<?xml version="1.0" encoding="UTF-8"?><rss xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns:atom="http://www.w3.org/2005/Atom" version="2.0" xmlns:cc="http://cyber.law.harvard.edu/rss/creativeCommonsRssModule.html">
    <channel>
        <title><![CDATA[Stories by Chen Lily on Medium]]></title>
        <description><![CDATA[Stories by Chen Lily on Medium]]></description>
        <link>https://medium.com/@yuehhochen?source=rss-437668100fee------2</link>
        <image>
            <url>https://cdn-images-1.medium.com/fit/c/150/150/0*NmNXCieD7w_WZAu4</url>
            <title>Stories by Chen Lily on Medium</title>
            <link>https://medium.com/@yuehhochen?source=rss-437668100fee------2</link>
        </image>
        <generator>Medium</generator>
        <lastBuildDate>Fri, 20 Nov 2026 16:48:21 GMT</lastBuildDate>
        <atom:link href="https://medium.com/@yuehhochen/feed" rel="self" type="application/rss+xml"/>
        <webMaster><![CDATA[yourfriends@medium.com]]></webMaster>
        <atom:link href="http://medium.superfeedr.com/" rel="hub"/>
        <item>
            <title><![CDATA[【AI 實戰工具箱】產品設計師如何將 6 大 Prompt Skills 系統化融入 UI/UX 與開發工作流]]></title>
            <link>https://medium.com/@yuehhochen/ai-%E5%AF%A6%E6%88%B0%E5%B7%A5%E5%85%B7%E7%AE%B1-%E7%94%A2%E5%93%81%E8%A8%AD%E8%A8%88%E5%B8%AB%E5%A6%82%E4%BD%95%E5%B0%87-6-%E5%A4%A7-prompt-skills-%E7%B3%BB%E7%B5%B1%E5%8C%96%E8%9E%8D%E5%85%A5-ui-ux-%E8%88%87%E9%96%8B%E7%99%BC%E5%B7%A5%E4%BD%9C%E6%B5%81-447a197ee219?source=rss-437668100fee------2</link>
            <guid isPermaLink="false">https://medium.com/p/447a197ee219</guid>
            <dc:creator><![CDATA[Chen Lily]]></dc:creator>
            <pubDate>Sat, 22 Aug 2026 03:31:55 GMT</pubDate>
            <atom:updated>2026-08-22T03:31:55.263Z</atom:updated>
