成員睇。有人話冇用，你就刪咗佢。有人話可唔可以加一個匯出按鈕，你就繼續迭代。
呢個就係第一階段，唔係學識編程，係學識將想法放進現實。
02跟住你會遇到混亂
第一階段會令你興奮，亦會令你誤判。
你會以為，只要將想法講清楚，軟件就會自動成立。
一個打得開嘅頁面，唔等於一個可以長期運行嘅系統。
權限、數據、支付、異常、日誌、測試、回滾，呢啲嘢唔會因為你 vibe 出咗一個界面就自動消失。
呢個係好多人嘅第二次覺醒：第一次覺醒係原來我唔識寫代碼都可以做出嘢，第二次覺醒係原來做出嘢之後，真正嘅問題先至開始。
呢個時候你進入編排 coding。
編排 coding 唔係寫更好嘅 prompt，佢係將工作變成可以交接嘅形狀。
你唔再講「幫我優化一下頁面」。
你開始講：
只改邊個文件，唔好掂邊個模塊，保持乜嘢設計規則，測試命令係乜，成功標準係乜，做完之後點樣驗收。
呢個睇落唔性感，但呢個就係自由嘅基礎（嗯，我知道呢句話聽起上嚟好似管理學廢話）。
Most people want freedom from work.
The problem is they never design the work.
如果你嘅工作唔可以被描述，佢就唔可以被交畀 AI。
如果你嘅工作唔可以被驗收，佢就唔可以被自動化。
如果你嘅工作冇邊界，佢就會吞咗你。
所以第二階段表面上係 AI 編程。
實際係喺訓練你成為一個更清醒嘅工作設計者。
你唔係喺度學 prompt。
你係喺度學 clarity。
03真正嘅 agent，唔係聊天對象
去到第三階段，事情又變咗，AI 唔再只係坐喺聊天窗口裏面等你講下一句話，佢開始有自己嘅工作時間。
OpenAI Codex 可以喺雲端後台讀代碼、改代碼、運行任務。GitHub Copilot cloud agent 可以接 issue、研究倉庫、修 bug、補測試、推分支或 PR。Google Jules 都係呢個方向：異步讀代碼、修 bug、寫測試。
呢個就係 agentic coding。
你將一個明確嘅任務交出去，然後離開，飲杯水，去散步，寫另一篇文章，處理客戶消息。
返嚟之後，你唔睇佢講咗乜，你睇佢做咗乜：diff 係乜，測試跑咗未，邊界有冇越過，失敗喺邊度，可唔可以合併。
呢一步會篩走好多人，因為好多人想要嘅係「自動負責結果」，但 agent 只能先接住「自動執行任務」。
呢兩個嘢差好遠。
你唔會令一個啱啱入職嘅初級工程師，獨自決定支付架構、權限模型、數據庫邊界；你都唔應該令 AI 咁做。
將 agent 當成神，會失控。
將 agent 當成初級工程師，會好有用。
佢可以修局部 bug，可以補測試，可以清技術債，可以改文檔，可以將你唔想親自做、但又必須有人做嘅工程雜活接過去。
This is leverage.
Not magic.
04最後你要設計一支團隊
第四階段，唔係更強嘅單個 agent。
係多個 agent 組成一個工作系統。
呢個時候你關心嘅就唔再係「AI 識唔識寫代碼」，你關心嘅係邊個負責將客戶回饋變成 issue，邊個負責拆任務，邊個負責寫代碼，邊個負責測試，邊個負責審查，邊個負責發佈，邊個有權限掂生產環境，邊個只可以讀文檔唔可以改文件，邊個可以調用內部 API，邊個嘅行為必須被記錄。
呢個已經唔係編程問題。
呢個係組織設計問題。
Claude Managed Agents 嘅意義就喺呢度。佢唔係又俾你一個聊天框，而係將 agent harness、沙箱執行、長任務會話、權限、追蹤呢啲基礎設施託管起來。後來補上嘅 self-hosted sandboxes 同 MCP tunnels，更加似係將呢件事推向企業同隱私場景。
self-hosted sandboxes 回答嘅係：代碼同數據喺邊度跑。
MCP tunnels 回答嘅係：agent 點樣安全咁掂到你嘅內網工具。
你睇，問題越來越唔似代碼，越來越似公司。
一個人亦可以有一家公司，但呢家公司唔係靠你一日工作十四個鐘撐起來。
佢靠系統，靠清晰嘅輸入，靠可複用嘅流程，靠可以被審計嘅權限，靠一組 agent 接住唔同類型嘅工作。
05你真正要升級嘅唔係工具
AI 編程嘅四個階段，可以換一種方式睇：Vibe coding 係將想法交出去，編排 coding 係將任務交出去，智能體 coding 係將 issue 交出去，智能團隊自動化係將生產線交出去。
每往後一層，你會獲得更多自由，但你都必須擁有更多清晰度。
冇清晰度，自由會變成混亂；冇邊界，自動化會變成災難；冇驗收，agent 會變成一個好勤力嘅風險源。
講返你而家應該點做：唔好急住追最高級。
如果你仲唔知道客戶要乜，就用 vibe coding 去獲得回饋。
如果你嘅 AI 經常亂改，就先寫規則、邊界同測試。
如果你有一堆重複任務，就將低風險 issue 交畀 agent。
如果你每日都喺重複同一類交付，先去搭建智能團隊。
Start where the friction is.
