[編者按] 據外媒報導，隨著川普總統簽署2026財年《國防授權法案（NDAA）》，美國國際發展金融公司（DFC）獲得為期六年的重新授權，並通過《2025年DFC現代化和重新授權法案》顯著擴權。新授權將DFC投資上限從600億美元提高至2050億美元，設立50億美元股權循環基金，並擴大其在能源、關鍵礦產、資訊通訊等戰略領域以及全球多數國家和地區的投資權限。分析人士稱，這一變化表明，美國正在把發展金融從輔助性政策手段，提升為服務對外戰略目標與產業安全的制度性國家利器。

美國昆西外交政策研究所（Quincy Institute for Responsible Statecraft）系統分析了DFC在美國對外戰略中的角色與實踐，主張將發展金融作為“國家利益導向的國家工具”，而非冷戰式地與中國進行地緣政治避險。文章通過多個案例（包括厄瓜多港口項目），說明DFC如何通過支援基礎設施、能源和供應鏈項目，在不軍事化、不意識形態化的前提下，增強美國經濟韌性、供應鏈安全和區域穩定。作者認為，這種以經濟互利和長期穩定為核心的國家治道（statecraft），比單純的戰略遏制更符合美國的現實利益。

DFC成立之初，旨在與中國的“一帶一路”倡議相競爭。該文認為這一戰略定位已經過時，這類地緣政治敘事不僅不會強化美國地位，反而會削弱其與全球南方的聯絡。作者建議DFC應當堅守商業邏輯與發展利益，而非迫使他國在大國競爭中站隊。為便於讀者瞭解DFC再授權後的戰略調整，從而知己知彼，歐亞系統科學研究會特翻譯編寫此文，供讀者批判性閱讀。文章僅代表作者本人觀點。

美DFC戰略調整：向全球南方再進軍

▲ 圖源：Quincy Institute for Responsible Statecraft

2018年，隨著《促進投資發展法案》（the Better Utilization of Investments Leading to Development Act）的通過，美國國際開發金融公司（The United States International Development Finance Corporation，以下簡稱DFC）正式成立。作為一家政府所有的開發性金融機構（development finance institution），DFC的使命在於支援全球南方國家（尤其是低收入和中等收入國家）的私營部門投資。

儘管中美對抗是國際體系難以避免的結構性問題，但在部分與美國利益緊密相關的國家內，美國與中國等競爭對手的投資領域可能產生重合。這種情況下，禁止DFC對當地的投資反而可能將地區影響力拱手讓人，從而損害美國的利益，並且可能與中國等國家形成以競爭為主導的動態關係。美國的挑戰在於如何將這種競爭引向非軍事領域，同時在亞太地區擴大制衡效果。

2   DFC再授權：兩黨協力的戰略調整

DFC被視為推進國家利益的重要工具。如此緊密的兩黨合作，反映出美國對國家利益的定義正在變動，日益趨向於一種更加“安全化”的模式；正因如此，DFC的角色也發生了相應的變化。DFC更大規模的再授權背後隱藏著兩黨共同的願景，即希望借助DFC保障美國的關鍵礦產、基礎設施和供應鏈的安全，並阻止這些資源落入美國的“競爭對手”。

川普陣營始終支援眾議院提交的HR 5299號法案（bill HR 5299），將DFC的目標確定為“防止戰略競爭對手在基礎設施、關鍵礦產、稀土、關鍵供應鏈和產業等領域取得進展和佔據主導地位”。該法案的政策聲明詳細列出了9項條款，其中8條涉及了國家安全。曾經的美國擁有更廣泛的政策目標，包括通過發展經濟來擴大影響力，增加新興市場的私營部門投資，以及為美國納稅人帶來回報。然而，現在的美國似乎已經不再看重這些。