            <content:encoded><![CDATA[<h4>從「單點發想」到「系統化流水線」，重新定義 AI 開發</h4><p>隨著大語言模型（LLM）與各類 Agent 工具的爆發，數位產品的開發門檻正在急遽降低。然而，許多設計師與開發者在導入 AI 時，往往只把 AI 當作「高級搜尋引擎」或「一次性代碼生成器」。缺乏連貫性的指令，導致產出的介面風格碎裂、程式碼難以維護，最終還是得靠人類工程師一行行擦屁股，陷入了「為了使用 AI 而花更多時間除錯」的本末倒置困境。</p><p>真正的 AI 輔助開發（如近期熱議的 Vibe Coding），不該只是依賴單一的「神級提示詞（Prompt）」，而是應該建立一套具備防呆機制的「工作流（Workflow）」。</p><p>好的產品開發，應該把不同的 Prompt Skills 視為你專屬的「專業外包團隊」。身為跨足 Vibe Coding 的產品設計師，我在開發「展覽日曆」等專案時，整理了實戰中最常使用的 6 大專屬 Skills。我將它們精準部署進產品生命週期的 4 個核心階段。本文將帶你深入了解，如何透過這套系統化的工具箱，讓 AI 從「只會回答問題的機器人」變成「你最強大的執行助理」。</p><h3>第一階段：需求收斂與邏輯釐清（Discovery &amp; IA）</h3><p>在專案的從零到一階段，最大的災難就是「需求模糊」。如果在邊界條件（Edge Cases）與使用者旅程（User Journey）都未定義清楚的情況下，直接要求 AI 生成介面或代碼，產出的絕對會是一場無法落地且邏輯充滿漏洞的災難。</p><h4><a href="https://github.com/mattpocock/skills">Grill me（靈魂拷問者）</a></h4><ul><li><strong>實務痛點</strong>：人類在發想初期，思維往往存在盲區，容易只考量到最完美的「快樂路徑（Happy Path）」，卻忽略極端情境（如：網路斷線、無資料狀態、極限字數限制、使用者拒絕授權）。</li><li><strong>AI 應用策略</strong>：在這個階段，我絕對不讓 AI 單向給我答案，而是啟動 Grill me 這個 Skill。我會輸入初步的產品想法，然後下達指令：「請對我的產品架構進行無情的拷問」。</li><li><strong>實戰效益</strong>：Grill me 會轉換角色，針對專案目標反覆追問。例如它會問我：「如果使用者拒絕授權行事曆，你的展覽整合功能該如何運作？」、「你的聯盟行銷分潤機制，若遇到退款情況該如何處理流程？」。透過這種反向的壓力測試，我們能強勢收斂出毫無漏洞的 User Flow 與核心規格（Spec）。這不僅省去了來回修改的時間，更為後續的開發打下最穩固的資訊架構（IA）基石。</li></ul><h3>第二階段：視覺與體驗設計（UI/UX Design）</h3><p>確認了資訊架構後，進入介面設計階段。AI 生成的介面雖然速度極快，但極容易缺乏全站的視覺一致性，甚至會產出違反人類直覺或易用性原則的設計，導致濃厚的「套版感」。</p><h4><a href="https://github.com/nextlevelbuilder/ui-ux-pro-max-skill">UIUX pro max（體驗守門員）</a></h4><ul><li><strong>實務痛點</strong>：視覺看起來很炫麗，但在真實的行動裝置上操作卻充滿阻力，按鈕太小、對比度不足，導致高跳出率。</li><li><strong>AI 應用策略</strong>：在畫出介面骨架（Wireframe）或初步視覺後，我會呼叫 UIUX pro max 進行客觀的 UX 檢視。</li><li><strong>實戰效益</strong>：這個 Skill 被設定為具備頂尖人機互動知識的專家。它會從「費茲定律（Fitts’s Law）」檢視你的按鈕觸控範圍是否合理（例如行動版按鈕至少需 44x44px）；從「對比度與無障礙設計（Accessibility, a11y）」角度，檢查文字是否清晰易讀。它能冷酷地揪出人類設計師因為視覺疲勞而忽略的體驗盲點，確保介面不只好看，更要符合直覺、好用。</li></ul><h4><a href="https://github.com/flitzrrr/frontend-design-skills">Fronted Design（視覺工程化與 Design Tokens）</a></h4><ul><li><strong>實務痛點</strong>：設計師天馬行空的視覺，轉交給 AI 生成前端代碼時嚴重走樣，AI 常會為了追求效果而亂塞 inline-style，導致代碼難以維護。