AI Coding（進階）
讓 AI 寫程式之前，先學會看它怎麼錯。
Cursor、Claude Code、Codex 把寫程式的門檻拉低了 — 但拉低的是寫的門檻，不是判斷的門檻。AI 寫得快，錯也錯得快，而且錯法跟人不一樣。這個支柱寫給已經在用 coding-AI 工具的進階使用者：你會 prompt、會看 diff，但還是常常踩到那 5 種 AI 特有的雷。我們把這些雷收集起來，告訴你怎麼預防、怎麼修。
類別幻覺 vs 邏輯錯誤
AI 生的 code，真正會炸的是邏輯，不是名字。
幻覺 vs 邏輯錯誤
AI 生的 code，真正會炸的是邏輯，不是名字。
測試全綠，線上還是炸
AI 補測試常測「正常劇本」，不是風險劇本。要補的是空值、重複請求、權限、順序反轉這些反例。
適合：已經在用 coding-AI 工具的進階使用者
AI 掰假 import，先別急著裝
coding-AI 自信 import 三個套件，結果根本不存在。先查來源、看維護、跑最小驗證，別讓假套件混進專案。
適合：已經在用 coding-AI 工具的進階使用者
程式能跑，報表還是會錯
coding-AI 最雷的不是寫出不能跑的程式，而是寫出看似成功、其實結果歪掉的程式。
適合：已經在用 coding-AI 工具的進階使用者
AI 寫的條件判斷在邊界值(0 / null / 空陣列)上常常出錯
AI 寫業務邏輯時，典型情境常常看起來很順，但 0、null、空陣列、負數、undefined 這些邊界值容易讓條件判斷失準。這篇給後端工程師一個 5 問檢查框架，幫你把 AI 產出的 if/else 從「看起來合理」拉回「真的能上線」。
適合：用 AI 寫業務邏輯、做後端的工程師
AI 用了不存在的 API 函式,為什麼 linter 沒抓到
AI 寫程式時把不存在的 API 函式寫得很像真的，linter 常常只看得到語法、匯入與型別線索，未必知道函式庫實際有沒有那個方法。這篇幫你拆清楚：為什麼會漏、現在該先跑什麼檢查、下次怎麼判斷該信工具到哪裡。
適合：用 AI 寫 prototype、相信 type system 會擋下幻覺的工程師
同一個 bug 跟 AI 講 3 次它都修不好,是它沒理解還是另有原因
同一個 bug 跟 AI 講 3 次它都修不好，常見原因不是單純聽不懂，而是它拿到的線索只夠修表面。要讓 AI debug 更穩，關鍵是把 stack trace、重現方式、你已試過的改法，一起翻成它看得懂的文字。
適合：用 AI debug、覺得它常常修錯地方的工程師
AI 寫的 code 跑起來沒錯,但行為跟你預期不一樣 — 是哪一種錯
AI 幫你寫 backend logic 時，最麻煩的常常不是程式跑不起來，而是跑得很順、結果卻偏離原本的業務規則。這篇把錯分成語法錯、API 名字錯、邏輯錯，幫你下次 review 時先抓真正該看的地方。
適合：用 Cursor / Claude Code / Codex 寫 backend logic 的工程師類別Context 與大型 Codebase
10k 行以上的專案，AI 的命中率為什麼掉到一半？
Context 與大型 Codebase
10k 行以上的專案，AI 的命中率為什麼掉到一半？
別把整個 repo 丟給 AI
AI 不是吃越多越懂。先從任務倒推，挑出能讓它改對的 5 個檔案。
適合：已經在用 coding-AI 工具的進階使用者
五千行後 AI 迷路，先餵 context
小檔案改得像神，一碰 hooks、store、utility 就亂套；多半不是模型變笨，是專案地圖沒給清楚。
適合：已經在用 coding-AI 工具的進階使用者
要 AI 改一個跨多個檔案的功能,怎麼避免它只改一半
跨多個檔案的改動，AI 容易只完成眼前那一段，真正的卡點通常是它沒有先盤點影響範圍。比較穩的做法，是先請 AI 列出會受影響的檔案與各自要改什麼，再分段讓它動手。
適合：做 refactor、跨檔案改動的工程師類別技術債與 AI Slop
AI 寫得快，壞債堆得更快。
技術債與 AI Slop
AI 寫得快，壞債堆得更快。
類別成本與工作流
為什麼一次 Composer 跑下去額度就沒了？
成本與工作流
為什麼一次 Composer 跑下去額度就沒了？
