2026年10月15日，掘金作者duanze發布了「從零開始Android商業項目Vibe coding完全指南」系列的第十一篇。這一節除了延續Smb線上漫畫閱讀功能、開始處理PDF解析器與PNG圖片流解碼之外，作者花了不少篇幅回應讀者留言，談他眼中「可以預見的AI能力邊界」。這不是突發新聞，而是系列教學的中段更新，但因為觸及「AI到底能不能全信」這個話題，值得我們借來聊聊兩件事：怎麼識讀AI相關的說法，以及被vibe coding推著跑的你，身體怎麼辦。

作者說了什麼：AI是工具，統計輸出總會犯錯

先把可確認的事實說清楚。作者在文中提出的觀點包括：現今AI技術的根本原理接近基於統計學的「最優概率輸出」；因此AI始終存在犯錯的可能性，與人類拉不開本質差別。他用計算器發明後沒人再崇拜心算來類比，也批評了「給猴子打字機就能敲出莎士比亞」和「只要上下文夠多AI就能回答一切」這兩種過度樂觀的說法，後者他認為接近已被揚棄的「科學決定論」。

這些是作者個人的技術判斷與科普立場，屬於資深開發者的經驗層次，不是大型研究或文獻回顧。但它有一個對你很有用的落點：作者強調你仍需要懂一點經典演算法的皮毛，「來判定AI的方向是否正確」。換句話說，就算把寫程式交給AI，判斷與驗收的責任還在你身上。

這一點和我們先前從V2EX網友靠AI寫出終端管理器czlterm的分享聊過的vibe coding之後開發者的用眼與作息是同一件事：工具越快，人被留在審查端的時間越長。

從「拜AI」到「審AI」，中間是你的判斷力

作者批評的「拜AI神教」，換成健康識讀的語言其實很熟悉：對任何單一資訊來源照單全收，都是風險。他不否認AI寫UI、套用既有演算法套路很強，甚至說「常規場景下我們或許已經不再需要手寫演算法」。但他同時指出，演算法使用的適用場景與方法其實相當死板，這正是AI擅長的部分；至於判定AI方向對不對，還是要靠人的基本功。

你可以把這個態度搬到日常生活：AI給你的健康資訊、行程建議、程式碼，都可以用，但關鍵決策前多查一個來源、多問一句「這個說法的依據是什麼」。這不是不信任，是基本功。

真正想提醒你的：AI不會累，你會

這一節的實作內容是PDF解析。作者形容PDF這個1993年的格式「上千頁的文件就像是屎山的具象化」，設計之初沒考慮網路線上閱讀，線性化PDF覆蓋率也極低，所以需要自製簡易解析器，接著進入PNG圖片流解碼的細節。

技術細節我們不展開，但這段對你的身體有個隱含訊息：解析器的除錯往往是漫長的看log、比對二進位資料、反覆跑測試。這種工作型態和我們在企業級AI Coding流程實戰文裡聊過的工程師作息很像，效率被流程拉高之後，被壓縮掉的反而是你的休息。

幾個具體可以做的：

  • 看二進位資料與log特別傷眼，每30分鐘左右讓眼睛看遠處休息一下，這是最老派也最有效的原則。
  • AI跑產生的程式碼需要你逐段審，審查時間往往比想像中長，先排休息再排工作，別假設「AI寫完我就收工」。
  • 遇到「AI產出的方向好像不太對」的直覺，值得停下來查證，別因為對方是AI就吞下去，也別因為是AI就全盤否定。

留白的部分

文末停在PNG解碼的開頭，後續內容要看系列下一節。至於作者對AI能力邊界的預測會不會應驗，目前沒有足夠證據能下結論，系列文章本身也會隨他的實作繼續更新。可以確定的是：工具再強，坐在螢幕前審查輸出的那個人，眼睛、肩頸和睡眠還是自己的。