</li><li><strong>AI 應用策略</strong>：運用 Fronted Design 確保視覺語言能順利且一致地轉換為前端結構。</li><li><strong>實戰效益</strong>：在讓 AI 大量生成頁面前，我會先透過此 Skill，強制 AI 消化我預先定義好的 Design System。這不僅僅是給它色碼，而是要求它建立一套 Design Tokens（設計變數），包含色彩語意化（如 Primary, Danger）、字體層級、以及 8pt Grid System 的組件間距規範。這能有效約束 AI 在後續生成中「自由發揮」的衝動，確保從按鈕到卡片，視覺風格精準對齊，徹底消除 AI 產出的廉價感。</li></ul><h3>第三階段：原型實作與互動生成（Prototyping &amp; Vibe Coding）</h3><p>靜態的畫面再美，一旦缺乏流暢的互動與轉場，產品就會顯得生硬且缺乏靈魂。在進入前端代碼生成的階段，動效（Animation）往往是最耗時、最考驗瀏覽器效能，且最容易出錯的環節。</p><h4>UI Animation（微互動與狀態處理）</h4><ul><li><strong>實務痛點</strong>：按鈕 Hover、選單展開、表單錯誤提示等基礎狀態，手寫 CSS Transition 耗時且繁瑣，容易漏東漏西。</li><li><strong>AI 應用策略</strong>：針對這類基礎的 UI 狀態變化，直接交由 Animated UI 快速處理。</li><li><strong>實戰效益</strong>：只要給予語意化的指令（如：「為這組卡片加上柔和的浮現動畫，並帶有輕微的彈性物理反饋」），它就能精準生成符合現代網頁美學的 CSS Transitions 或輕量級 JavaScript 微互動。它會自動補齊 Hover、Active、Disabled 等狀態，大幅提升介面的操作直覺性與回饋感。</li></ul><h4><a href="https://github.com/greensock/gsap-skills">GSAP（進階動效賦能與效能優化）</a></h4><ul><li><strong>實務痛點</strong>：需要視差滾動（ScrollTrigger）、複雜時間軸（Timeline）或 SVG 路徑動畫時，一般 AI 生成的代碼往往效能極差，容易導致畫面卡頓。</li><li><strong>AI 應用策略</strong>：遇到高級產品滿意度（Delightful UX）的需求時，必須切換到專屬的 GSAP Skill。</li><li><strong>實戰效益</strong>：GSAP 是業界頂尖的動畫函式庫，但語法較為陡峭。透過專屬的 Skill，我能讓 AI 嚴格遵循 GSAP 的最佳實踐（Best Practices）來撰寫代碼。例如，強制 AI 確保動畫綁定在 transform 和 opacity 屬性上，藉此觸發 GPU 加速，避免網頁重繪（Repaint）與重排（Reflow）導致的效能災難。這完美彌合了「設計師的無限創意」與「工程端的程式效能」之間的落差。</li></ul><h3>第四階段：資安防護與架構維護（Security &amp; QA）</h3><p>在 Vibe Coding 的極速狂歡之後，往往隱藏著巨大的技術債。AI 寫代碼的速度極快，但它並不會主動考量底層的資訊安全，極易產出帶有漏洞的「髒代碼」，這對於未來的系統維護將是毀滅性的打擊。</p><h4><a href="https://github.com/inkdust2021/opencode-vibeguard">VibeGuard（資安與品質糾察隊）</a></h4><ul><li><strong>實務痛點</strong>：AI 為了快速實現功能，極可能將敏感的 API Key 寫死在前端原始碼中，或是生成缺乏防呆機制的表單，讓系統面臨 XSS（跨站腳本攻擊）或 CSRF（跨站請求偽造）的巨大風險。</li><li><strong>AI 應用策略</strong>：在代碼整合與最終上線交付之前，將專案丟入 VibeGuard 進行全面且深度的掃描。</li><li><strong>實戰效益</strong>：VibeGuard 就像是一位嚴苛且不知疲倦的資安專家與 QA 測試員。它專門掃描 AI 產出代碼中的潛在風險。