Do not automate chaos.
Design the work first.
然後先係工具。
真正嘅變化唔係「唔識寫代碼嘅人都可以寫代碼」，真正嘅變化係，一個人可以開始設計自己嘅小型操作系統。
你嘅產品只係輸出，你嘅內容只係輸出，你嘅代碼都只係輸出。
真正值錢嘅，係背後嗰套可以持續產生輸出嘅系統。
AI 編程只係入口。
佢最終會將你帶到一個更大嘅問題面前：
你到底想點樣工作，想點樣生活，又想令邊啲事情從此唔再消耗你？
答案唔係更多工具，點講呢，答案係更清楚嘅系統。
唔只係教 AI，更加陪你做 AI 小生意。
我係用 AI 開一人公司嘅周知，下回再傾。
周知 · 我哋一齊同 AI 覺醒超級個體
我以前以為，AI 編程會讓我變成一個更好的程序員。
後來我發現，不是。
它更像一個會執行的編程團隊。
你把一個模糊的想法丟進去，它不會替你變清楚。
它只會把模糊做成一個頁面。
你把一個混亂的任務丟進去，它不會替你變有序。
它只會把混亂改進你的倉庫。
你把一個沒有邊界的項目丟給十個 agent，它們不會突然組成一家公司。
它們只會把你原來的混亂自動化。
This is the part most people miss.
They think they have a coding problem.
They have a clarity problem.
AI 編程真正暴露的，不是你會不會寫代碼。
而是你能不能設計一個自己可以控制的工作系統。
代碼只是這個系統吐出來的副產品。
01你先要承認自己不會
“我也不會寫代碼。”。
這句話以前很丟人，現在不丟人了，它只是一個起點。
很多人卡住，是因為他們把“不會”理解成缺陷。
但在 AI 時代，“不會”更像一個提醒：你不應該從語法開始，你應該從意圖開始。
你到底想解決什麼問題，想讓誰的生活變簡單一點，想把哪一段重複勞動從自己的人生裏拿掉？
Vibe coding 的價值就在這裏。
你打開 Replit Agent、Bolt、Lovable，或者任何一個自然語言建應用的工具，說出你的想法。一個客戶跟進表。一個 PDF 總結網頁。一個標題打分器。一個內部流程工具。
幾分鐘後，它有了形狀。
這很強，因為大多數人死在想象裏；他們不是缺技術，他們缺一個可以被現實反駁的東西。
Vibe coding 給你的不是工程能力，而是現實反饋。
你把腦子裏的想法變成一個小產品。你把它拿給客戶、朋友、社羣成員看。有人說沒用，你刪掉。有人說能不能加一個導出按鈕，你繼續迭代。
這就是第一階段，不是學會編程，是學會把想法放進現實。
02然後你會遇到混亂
第一階段會讓你興奮，也會讓你誤判。
你會以為，只要能把想法說清楚，軟件就會自動成立。
一個能打開的頁面，不等於一個能長期運行的系統。
權限、數據、支付、異常、日誌、測試、回滾，這些東西不會因為你 vibe 出了一個界面就自動消失。
這是很多人的第二次覺醒：第一次覺醒是原來我不會寫代碼也能做出東西，第二次覺醒是原來做出東西之後，真正的問題才開始。
這時候你進入編排 coding。
編排 coding 不是寫更好的 prompt，它是把工作變成可以交接的形狀。
你不再說“幫我優化一下頁面”。
你開始說：
只改哪個文件，不要碰哪個模塊，保持什麼設計規則，測試命令是什麼，成功標準是什麼，做完以後怎麼驗收。
這看起來不性感，但這就是自由的基礎（嗯，我知道這句話聽起來很像管理學廢話）。
Most people want freedom from work.
