先講結論

12 天。23,000 行程式碼。一個不會寫程式的人，加上一個 AI。

完成的東西包括：四語系個人網站、八平台社群自動發文系統、多模型辯論引擎、健康數據即時看板、自動生成 AI 封面圖、完整的 CI/CD 管線。

如果外包給傳統團隊，報價大概 35 萬台幣起跳，需要 3.5 個工程師跑 12 天。不算我投入的時間，我花不到三千塊。這是今年過年的 Agent Coding 紀錄——試著探索人機協作的手感與產出。

超級個體 vs 傳統團隊的結構對比

我的起點

我不會用 Terminal。看到黑底白字的畫面會焦慮。Python、JavaScript、Astro——這些對我來說是外星語。

我的背景是生命科學、神學訓練，連續創業的歷程中做過 Fintech、農產電商、建築公司副總、數位長、行銷總監與顧問等職務。數位轉型、循環經濟和台日交流合作都是我的守備範圍，都是 ESG 相關的。我用 Excel 但不會寫巨集。過去如果要寫程式，都是養團隊或委託第三方。

這個月中，我把買了 N 年的網域從一頁式 HTML 改造成完整的內容平台。過去這種工程規模最少要半年，最快也要花三個月。

實際發生的事

第一天，Claude 幫我建好 Astro 框架、推上 GitHub、部署到 Cloudflare Pages。我全程看著它操作，必要時參與討論、做決定。

第三天，我開始能看懂 git push 做了什麼、frontmatter 欄位是什麼意思。不是因為我突然學會程式，而是因為每一次操作都有具體的脈絡——我知道「這行程式碼是為了讓文章標題顯示在卡片上」。

第五天，我能直接跟 Claude 說：「Tags 頁面的年份篩選在手機上壞了，pillar 跟 year 的組合邏輯有問題。」我不知道怎麼修，但我知道問題在哪裡。這個區別很重要。

第七天，我開始主動提需求：「我要每篇文章自動產生封面圖，用 DALL-E，壓縮到 300KB 以下，自動上傳到 GitHub。」我不是在學寫程式。我是在指揮一個會寫程式的搭檔。

第十二天，系統跑起來了。每 10 分鐘自動抓 Fitbit 步數和心率、Timing App 的 AI 使用時數、股價資料，推上 GitHub 觸發自動部署。社群貼文從 Apple Notes 寫完，自動排入 Google Sheets，透過 API 發到八個平台。文章一推上去，GitHub Actions 自動翻譯成英文、日文、簡體中文。

12 天的程式碼產出分佈與交付成果

我學到的三件事

第一，「會」的定義變了。

過去，「會寫程式」意味著你從空白檔案開始，一行一行把邏輯建出來。現在，「會」的意思是：你知道要解決什麼問題、你能判斷產出的品質、你能在出錯時描述問題。

我到現在還是不會從頭寫一個 Python 腳本。但我能看出 Claude 寫的程式哪裡有問題、哪個架構決策會在後面埋坑、哪段 CSS 在手機上會爆掉。這不是寫程式的能力，是工程判斷的「手感」。而這個能力，來自過年期間密集的實戰。

第二，AI 不會取代你的判斷，但會放大你的判斷。

Claude 寫的第一版文章，我砍掉一半。它建議的資料庫架構，我推翻過兩次。它產的封面圖，我退回重做。

AI 的價值不在於它什麼都對，而在於它把「從想法到實作」的時間從三個月壓縮到三天。壓縮的不是品質，是中間那些重複的、機械的、可以被自動化的環節。判斷力還是你的事。

第三，超級個體不是一個人什麼都會，是一個人知道怎麼調度。

我用 Claude 寫程式、用 DALL-E 產圖、用 OneUp 排發文、用 GitHub Actions 做自動化。我不精通其中任何一項技術。但我知道它們可以怎麼串在一起。

這跟當年帶團隊的感覺一樣。差別在於，過去我要管人的溝通、情緒、排程、請假。現在我跟一個不會累、不會請假、凌晨一點還在幫我除錯的搭檔合作。成本差 117 倍。

一個補充

這不代表 AI 可以取代所有工程師。

我做的是個人網站、自動化工具、內容平台。這些東西的複雜度，跟銀行核心系統或半導體製程軟體不在同一個量級。

但這正是重點：過去需要一個團隊才能做的中小型專案，現在一個有判斷力的人加上 AI 就能完成。這會改變自由工作者、小型創業者、個人品牌經營者的遊戲規則。

不需要等 AGI 降臨。改變已經在發生了。

42 人天，一個人完成

42 等效人天、117 倍成本效率比、1,917 行/天平均產出

回到數字：42 等效人天的工作量，花了 12 天和不到三千塊台幣完成。

不是我特別厲害，是因為工具變了，而我願意跳進去用。

你不需要先學會寫程式，才能開始用 AI 做事。你只需要：一個夠具體的問題、一點不怕出錯的耐心，以及願意把「我不會」改成「我來試看看」的決定。

那個決定，AI 替不了你。