我一句程式都不會寫，怎麼開始看得懂 Bug 了？

前幾天在弄一個工具，又出問題了。
這件事本身一點都不稀奇。
我做的工具出問題，已經不是新聞。

奇怪的是，我看著那個畫面，腦袋居然自己冒出一句：

這看起來不像前端的問題。
資料是不是根本沒進來？

然後我愣了一下。
等一下。
我是從什麼時候開始，會講這種話的？

---

我到現在還是不會寫程式。
不是那種工程師謙虛說「我也沒有很會啦」的程度。
是真的不會。
叫我自己坐下來寫一段 code，我大概還是會先去動物園抓一隻 AI 過來。

可是跟牠們做了一堆東西以後，有些事情真的開始不一樣了。

最早一個 Bug 可以把我卡三、四天。
而且最痛苦的還不是修不好。
是我連自己到底在修什麼都不知道。

畫面不對，我就截圖給 AI。
AI 改。
還是不對。
再截圖。
再改。

改到最後，有時候原本那個地方好了，旁邊另外一個東西又死掉。

我只能看著螢幕想：
你們到底在幹嘛？

---

可是這種事情做多了以後，我慢慢開始認得一些東西。

程式碼我還是看不懂。
但我開始看得懂「問題的形狀」。

這個比較像畫面的問題。
這個不像畫面，可能是資料根本沒有進來。

這兩個數字對不起來，可能不是程式壞掉，是前後用的計算口徑不一樣。

這個剛剛明明好好的，改完另一個功能才壞，那就先回去看剛才動了什麼。

甚至開始知道，有些問題可以叫同一隻 AI 再試一次。
有些已經鬼打牆五輪了。

不要再陪牠繞。
換一隻。

我沒有突然變成工程師。

我只是做壞、修好、再做壞很多次以後，
腦袋裡慢慢存了一堆：
「喔，這種東西我以前看過。」

這讓我想到以前做新產品。

剛開始時，包裝、成本、規格、供應商、交期，每一件都像第一次。
做多了以後，事情明明還是不一樣，腦袋卻會先冒一句：這裡最好再問一下。

不是突然變聰明。
是以前踩過的坑沒有完全白踩。

---

最近我又碰到一個很具體的例子。

之前做台股工具時，資料來源有一些限制。

後來我們找到一個做法：先在桌機把需要的資料整理好，轉成固定格式的 JSON，再丟到 GitHub，讓後面的工具去用。

那一次當然也是弄了半天。

後來換成做國外市場，又碰到另一個資料問題。

下載回來的 Excel 裡有兩千多筆股票，原本那套處理方式不太適合。

這次很有趣。
我沒有坐在那裡等 AI 告訴我要怎麼辦。

我自己先想到：

等一下。
台股那次不是走過很像的路嗎？

那就不要硬處理原始檔。

先在適合的地方把資料整理乾淨，轉成 JSON，再放到 GitHub，後面全部吃固定格式。

然後我把這個想法丟給 AI。

可以。

那一刻我突然覺得很好笑。

我還是不會寫程式。

可是工具卡住的時候，我居然已經開始會提 solution 了。

有 AI 以後，學習曲線沒有不見。

妳還是得不懂、得問、會做錯，也還是會修了 A 壞掉 B。

只是以前一次練習很貴。

不會寫程式，我可能連第一步都進不去。
要找人、等人、花錢，做錯一次再重來。

現在我可以直接試。

錯了，再來。

不懂，問。

還是不懂，換一種問法。

真的卡死了，換一隻動物。

所以同樣一段時間裡，我可以跑過去的循環變多很多。

AI 沒有替我跳過 learning curve。
它只是把每一次練習的成本降下來，讓我有機會多跑幾圈。

---

但練得多，不代表一定學得到東西。

如果每次都只跟 AI 說「做好給我」，它現在很可能真的會做好。
可是做了十次以後，第十一次壞掉，妳可能還是只會說：壞了。

我的方式比較麻煩。
我會一直問牠：

為什麼？
剛才改了什麼？
這兩件事有什麼關係？
你現在是在治症狀，還是在找原因？

不是因為我要學寫程式。
我是要知道，下次再看到同一種鬼，我有沒有機會認出牠。

---

想看我平常怎麼一邊不會寫程式、一邊帶著這群 AI 把工具做出來，可以到 AI Workflow 頁面 看看。
我到現在還沒變成工程師，只是越來越會認坑。