過去幾個月，我做了很多 Vibe Coding 的 project，也教了很多人怎麼用 AI 實作他們的點子。
這類 project 最大的特徵是：非技術人，只要搭配 AI，就能快速做出一個能跑的軟體。效果驚人。但也正是從這裡開始，挑戰才出現。
因為你要開始 iterate，要部署、要修 bug、調整 UX、優化流程。你會發現，要讓 AI 幫上忙，你得描述出完整的情境：問題出在哪？資料存在哪？有沒有 API？API key 有沒有設定？你想要的 UI 是怎樣的？出錯有 log 嗎？log 貼了嗎？安全與效能怎麼考量？…
這時候，要帶好AI，出一張嘴的「Prompt Engineering」這個詞就不夠用了。
更好的詞是：Context Engineering。
因為你不是只出一張嘴，而是要交代事情的來龍去脈，讓 AI 知道「上下文」在哪裡，才能生成你要的結果。
但問題來了：如果我連 context 都不知道怎麼辦？
舉例來說，我不知道自動寄信需要連接 mail server或mail service，我當然就沒辦法給 AI 正確的 context。或是我要做線上付款功能，但不知道要設定 Stripe API key或是PayPal，還是本土金流商，這種 我不知道我不知道 的情況， AI 再強也幫不上忙。
這問題在做軟體產品如此，在做策略報告，研究報告，行銷文案，或是流程優化都是如此。
人 + AI 產生看起來優異的初版，超越這個人的能力，輕而易舉。
真正造成差異的是後續的進一步強化修正所需要的市場判斷，用戶體驗判斷，事業目標與結果的理解…等。這些資訊上下文要提供給AI，近一步修正報告或文案，這樣是正向優化，會有好的結果。
但，如果不知道這些該提供，要提供。那麼AI產出的報告就會四平八穩，這是不好的形容 – 平庸的問題帶來平庸的答案，是沒有辦法解決我們特定情境的問題的。
這時候，我們就可以理解為這不是 下prompt 的問題，也不是 給context 的問題，而是盲區太多，有學習力與學習方法的問題。
怎麼解決？
解法我自己把它叫做：Vibe Learning。
AI 讓很多人能做原本做不到的事，這是好事。但真正的考驗不是做出 MVP，而是如何改版、進化、判斷、修正。這些都需要學習，而學習的最大阻礙，是自己的盲區，不知道不知道的東西，千頭萬緒不知從何開始。
面對盲區，最好的方法，是讓 AI 幫我們掃盲，並快速學習。但
前提是：你要願意學 新的 學習方法 並勇敢踏入 全然未知 的專業領域。
例如，你不是個策略專家，但透過AI，我們可以問這個策略報告有哪些地方需要加強，當他回答了某個專有名詞看不懂時，應該馬上要打開另一個tab去問 這個名詞是什麼？給我例子，怎樣用它，什麼情況不要使用…. 把它 快速 搞懂後，再 快速 搞懂下一個蹦出來不了解的內容，如此反覆…。然後，我們就都懂了，這時候就可以給充分的上下文要AI 去 疊代了。
AI 時代是一面照妖鏡。它會放大一切，不管是好的還是壞的。
它會讓學習力強的好奇寶寶，瞬間變身百倍戰力。但也會讓懶得學習的人，產出一堆「slop work」，誤以為自己在做事。
表面上我們學的是 Vibe Coding、Vibe Marketing、Vibe Strategy，Prompt Engineering，而貫穿一切的基礎其實是：
Vibe Learning = 一個為了解決目標問題，用AI快速學會任何事情的方法。