The problem is they never design the work.
如果你的工作不能被描述，它就不能被交給 AI。
如果你的工作不能被驗收，它就不能被自動化。
如果你的工作沒有邊界，它就會吞掉你。
所以第二階段表面上是 AI 編程。
實際是在訓練你成為一個更清醒的工作設計者。
你不是在學 prompt。
你是在學 clarity。
03真正的 agent，不是聊天對象
到了第三階段，事情又變了，AI 不再只是坐在聊天窗口裏等你發下一句話，它開始有自己的工作時間。
OpenAI Codex 可以在雲端後台讀代碼、改代碼、運行任務。GitHub Copilot cloud agent 可以接 issue、研究倉庫、修 bug、補測試、推分支或 PR。Google Jules 也是這個方向：異步讀代碼、修 bug、寫測試。
這就是 agentic coding。
你把一個明確的任務交出去，然後離開，喝杯水，去散步，寫另一篇文章，處理客戶消息。
回來以後，你不看它說了什麼，你看它做了什麼：diff 是什麼，測試跑沒跑，邊界有沒有越過，失敗在哪裏，能不能合併。
這一步會篩掉很多人，因為很多人想要的是“自動負責結果”，但 agent 只能先接住“自動執行任務”。
這兩個東西差很遠。
你不會讓一個剛入職的初級工程師，獨自決定支付架構、權限模型、數據庫邊界；你也不應該讓 AI 這麼做。
把 agent 當神，會失控。
把 agent 當初級工程師，會很有用。
它可以修局部 bug，可以補測試，可以清技術債，可以改文檔，可以把你不想親自做、但又必須有人做的工程雜活接過去。
This is leverage.
Not magic.
04最後你要設計一支團隊
第四階段，不是更強的單個 agent。
是多個 agent 組成一個工作系統。
這時候你關心的就不再是“AI 會不會寫代碼”，你關心的是誰負責把客戶反饋變成 issue，誰負責拆任務，誰負責寫代碼，誰負責測試，誰負責審查，誰負責發佈，誰有權限碰生產環境，誰只能讀文檔不能改文件，誰可以調用內部 API，誰的行為必須被記錄。
這已經不是編程問題。
這是組織設計問題。
Claude Managed Agents 的意義就在這裏。它不是又給你一個聊天框，而是把 agent harness、沙箱執行、長任務會話、權限、追蹤這些基礎設施託管起來。後來補上的 self-hosted sandboxes 和 MCP tunnels，更像是把這件事推向企業和隱私場景。
self-hosted sandboxes 回答的是：代碼和數據在哪裏跑。
MCP tunnels 回答的是：agent 怎麼安全地碰到你的內網工具。
你看，問題越來越不像代碼，越來越像公司。
一個人也可以有一家公司，但這家公司不是靠你一天工作十四個小時撐起來。
它靠系統，靠清晰的輸入，靠可複用的流程，靠能被審計的權限，靠一組 agent 接住不同類型的工作。
05你真正要升級的不是工具
AI 編程的四個階段，可以換一種方式看：Vibe coding 是把想法交出去，編排 coding 是把任務交出去，智能體 coding 是把 issue 交出去，智能團隊自動化是把生產線交出去。
每往後一層，你獲得更多自由，但你也必須擁有更多清晰度。
沒有清晰度，自由會變成混亂；沒有邊界，自動化會變成災難；沒有驗收，agent 會變成一個很勤奮的風險源。
說回你現在應該怎麼做：別急着追最高級。
如果你還不知道客戶要什麼，就用 vibe coding 去獲得反饋。
如果你的 AI 經常亂改，就先寫規則、邊界和測試。
如果你有一堆重複任務，就把低風險 issue 交給 agent。
如果你每天都在重複同一類交付，再去搭智能團隊。
Start where the friction is.
Do not automate chaos.
Design the work first.
然後才是工具。
真正的變化不是“不會寫代碼的人也能寫代碼”，真正的變化是，一個人可以開始設計自己的小型操作系統。
你的產品只是輸出，你的內容只是輸出，你的代碼也只是輸出。
真正值錢的，是背後那套能持續產生輸出的系統。
AI 編程只是入口。
它最終會把你帶到一個更大的問題面前：。
你到底想怎麼工作，想怎麼生活，又想讓哪些事情從此不再消耗你？
答案不是更多工具，怎麼說呢，答案是更清楚的系統。
不只是教 AI，更陪你做 AI 小生意。
我是用 AI 開一人公司的周知，下回聊。
周知 · 我們一起和 AI 覺醒超級個體