大學的時候，我學了三年法文。工作後，學了八年韓文。這些語言一直想撿回來。
今年初，看到老婆自學日文。不同以往，現在的學語言方式，完全被多媒體素材改寫，有各種Youtune可以看。我開始好奇：那AI呢？能不能拿來幫助學語言？
兩個月前，我開始研究AI應用，做了幾個demo後，決定挑戰這個題目。結果花了十天，做出第一個版本。
成果在這裡：http://lt.stingtao.info。
還有很多 bug, 一步一步慢慢修。
這是用Vibe Coding方式做的。我越做越覺得，AI真的很強大。但強大背後，還是得有人把方向對好。
原本想的是，告訴AI要做什麼，讓它自己完成，細節我一點也不想了解。
但架構越寫越大，我發現這樣不行。如果不幫它聚焦，就會失焦。要幫它聚焦，我得先知道焦點是什麼。而要知道焦點，我就得先了解目前的架構、技術邏輯、使用方式。
過程中，AI其實一直回報進度。只要我有跟著看，我就快快學會了這個新架構。也因此，能跟它討論該聚焦在哪裡。
但如果不學，就會拉出一段差距。差距隨著不學，時間過去會越拉越大。這差距，其實就是技術學習的債。終究要還。
這段經驗，讓我有三個觀察：
- AI時代下，技術債積累變得更快了
一家做軟體的公司，原本就會有技術債。產品發展越快，若過程中一直沒有好好設計技術架構，就越容易累積債務，最後要重構甚至重寫。
AI讓事情做得更快，但也讓債積得更快。現在看來，高級工程師的視野還是非常重要。隨著時間過去，AI coding進一步發展，技術債會往更高級的方向發展，積累會越快且越大，對人的要求會更高。
2. AI時代下，公司也會有策略債、流程債
不只是技術，公司的策略與流程也一樣。
AI可以快速生成策略，也能執行流程。但如果組織沒有重新理解這些策略流程的本質，也沒有重整AI如何進來幫忙，就會變成“甩不掉的舊策略、舊流程”。最後，那些能好好用AI跳脫原有限制的公司，就會勝出。
3. AI時代下，個人思考債將更加凸顯
AI可以給出看起來不錯的答案，也能幫忙產出一份OK的報告。問題是，如果人沒有自己再多想一步，很容易就進入copy & paste的節奏。
一開始沒什麼感覺，但幾週過後，就會開始出現“思考落差”。你會開始無法判斷AI出的答案是不是對的，也無法好好跟AI合作。
AI其實就是個強力外掛，但要用好它，反而要回到自己身上：我們的理解力、架構力與思考力，是不是有持續強化？