Vibe Coding 下一階段：把專業知識變成軟體，產業專家就是下一代產品經理
- 當寫程式越來越便宜，知道該寫什麼反而越來越貴 -
最近看到一個很有意思的案例。
一位房仲做了一套 591 競品分析工具。貼上一個 591 網址，就可以自動整理同社區競品、價格、刊登時間與曝光狀況，甚至判斷一間房子到底是「價格有問題」，還是「根本沒曝光」。
有趣的不是這個工具本身，而是他說：
「我一行程式都不會寫。」
但光是其中一個競品分析功能，就有 15 個程式檔案、9,324 行程式，前後修改 75 次；整個系統甚至累積到 3,000 多次修改。他主要靠 Claude Code，把這套東西慢慢做出來。
很多人看到這裡，第一個反應可能是：「現在 AI 真的太強了，不會寫程式也能做 App。」
但我看到的，其實是另外一件更大的事情。
Vibe Coding 真正改變的，可能不是程式設計
以前我們談 No-Code、Low-Code，到現在談 Vibe Coding，大家一直在討論：
以後是不是不用學寫程式了？
但我覺得，這可能問錯問題了。
真正正在發生的是：大量原本只能存在「專家腦袋裡」的東西，開始可以被軟體化。
這才是我認為 Vibe Coding 最重要的改變。
真正值錢的不是那 9,324 行程式
假設今天叫一個很厲害的工程師完成「591 資料抓取 → 整理 → Dashboard → 報表」，技術上可能完全沒問題。
但工程師怎麼知道：
- 刊登超過幾間叫供給過剩？
- 多少瀏覽才算曝光不足？
- 同一間房子被三個仲介刊登，到底算三筆還是一筆？
- 什麼情況代表價格有問題？
這些東西不是只靠寫程式就能得出來的。它來自一個房仲做過幾百次成交、看過幾千個物件之後，慢慢形成的判斷。
以前我們會叫這種東西「經驗」。但 AI Coding 出現之後，我開始覺得應該換一個角度看：
這些其實都是還沒有被寫成程式的商業邏輯。
未來值錢的能力，是把「我覺得」變成「如果……就……」
例如，一個資深房仲可能會說：「這間我一看就知道不好賣。」
以前這句話很難交給電腦。但如果繼續追問「為什麼」，他可能慢慢拆出：
- 如果同社區待售超過 15 間；
- 如果價格高於近期成交行情 8%；
- 如果刊登 30 天但瀏覽不到 500；
- 如果照片數量低於某個數字；
- 如果三週都沒有有效詢問；
- 那麼成交機率就會開始下降。
這時候事情就完全不同了，因為專業經驗可以沿著一條清楚的路徑被轉換：
經驗 → 判準 → 規則 → Workflow → 軟體
這就是我最近越來越在意的一個概念：專業知識軟體化。
AI Coding 的最大機會，不是讓所有人變成工程師
真正的機會是：讓每一個產業專家，都第一次有機會把自己的 Know-how 變成軟體。
所以，接下來很有優勢的可能不只是最會寫程式的人，也包括：
- 做了 20 年帳務的會計師；
- 看過幾千個案件的律師；
- 成交過幾百間房子的房仲；
- 教過幾千個學生的老師；
- 做過幾百個廣告專案的行銷人；
- 跑過幾百間工廠的顧問。
以前這些人的專業很難複製，因為 Know-how 在腦袋裡。新人只能跟著老師傅看、問、學、犯錯，再慢慢累積經驗。
但現在多了一條路：你可以開始問自己，「我每天到底在做哪些判斷？」然後一條一條把它寫出來。
這也延續了我在〈AI 讓程式碼越來越便宜，但「知道什麼值得做」正在變得越來越貴〉談過的觀察：真正稀缺的，往往不是把功能做出來，而是知道哪個產業問題值得被做成產品。
為什麼 Prompt 不是終點？
很多人學 AI 還停在：「幫我寫一個厲害 Prompt。」
但 Prompt 本身很難形成太大的護城河。真正有價值的是 Prompt 後面的判斷規則。
例如，不是只叫 AI「幫我分析這個網站的 AEO」，而是明確告訴它：
- 什麼情況代表 Entity 不清楚？
- 什麼情況代表內容缺乏可引用性？
- 什麼結構不容易被 Answer Engine 理解？
- 哪些 Schema 缺失？
- 品牌資訊在不同來源出現矛盾時，風險怎麼計算？
最後甚至可以進一步形成完整流程：
檢查 → 評分 → 找問題 → 排優先級 → 提出修改 → 自動修正
這時候，它就不再只是一個 Prompt，而開始變成 Software。
Coding Agent 如何補上最後一塊拼圖？
Claude Code、Codex 這類 Coding Agent 真正重要的地方，不只是「比較會寫程式」，而是它們開始可以：
- 讀取與建立檔案；
