AI

客戶回報一個小 error,結果挖出三個 bug、做了一個自動監控,還順便讓我想通一件事——跟 AI 協作,我最大的價值不是打字,是踩煞車。

GitHub Actions 一個月 3,000 分鐘，月中就燒到 2,395。上個月同樣爆量， 上一代模型（Opus 4.8）陪我訂了一整套省錢紀律；這個月換上 Fable 5， 它查完帳直接問：「為什麼要租？你桌上不就有一台 M2 Pro？」 十五分鐘後，整條 CI 搬回我的 Mac，帳單歸零。 節流是優化，掀桌是解法——這次模型升級給我最具體的體感。

上一篇我用 git worktree 把每個 AI 請進獨立房間，續集是它們退房不關門、堆了 24 間殭屍。 但這次我想講的不只是解法——而是「我怎麼跟 AI 一起把它解掉的」： AI 先跟我報錯，我給方向跟安全邊界，它負責寫 hook、改我的交接流程。 整個過程我一行 code 都沒寫，但這仍然是我的解法。

我同時開兩個 Claude Code session 衝刺同一個專案，結果它們共用同一個 Git working tree， 安安靜靜地把對方的 commit 蓋掉。這是一場用 reflog 辦案、用 git worktree 根治、 最後寫了一個 SessionStart hook 自動報警的完整過程——還有那個 hook 隔天真的抓到現行犯的爆笑結局。

探索如何將大型語言模型（LLM）整合進日常開發工作流，從程式碼補全、自動測試生成到智能 Code Review，全面提升開發效率。