先讲结论

12 天。23,000 行程序代码。一个不会写程序的人，加上一个 AI。

完成的东西包括：四语系个人网站、八平台社群自动发文系统、多模型辩论引擎、健康数据实时看板、自动生成 AI 封面图、完整的 CI/CD 管线。

如果外包给传统团队，报价大概 35 万台币起跳，需要 3.5 个工程师跑 12 天。不算我投入的时间，我花不到三千块。这是今年过年的 Agent Coding 纪录——试着探索人机协作的手感与产出。

超级个体 vs 传统团队的结构对比

我的起点

我不会用 Terminal。看到黑底白字的画面会焦虑。Python、JavaScript、Astro——这些对我来说是外星语。

我的背景是生命科学、神学训练，连续创业的历程中做过 Fintech、农产电商、建筑公司副总、数位长、行销总监与顾问等职务。数位转型、循环经济和台日交流合作都是我的守备范围，都是 ESG 相关的。我用 Excel 但不会写宏。过去如果要写程序，都是养团队或委托第三方。

这个月中，我把买了 N 年的网域从一页式 HTML 改造成完整的内容平台。过去这种工程规模最少要半年，最快也要花三个月。

实际发生的事

第一天，Claude 帮我建好 Astro 框架、推上 GitHub、部署到 Cloudflare Pages。我全程看着它操作，必要时参与讨论、做决定。

第三天，我开始能看懂 git push 做了什么、frontmatter 栏位是什么意思。不是因为我突然学会程序，而是因为每一次操作都有具体的脉络——我知道「这行程序代码是为了让文章标题显示在卡片上」。

第五天，我能直接跟 Claude 说：「Tags 页面的年份筛选在手机上坏了，pillar 跟 year 的组合逻辑有问题。」我不知道怎么修，但我知道问题在哪里。这个区别很重要。

第七天，我开始主动提需求：「我要每篇文章自动产生封面图，用 DALL-E，压缩到 300KB 以下，自动上传到 GitHub。」我不是在学写程序。我是在指挥一个会写程序的搭档。

第十二天，系统跑起来了。每 10 分钟自动抓 Fitbit 步数和心率、Timing App 的 AI 使用时数、股价资料，推上 GitHub 触发自动部署。社群贴文从 Apple Notes 写完，自动排入 Google Sheets，透过 API 发到八个平台。文章一推上去，GitHub Actions 自动翻译成英文、日文、简体中文。

12 天的程序代码产出分布与交付成果

我学到的三件事

第一，「会」的定义变了。

过去，「会写程序」意味着你从空白档案开始，一行一行把逻辑建出来。现在，「会」的意思是：你知道要解决什么问题、你能判断产出的品质、你能在出错时描述问题。

我到现在还是不会从头写一个 Python 脚本。但我能看出 Claude 写的程序哪里有问题、哪个架构决策会在后面埋坑、哪段 CSS 在手机上会爆掉。这不是写程序的能力，是工程判断的「手感」。而这个能力，来自过年期间密集的实战。

第二，AI 不会取代你的判断，但会放大你的判断。

Claude 写的第一版文章，我砍掉一半。它建议的资料库架构，我推翻过两次。它产的封面图，我退回重做。

AI 的价值不在于它什么都对，而在于它把「从想法到实作」的时间从三个月压缩到三天。压缩的不是品质，是中间那些重复的、机械的、可以被自动化的环节。判断力还是你的事。

第三，超级个体不是一个人什么都会，是一个人知道怎么调度。

我用 Claude 写程序、用 DALL-E 产图、用 OneUp 排发文、用 GitHub Actions 做自动化。我不精通其中任何一项技术。但我知道它们可以怎么串在一起。

这跟当年带团队的感觉一样。差别在于，过去我要管人的沟通、情绪、排程、请假。现在我跟一个不会累、不会请假、凌晨一点还在帮我除错的搭档合作。成本差 117 倍。

一个补充

这不代表 AI 可以取代所有工程师。

我做的是个人网站、自动化工具、内容平台。这些东西的复杂度，跟银行核心系统或半导体制程软体不在同一个量级。

但这正是重点：过去需要一个团队才能做的中小型专案，现在一个有判断力的人加上 AI 就能完成。这会改变自由工作者、小型创业者、个人品牌经营者的游戏规则。

不需要等 AGI 降临。改变已经在发生了。

42 人天，一个人完成

42 等效人天、117 倍成本效率比、1,917 行/天平均产出

回到数字：42 等效人天的工作量，花了 12 天和不到三千块台币完成。

不是我特别厉害，是因为工具变了，而我愿意跳进去用。

你不需要先学会写程序，才能开始用 AI 做事。你只需要：一个够具体的问题、一点不怕出错的耐心，以及愿意把「我不会」改成「我来试看看」的决定。

那个决定，AI 替不了你。