當發現不安全的資料串接、缺乏錯誤處理（Error Handling）的邏輯、未經驗證的輸入欄位，或是授權漏洞時，它會強制發出警告，阻擋脆弱的架構生成，並提供符合安全規範的修復建議。這為獨立開發者與產品團隊加上了最後、也是最重要的一道安全鎖，確保極速開發不會建立在脆弱的沙堡上。</li></ul><h4>Backend Architect（後端邏輯與架構建構者）</h4><p><strong>實務痛點：</strong>一般 AI 在生成後端代碼時，習慣將路由（Routing）、商業邏輯與資料庫查詢全部塞進同一個肥大的檔案中；同時極易設計出擴充性極差的資料庫關聯表（Schema），引發 N+1 查詢效能問題。</p><p><strong>AI 應用策略：</strong>在建置後端 API 與資料庫前，呼叫 Backend Architect 來把關底層結構。</p><p><strong>實戰效益：</strong>這個 Skill 被設定為嚴謹的系統架構師。它會強制要求 AI 採用 MVC（Model-View-Controller）或模組化的架構模式，將邏輯乾淨分離。同時，在建立資料庫模型時，它會預先考量索引（Indexing）與關聯設計，確保資料查詢的高效能，避免產品上線後因為流量增長而瞬間崩潰。</p><h3>結論－人類是架構師，AI 只是執行者</h3><p>當我們將這 6 大 Prompt Skills（Grill me, UIUX pro max, Fronted Design, Animated UI, GSAP, VibeGuard）妥善且有紀律地部署在對應的開發階段後，你會發現，產品開發不再是毫無頭緒的見招拆招。它變成了一條高效、精準、安全且充滿秩序的現代化流水線。</p><p>然而，經歷了這段將 AI 深度融入工作流的過程，我們必須銘記在心：</p><blockquote><strong>再神效的 Skill 與 Agent，終究只是不具備情感的工具。決定一個數位產品成敗的核心，依然是人類設計師的「邏輯判斷力」、「對使用者痛點的深刻同理心」以及「對產品品質的不妥協」。</strong></blockquote><p>不要盲目地在網路上收藏幾百個提示詞範本，或是期待一個萬能的 AI 能解決所有問題。真正的專家，會從自己的專案流程出發，盤點痛點，挑選合適的 Skill 建立起一套有紀律的協作系統。這，才是設計師與開發者在 AI 時代保持核心競爭力、不被時代淘汰的唯一法則。</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=447a197ee219" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[【Vibe Coding 實戰復盤】產品設計師用 AI 開發「展覽日曆」的防踩坑指南]]></title>
            <link>https://medium.com/@yuehhochen/vibe-coding-%E5%AF%A6%E6%88%B0%E5%BE%A9%E7%9B%A4-%E7%94%A2%E5%93%81%E8%A8%AD%E8%A8%88%E5%B8%AB%E7%94%A8-ai-%E9%96%8B%E7%99%BC-%E5%B1%95%E8%A6%BD%E6%97%A5%E6%9B%86-%E7%9A%84%E9%98%B2%E8%B8%A9%E5%9D%91%E6%8C%87%E5%8D%97-e6e15d62c14e?source=rss-437668100fee------2</link>
            <guid isPermaLink="false">https://medium.com/p/e6e15d62c14e</guid>
            <category><![CDATA[vibe-coding]]></category>
            <category><![CDATA[ui-ux-design]]></category>
            <category><![CDATA[ai-design]]></category>
            <category><![CDATA[產品設計]]></category>
            <category><![CDATA[展覽]]></category>
