為什麼AI寫程式會「發瘋」？看AI大神直播3小時，揭開與AI協作的殘酷真相
知名 AI 開發者與 YouTuber Cole Medin 最近進行了一場長達三小時的直播，挑戰從零開始，現場打造一個全端 AI 助理。這個 ambitious 的計畫旨在創建一個以他所有 YouTube 影片內容為知識庫的個人化 AI 教練。然而，這場直播並非一帆風順，反而意外地揭示了與 AI 協作時光鮮亮麗表象下的殘酷現實：即使是頂尖高手，也必須面對 AI 助理「失控」與「遺忘」的挑戰。這不僅是一場程式碼的展演，更是一堂關於如何駕馭 AI 的實戰大師課。
Cole Medin 的目標是建立一個先進的 RAG (Retrieval-Augmented Generation) 代理，專精於 AI 代理和 AI 編碼兩大領域。這個 AI 的知識來源，正是他頻道上所有影片的逐字稿。
整個技術架構涵蓋： - 後端語言：Python - AI 框架：Pydantic AI - 資料庫與向量儲存：Superbase - 資料處理與分塊：Dockling 函式庫
運作流程是先建立一個 RAG 管線 (Pipeline)，自動抓取 YouTube 影片逐字稿，透過「混合分塊 (Hybrid Chunking)」策略進行處理，最後將這些知識碎片嵌入並儲存在 Superbase 知識庫中。最終目標是提供一個類似 ChatGPT 的聊天介面，讓使用者能針對他的影片內容提出深入問題，並獲得精確、附有來源的回答。
核心方法論：PIV 循環與消除AI的「假設」
Cole Medin 強調，與 AI 高效協作的關鍵不在於盲目地丟出指令，而是建立一套系統化的流程。他將自己的方法論稱為「PIV 循環」：
- Planning (規劃)：在動手寫任何程式碼前，進行深度規劃。
- Implementing (執行)：將編碼任務完全委託給 AI 助理。
- Validating (驗證)：由人類專家進行程式碼審查與手動測試。
他指出，整個流程中最關鍵、也最常被忽略的就是「規劃」階段。其核心價值在於： 「規劃階段的主要目標，就是盡可能減少 AI 編碼助理在執行時需要做出的『假設』。」
一個模糊的指令會迫使 AI 填補大量細節，導致結果難以預測。因此，他的規劃階段極其細緻，包含從「非結構化對話 (Vibe Planning)」到最終產出「結構化計畫 (Structured Plan)」，明確定義所有技術選擇、功能邊界與預期行為，不留下任何模糊空間。
當AI開始失控：一場2500行的計畫災難
直播中最具戲劇性的轉折，完美印證了深度規劃的重要性。當 Cole Medin 要求 AI 編碼助理 (Claude Code) 根據討論生成一份結構化計畫時，他明確指示計畫的長度應介於 500 到 1000 行之間。
然而，AI 卻完全無視了這個關鍵限制，產出了一份長達 2500 行 的超長文件。
這個看似微小的失誤，卻引發了災難性的後果。這份過於冗長和複雜的計畫，導致 AI 在後續的執行階段出現了嚴重的「注意力渙散」與「指令遺忘」。最致命的錯誤是： AI 完全忘記了使用核心技術之一的「Dockling」函式庫來進行混合分塊。
這意味著整個 RAG 管線中最關鍵的資料處理步驟被徹底跳過，AI 選擇用自己拼湊的、不甚理想的方法來替代。這場「AI 發瘋」的插曲，生動地展示了當人類的系統化約束失效時，AI 協作是多麼脆弱。
修正與救贖：從錯誤中學習並進化系統
面對 AI 的失控，Cole Medin 並沒有選擇手動修正程式碼，而是回歸到他的 PIV 循環。他意識到問題的根源在於「計畫」本身，因此他重新與 AI 溝通，強制其生成一份更簡潔、更聚焦的計畫。
這個過程體現了他另一個核心理念： 「每一次的錯誤，都是一個進化你系統的機會。」
與其進行一次性的修補，不如優化整個工作流程，確保同樣的錯誤不再發生。經過幾輪迭代與修正，新的、簡潔的計畫終於讓 AI 回到正軌。直播的最後，這個 AI 助理成功地被打造出來，不僅能夠運作，還能：
- 在聊天介面中流暢對話。
- 準確地從 Superbase 知識庫中檢索相關資訊。
- 提供附有 可點擊 YouTube 時間戳 的引用來源，將使用者直接導向影片中的特定片段。
儘管答案的流暢度仍有待改進，但核心功能已經完美實現，證明了這套方法的最終有效性。
結論：與AI協作的真實面貌
Cole Medin 的這場直播，撕開了 AI 寫程式的神秘面紗。它告訴我們，與 AI 的高效協作並非一場輕鬆的對話，而是一門嚴謹的工程科學。人類的角色不再是單純的「程式設計師」，而更像是「系統架構師」——負責設計流程、定義規則、驗證結果，並在 AI 偏離軌道時將其拉回。
PIV 循環這樣的框架，正是為了應對 AI 的不確定性而生。這場直播的價值，不在於展示了一個完美的 AI，而在於揭示了通往成功路上所有真實的混亂、挫折與最終的突破。這才是未來人機協作最真實的樣貌。
