A minimal curve showing resistance dropping after a breakthrough point - illustrating how learning becomes easier once you push past the initial friction

你有沒有推過一個很重的箱子?

從靜止開始推的時候,你要用很大的力氣,箱子才會動那麼一點點。但一旦它開始滑動,你會發現——咦,推下去就不那麼費力了。而且一旦有了速度,就算你放輕力道,它也不會馬上停下來。

學任何新東西,都是這麼回事。最費力的不是整段路,是從靜止到開始動的那一下。

去年底,我從零開始學 AI 開發。12 週後,我做出了兩個自己真的在用的 AI 工具——一個練英文,一個管理知識。這篇文章是那 12 週的完整紀錄——我怎麼開始的、撞了什麼牆、怎麼做出來的、以及過程中想通了什麼事。


起點:一個找不到答案的問題

我是做硬體的產品設計,碰的都是摸得到的東西——零件、模具、實體產品。軟體開發?完全是另一個世界。說實話,我最近才知道什麼是terminal。

但我有很具體的問題想解決:我要跟國外同事開會,需要一個用真實會議內容來練習英文的工具。市面上找不到。

所以我想:那就自己做吧。


第一個工具:Coach AI

一開始我用 Google AI Studio 做原型,很快就做出了一個能對話的版本——那個瞬間很興奮。但當我想加入「記住對話紀錄」的功能時,問題來了。我需要資料庫,需要增刪查改。我試著在 AI Studio 裡串接 Supabase,結果每次改 SQL schema,原本正常的功能就開始壞掉。改了 A 壞了 B,修了 B 又壞了 C。有一天專案直接壞死,一直 loading,動不了。

我向 Gemini、ChatGPT 求助,但感覺越改越慘,像是不斷在一個歪掉的地基上疊磚頭。

後來在社群的 Office Hour 跟一位前輩討論,他跟我確認了一件事:Google AI Studio 適合快速做原型,但不適合串接後端資料庫。

那一刻我才明白——我不是笨,是用錯工具。

之後的路也沒有變順。這六週裡我用過的工具清單:Google AI Studio → Lovable → 又回 AI Studio → 最後搬到本地端用 Claude Code。Lovable 很聰明、介面漂亮,但 credit 用完了。回到 AI Studio 繼續卡。搬到本地端之後,環境設定、API Key 管理、TypeScript 報錯——每一個都是新的坑。

聽起來很混亂對吧?但每一次用錯工具,都讓我學到了這個工具適合什麼、不適合什麼。走最多彎路的人,最後反而最會選路。這種判斷力不是上課能學到的,只有真的踩過坑才會有。

做完的那天晚上,我第一次用自己做的工具練了一輪英文。AI 用的是我真實會議裡的場景和關鍵字,問的問題比我同事更多更直接。那感覺很奇妙,我居然做出一個真的有用的工具。


第二個工具:PKS Core

Coach AI 做完之後,我開始做第二個工具。

起點也是自己的痛點:我讀了很多書、做了很多筆記,但這些東西散落在各處,需要的時候根本找不到。我想要一個地方,可以把所有想法收進來,然後在需要的時候找到它們之間的連結。

PKS Core 就是為了這個做的。做這個工具最讓我興奮的時刻,是「時光電台」功能第一次跑通的那天——我輸入一個觀點,AI 用我自己的知識庫,同時扮演正方和反方來辯論。

幫忙?不,是逼我動腦。

Coach AI 逼我用英文面對真實場景,PKS Core 逼我跟自己的知識庫辯論——兩個工具做的事情本質上一樣:把我推向不舒服的地方,然後在那裡成長。


意料之外的既視感

做這兩個工具的過程中,我突然意識到:Vibe coding 的過程,很像當年做機構設計的感覺。

發想、概念、拆解、測試、實現——若最後的成品如同預期動起來了,因為你把腦袋裡的概念,實現成可運作的東西。這個過程本身就很爽快、這個結果就是強效多巴胺。

我以前設計一個卡扣機構,要算干涉量、要考慮公差、要考慮製程限制。現在寫一個功能,要想資料怎麼流、狀態怎麼管理、API 怎麼串。媒介完全不同,但底層的思維結構是相通的——都是在一堆限制條件裡,找到一個「能動」的解法。

我不是從零在學「寫程式」。我是在用一種新的媒介,做我已經做了十幾年的事——把想法變成能運作的系統。知道這件事之後,很多原本看起來很陌生的概念,突然就不那麼陌生了。

如果你也從一個完全不同的領域跨進來,不要忽略你帶來的東西。你過去的經驗不是包袱,是橋樑。


密集沉浸:先泡進去,路徑自己會浮現

回頭看這 12 週,除了帶著問題去做之外,另一件幫了我很大的忙的事,是我泡進了一個社群。我加入了一個 AI 學習社群,我除了跟著課程走,也不錯過任何一場 Office Hour 和社群分享。

第一次參加的經驗讓我印象很深。一位講者分享他用 Antigravity 的開發經驗,我問:「那為什麼不用 Google AI Studio?」他回答說,因為遇到某個問題,最後還是得拉回本地端來跑。

那個時候的我,連「本地端」是什麼意思都不知道。

但我把這個關鍵字記下來了。過了幾週,當我真的開始動手做東西,這些當初聽不懂的關鍵字一個一個冒出來,變成我理解整個生態的線索。

說實話,剛開始參加的期間,我大概有 90% 的內容是聽不懂的。一大堆技術名詞組在一起,完全不知道在講什麼。或許有人可能會想:「那幹嘛去?先把基礎學好再說吧。」

但我的想法是反過來的。我當時最大的問題不是「學不會」,而是「不知道該從哪裡開始」。工具太多、課程太多,關起門來上課只會永遠在「準備」。但泡在社群裡,就算聽不懂,至少我可以觀察——這些已經在做的人,他們在用什麼?他們怎麼選擇?