            <dc:creator><![CDATA[Chen Lily]]></dc:creator>
            <pubDate>Fri, 21 Aug 2026 12:01:28 GMT</pubDate>
            <atom:updated>2026-08-21T12:01:28.334Z</atom:updated>
            <content:encoded><![CDATA[<p>Vibe Coding UI/UX Design Product Design AI Agent Codex Indie Hacker</p><blockquote>在混亂與極速中，重新定義產品設計師的角色</blockquote><p>身為產品設計出身的開發者，在近期嘗試運用 AI（如 Codex、Grill-Me）開發個人專案時，我經歷了一段充滿自我懷疑的陣痛期：「用 AI 生成初版架構明明超級快，但怎麼到頭來，我還是得親自下去手刻前端元件、重新梳理流程？我到底是在省時間，還是反而浪費了更多時間？」</p><p>相信許多剛接觸 Vibe Coding（語意化編程）的設計師或跨領域執行者，都有過類似的矛盾心態。在開發「展覽日曆」這個整合個人行程與展覽檔期規劃的工具時，我逐漸摸索出了一套與 AI 協作的節奏。本文將從商業定位、協作工作流、UI/UX 體驗把關到系統架構防護，完整復盤這段充滿碰撞的開發旅程，分享如何建立一套高效率且兼具質感的 AI 開發防踩坑指南。</p><h3>一、 專案啟動：商業定位與護城河</h3><p>許多人一拿到 AI 工具，就急著下 Prompt 產出畫面與代碼，但這往往是專案爛尾的開始。在動工前，將重點放在前期的策略收斂與護城河規劃，才是確保產品能順利落地的安全網。</p><h4>1. 精準的市場縫隙洞察</h4><p>作為一個重度展覽愛好者，我發現市面上的日曆工具雖然多，但卻缺乏能將「展覽資訊」與「個人行程」進行深度、直觀整合的產品。透過 GPT 輔助進行競品分析後，驗證了這個市場缺口：目前多數工具要嘛純粹是展覽資訊集散地，要嘛是一般的行事曆，兩者之間存在斷層。這給了「展覽日曆」一個非常明確的切入點。</p><h4>2. 高容錯的盈利模式設計</h4><p>對於獨立開發者而言，初期的系統穩定度通常難以保證，最怕的就是面臨使用者付費後系統出錯的客訴壓力。因此，在盈利模式的規劃上，我果斷選擇了「聯盟行銷（Affiliate Marketing）」搭配票務平台的機制。這是一種極具防禦性的決策：即使前期 API 串接或系統出錯，最壞的情況僅是我自己暫時收不到分潤，而不會產生退費或賠償的風險，大幅降低了試錯成本。</p><h4>3. 未來的產品擴充藍圖</h4><p>雖然首版 MVP 聚焦於展覽資訊，但在前期的架構規劃中，我已經為未來的擴充預留了空間。依據競品分析的建議，系統底層的資料結構保留了納入「文創市集」、「品牌快閃店」等多元活動型態的彈性，這將成為產品邁向第二階段發展的重要護城河。</p><h3>二、 協作工作流：從線性走向螺旋疊代</h3><p>回顧過去在開發 EatKeep 時，流程是非常線性且黑白分明的：從競品分析、繪製 Wireframe、建立設計系統，最後才進入前端實作。然而，引進 Vibe Coding 後，開發節奏演變成一個看似混亂但極速的「疊代迴圈」。</p><h4>1. 突破起步障礙：運用 AI 進行思維收斂</h4><p>在專案從零到一的階段，面對空白畫布往往最令人焦慮。我導入了 Grill-Me 工具，它透過一輪又一輪的「靈魂拷問」，強勢逼迫我釐清模糊的想法，並迅速收斂出清晰的 User Flow（使用者流程）與核心 Spec（規格）。AI 在這裡扮演了打破僵局的破冰者。</p><h4>2. 直覺介入的臨界點：何時該轉向手刻？</h4><p>隨著開發推進到 Demo 階段，AI 產出的介面與流程往往會出現「哪哪都怪」的半成品狀態。這時，設計師的直覺必須果斷介入。當發現 AI 在特定的元件佈局或互動邏輯上開始打轉、產出不符預期的結果時，與其花大把時間繼續調整 Prompt，不如直接暫停生成，切換回設計師本位，親自下去手刻架構與關鍵元件。</p><h4>3. 建立人機疊代迴圈：以正確範本引導 AI</h4><p>「自己刻」並不是放棄 AI，而是為了建立更好的基準點。當我把重新順好流程、刻好風格的元件餵回給 AI 後，AI 就能以此為範本，繼續進行高速的批量生成。