- 修改與執行程式；
- 查看錯誤並修正；
- 執行測試；
- 操作工具；
- 拆解任務並持續工作。
所以我們正在從「AI 告訴你怎麼做」，進入「AI 幫你把它做出來」。
這也是為什麼最近大家開始談 Agent Harness。Model 決定 AI 有多聰明；Harness 則決定：它到底能不能工作。
如果想更完整理解這個架構，可以接著閱讀〈Skill 之後，下一個 AI 開發者一定要懂的詞：Agent Harness〉。
當寫程式越來越便宜，知道該寫什麼反而越來越貴
以前，「我有一個 Idea，但是我不會寫程式」是一個很大的障礙。
未來真正的障礙可能變成：「你到底懂不懂這個產業？」
因為 App 可以生成、Dashboard 可以生成、Database 可以建立、API 可以串、UI 可以改。真正難複製的是：
你做過 300 次之後，知道第 301 次應該怎麼判斷。
AI 原生產品的四個必要元素
我現在會用另一個公式看 AI 原生產品：
AI 原生產品 = Domain Expertise × Explicit Rules × Agent Harness × Iteration
這四個元素分別代表：
- Domain Expertise：真實累積的產業經驗。
- Explicit Rules：把經驗講清楚、拆成明確判準的能力。
- Agent Harness：讓 AI 能讀取資訊、使用工具並真正動手工作的環境。
- Iteration：一次又一次測試、修正與調整。
少一個，都很難變成真正可用的 AI 原生產品。
專業知識軟體化，可能催生下一波 Vertical AI
今天是一個房仲做 591 分析；明天可能是一個會計師，把自己的查帳流程做成系統。
也可能是一個老師，把自己批改幾千份作文的判斷做成工具；一個行銷顧問，把做過幾百個案子的診斷方法做成產品；一個製造業老師傅，把「聽聲音就知道機器哪裡不對」的經驗拆成判斷系統。
最後會發現，他們根本不是在「學寫程式」，而是在做另一件事情：
把自己的職業經驗，編譯成軟體。
學 Vibe Coding 前，先問自己這三個問題
如果你最近正在學 Vibe Coding，我反而不建議第一個問題是：「我要做什麼 App？」
你可以先問自己：
- 有什麼事情，是別人每次都跑來問我的？
- 有什麼判斷，我做 30 秒，新手可能研究三小時？
- 有什麼工作，我已經重複做過 100 次以上？
那裡面很可能就藏著你的第一套 AI 工具，甚至是你的第一個 SaaS。
以前軟體公司的邏輯是：
找到產業需求 → 找專家訪談 → 寫規格 → 找工程師 → 做軟體
現在開始可能反過來：
專家自己就是產品經理，AI Coding Agent 就是他的工程團隊。
而他腦袋裡累積十年、二十年的 Know-how，就是最重要的原始碼。
所以我越來越相信：Vibe Coding 的終局，不是人人都變成工程師，而是每一個真正有專業的人，都有機會變成一家軟體公司。
常見問答 (FAQ)
Q1：不會寫程式，也能用 Vibe Coding 做出軟體嗎？
可以，但重點不只是會不會下 Prompt。你仍需要清楚描述問題、把專業經驗拆成判準與規則，並透過 Coding Agent 反覆建立、測試與修正。AI 可以降低實作門檻，卻不會自動補上你不具備的產業知識。
Q2：什麼是「專業知識軟體化」？
專業知識軟體化，是把專家長期累積的經驗，從模糊的直覺拆成可說明的判準，再轉換為規則、Workflow 與軟體功能，讓原本只能靠個人判斷的 Know-how 可以被重複使用。
Q3：Prompt、Workflow 與軟體有什麼差別？
Prompt 通常是一次性的指令；Workflow 把多個步驟、條件與工具串成可重複流程；軟體則進一步加入資料、介面、權限、錯誤處理與持續迭代。當 Prompt 背後有明確判斷規則並能穩定執行時，就開始具備軟體產品的雛形。
Q4：Agent Harness 在 AI 原生產品中扮演什麼角色？
Agent Harness 是讓 AI Agent 能取得情境、讀寫檔案、使用工具、執行任務、處理錯誤並遵守權限邊界的工作環境。Model 決定 Agent 的能力上限，Harness 則影響它能不能可靠地把工作完成。
Q5：如何找到適合自己的第一個 AI 工具題目？
先盤點別人經常請教你的問題、你能快速完成但新手需要研究很久的判斷，以及你已重複執行上百次的工作。優先選擇規則相對清楚、資料可取得、結果可以驗證的小流程，再逐步擴充成產品。