這裡有一個很違反直覺的道理:你不需要先聽懂,才值得去聽。你需要先去聽,之後才會懂。 那些聽不懂的關鍵字,是你未來學習路徑的種子。你不知道哪顆種子會先發芽,但如果你從來沒有播種,什麼都不會長出來。

而且,社群分享跟課程有一個本質上的差異:課程是過去式,分享是現在式。

AI 工具的生態變化太快了。三個月前最好用的工具,現在可能已經被取代。如果你只跟著課程走,學到的脈絡可能已經跟現況脫節。但去聽比你早六個月入門的人分享,你會知道「現在」的狀態是什麼,拿來當作自己路徑的參考。

所以我的方法是——先泡進去,讓自己被不懂的東西包圍,從中找到下手的線索。


撞牆時刻

這個過程,也常有讓人崩潰的時候。

12 週的最後一週,我同時參加 Mini Hackathon 和 12 週成果展。我花了整整一週學 Remotion 做影片,同時又要確保 PKS Core 能上線。

我 burnout 了。

那幾天的感覺很清楚——腦袋很昏、很沉重。我覺得自己一直在做、一直在產出,但已經很久沒有好好讀一篇文章、好好消化什麼東西了。那種持續輸出卻沒有輸入的狀態,讓我心裡本來有的那個安靜感跟沉浸感,被攪得很混亂。

後來我想明白了,這裡面其實有兩層問題。

第一層是油箱問題:輸入和輸出失衡了。

一直在做、一直在趕,但沒有時間退一步去想、去吸收,你其實只是在消耗存量。反過來也不行——一直上課、一直看文章,但都停留在表面,沒有真正變成你自己的理解。健康的狀態是兩邊都在轉:學了就試,試了發現問題就回頭學。我的經驗是大概 50/50,一半學、一半做,不要讓任何一邊佔到 100%。

但第二層問題更根本。

那一週我被 demo 的截止日期追著跑,被社群的期待推著走,我做的每一件事都是在回應外在的時間表,而不是我自己的方向。油箱見底只是表面症狀——真正的問題是,我忘了自己為什麼在做這些事。

停下來想了之後,我找回了那個答案。我 enjoy vibe coding,不只是因為它能解決問題,更是因為在學習不同領域的思考脈絡時,我會發現它們之間的共通性——然後用這些共通性去放大我在所有領域的能力。把複雜的東西變成可操作的流程,做出真的對自己有用的東西。這是我做機構設計時的驅動力,也是我學 AI 開發時的驅動力。

這就是我的錨點。不是某個工具、某個截止日期、或某個社群的期待,而是一個不會因為外在壓力改變的內核。burnout 不只是「太累了」,它是一個信號——告訴你,你正在用別人的節奏過自己的生活。


12 週後

讓我回頭看看自己走了多遠。

12 週前,我聽社群分享只能聽懂 10%。現在大概 70-80%,而且我知道剩下那 20% 是哪些技術細節,可以之後再補。

12 週前,我面對一堆 AI 工具完全不知道怎麼選。現在我試過很多,知道它們的差異是什麼,也知道怎麼根據需求做選擇。

12 週前,我連一個完整的 app 都沒做過。現在我做出了兩個上線使用的 AI 工具,還幫它們寫了產品介紹、做了 demo 影片、發表了文章。

但最重要的改變是觀念上的。12 週前,我覺得「Vibe Coding」是一座很高的山。現在我發現,重點根本不是「AI 怎麼做」,而是「要做什麼」。

因為開發的門檻真的已經很低了。做出一個 MVP 越來越容易。真正稀缺的不是技術能力,而是你能不能辨識出一個值得解決的問題,然後把它做出來。


慣性驅動

回頭看,這 12 週就是一個突破靜摩擦力的過程。

物理學裡有一個概念叫「最大靜摩擦力」——從靜止到開始滑動的那個瞬間,阻力最大。過了那個點之後,維持滑動需要的力就小得多。而且一旦有了速度,慣性會幫你——物體會傾向繼續運動,不需要你一直出同樣大的力。

學習也是這樣。那個最大靜摩擦力的點,不是「學完所有東西」,而是填到大概六成的基本框架——你知道這個領域的基本框架,大部分的基礎術語你也都理解了。

過了這個點,你累積的每一步都會變成慣性:判斷力、經驗、對工具的直覺。這些東西會推著你繼續走,不需要每一步都重新費力。

所以如果你現在站在某個新領域前面,在開始之前,先問自己兩件事:

第一,你的最大靜摩擦力在哪裡? 不是「學完所有東西」,而是「學到什麼程度,你就能自己跑了」。

第二,你打算怎麼最快衝過去? 我的經驗是:帶著一個具體問題去學、泡在比你前面的人裡面、不要忽略你從舊領域帶來的東西。

但如果你什麼都不做呢?你會一直上課,一直覺得「還沒準備好」。你會收藏越來越多教學影片,加入越來越多學習社群——但你從來沒有打開過一個空白專案,問自己「我到底想做什麼」。

不要先想「從哪裡學起」。先想你想解決什麼問題。 然後,找一個社群,泡進去,開始做。

慣性會接住你。

手繪風資訊圖「Breaking the Static Friction: A 12-Week AI Learning Journey」,分兩階段說明學習歷程

一時心血來潮,我把自己的文章餵給NotebookLM,產出概念框架圖。你們覺得如何? ^ ^