這種「AI 產出雛形 ➔ 人工批判挑刺與重塑 ➔ AI 基於新範本繼續生成」的螺旋式疊代，實際上讓整體的開發速度比純手刻時代快上數倍。</p><h3>三、 體驗把關：去除 AI 感的設計微調</h3><p>AI 生成的介面，常帶有濃厚的「AI 味」與生硬的套版感。為了確保展覽日曆具備現代軟體的俐落質感，我會強制在設計環節進行以下四個核心的微調：</p><h4>1. 建立視覺風格錨點</h4><p>AI 無法通靈你的品牌美學。如果任由它發揮，元件風格很快就會失控。我的作法是：絕不讓 AI 從零發想視覺。我會優先手刻半個首頁的介面，建立起包含色票、字體與組件規範的 Design System。把這個明確的「視覺錨點」餵給 AI，它才能產出符合預期且全站一致的介面。</p><h4>2. 優化介面動作引導</h4><p>AI 預設生成的介面，經常使用純文字連結或不起眼的小標籤來處理操作。基於費茲定律（Fitts’s Law），我將展覽日曆中高頻使用的功能（如加入行程、購票連結）全部轉換為視覺鮮明的大按鈕。這不僅引導了視覺焦點，也有效降低了在行動裝置上的誤點率。</p><h4>3. 介面俐落度校準</h4><p>或許是訓練資料的偏好，AI 產出的 UI 通常預設了偏大的圓角參數（如 16px 以上），這容易讓產品顯得過於可愛或帶有玩具感。為了呈現工具型產品的專業與俐落，我統一將介面的圓角縮小，讓整體視覺呈現出微冷調的現代感。</p><h4>4. 資訊呼吸感重塑</h4><p>AI 在排版時，常常為了極大化資訊量，將卡片與文字塞得非常緊湊。我會運用完形心理學（Gestalt Principles）的邏輯，手動介入調整全站的 Margin 與 Padding，賦予區塊之間合理的留白（White Space），藉此減輕使用者在瀏覽大量展覽資訊時的認知負擔。</p><h3>四、 系統架構：防範技術黑洞的機制</h3><p>跨足前端元件與後端邏輯開發，最怕的就是踩到深不見底的技術黑洞。為此，我透過 GPT 建立了一套專屬的防護網。</p><h4>1. 配置專屬 GPT 程式教練</h4><p>我建立了一個專門的 GPT 程式教練，任務是當我在社群或論壇上看到工程師抱怨 VibeCoder 的踩坑災情、或是充滿技術術語的錯誤回報時，教練會負責將這些資訊「翻譯」成白話文，並整理成我能理解的防護建議與學習地圖。這讓我能站在前人的肩膀上，避開已知的技術地雷。</p><h4>2. 明確切分技術邊界</h4><p>依照程式教練的建議，從專案一開始，我就嚴格執行架構的切分。將前端的視覺視圖（View）、前端的邏輯元件，以及後端核心的 API（特別是日曆同步與聯盟行銷的串接）劃清邊界。每一份 AI 生成的技術架構報告，我都堅持親自閱讀並確認邏輯，確保系統架構始終在可控的範圍內。</p><h4>3. 導入 VibeGuard 與專業 Skill 強化資安防護</h4><p>在 Vibe Coding 的過程中，AI 快速生成的程式碼極易忽略底層的資訊安全（Cybersecurity）與效能漏洞。為此，我特別在開發工作流中導入了 VibeGuard 以及各類專用的 UI/UX Skill。這就如同為專案聘請了一位自動化的 QA 專家，VibeGuard 能持續掃描 AI 產出代碼中的潛在風險（例如：日曆 API 授權漏洞、聯盟行銷串接的資料外洩風險），並阻擋不安全的架構生成。不過，我始終保持一個原則：「工具是輔助，人才是最終決策者」。當防護報告的建議與使用者體驗發生衝突時，最終仍需要由設計師親自介入，進行邏輯權衡與手動校正，以此打造兼顧體驗與安全的雙重保險。</p><h3>結語：設計師在 AI 時代的不可取代性</h3><p>回顧這段開發旅程，我深刻體會到，雖然 AI 打破了傳統的開發流程，但產品設計師的「美學直覺」、「體驗敏銳度」與「邏輯架構能力」，反而變得更加關鍵。AI 是一位不知疲倦的超級助理，負責極速產出與提供雛形；而設計師則是產品的靈魂，負責挑刺、微調邊界與把關最終品質。擁抱這種充滿碰撞的高速開發模式，正是我們在 AI 時代保持核心價值的最佳途徑。</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=e6e15d62c14e" width="1" height="1" alt="">]]></content:encoded>
        </item>
    </channel>
</rss>