（一）立法桎梏：狹隘的國家利益觀

重新授權的DFC更側重於控制特定行業和資源，並限制美國戰略對手獲取這些資源。在人們的普遍認知中，美國的供應鏈多樣化不但有助於本國的經濟平穩，也有利於增進全球經濟韌性；然而現在，一種零和思維逐漸成型，美國的戰略逐漸迫使各國在商業決策中選邊站隊，從而加劇全球緊張局勢。

文章認為，對DFC的重新授權應當突破當前狹隘的國家利益觀。如果同時為DFC設定更單一的目標和更具攻擊性的態度，這一“發展機構”可能反而會為全球發展帶來阻礙。在這一點上，參議院提出的3826號修正案（Amendment 3826）對DFC的初心做了更多保留，如優先考慮在低收入國家開展項目。相反，倘若DFC不受限於國家安全的單一目標，則有機會在更廣多元的層面實現國家利益。

若能突破安全目標的桎梏，DFC更有可能通過商業競爭來擴大美國的影響力。這種影響力會深化美國與合作國公私部門的經濟聯絡，從而形成更緊密的共同體。在此基礎上，DFC能夠推動開發中國家進一步融入全球市場。大多數全球南方國家已經適應了市場機制，尋求深度融入全球經濟以實現繁榮，而對美國所重視的許多意識形態衝突持無所謂態度。這一情況恰恰反映了美國在冷戰期間希望它們追求的意識形態目標。

報告指出，眾議院的《馬斯特法案》明確提到，“促進各國基於市場的私營部門發展”能夠使美國“更加安全、更加強大、更加繁榮”。 如果能為DFC設立一個更廣闊的願景，則不但可以全方位服務於美國利益，還能體現美國對全球南方國家自主權與選擇權的承認，而非僅僅將其視為戰略競爭的舞台。但惋惜的是，後一種觀點在美國似乎愈發盛行，這並不利於提升全球南方對美國的國際好感。

除卻上述隱憂，文章進一步指出，在兩種情況下，重新授權後形成的擴大版DFC也可能對美國影響力產生負面作用。

第一種情況是DFC被視為供養腐敗的工具。由於DFC大額資金的支出缺乏透明度，並且不對國會負責，其有可能被懷疑在東道國國內甚至美國本土剝削利益、滋生腐敗。近年來，美國《反海外腐敗法》在執行時愈發強調國家安全問題，往往著重調查美國競爭對手的活動，而忽略了對美國企業的監督，這可能導致腐敗風險加劇。同樣，如果DFC參與的項目被認為明顯偏袒美國，也會造成國際聲譽的損失。第一版烏克蘭關鍵礦產協議就是現成的案例，由於將大部分利益劃分給美國，該協議遭到了烏克蘭總統澤倫斯基的憤怒拒絕。

2025年2月，烏克蘭消息人士表示，澤倫斯基總統“不準備接受目前的草案”。圖片來源：Agence France Presse。

第二種情況是對小型投資項目的忽視，包括為中小企業提供的間接融資、具有重大發展意義的小額信貸項目等等。由於大眾更關注硬性基礎設施，這類微型項目往往得不到足夠的資源。除此之外，美國國際開發署（United States Agency for International Development）的解散也使得這些項目更難啟動。但這些變化並不意味著DFC的發展任務就此終結，只要在後續運行中有意識地予以兼顧，小型投資項目同樣擁有推進的機會。

當DFC與全球南方中的中等收入國家的公司合作開展項目時，其外交方面的收穫可能尤為顯著。譬如在厄瓜多的波利瓦爾港（Puerto Bolívar），DFC與美洲開發銀行共同為港口建設提供了最高1.5億美元的貸款，在港口擴建後，美洲—拉美—北美之間的供應鏈獲得了更多替代管道。該案例同樣說明，DFC不排斥其他開發性金融機構繼續投資自己旗下的項目，這有助於應對諸如DFC獨佔利益、實行剝削性投資等指責。這些考量不僅是出於維護軟實力的需要，也包含了對項目的政治可持續性與實際安全性的保障。

擴大後的DFC將成為美國在國際經濟外交策略中最為突出的“胡蘿蔔”獎勵。事實上，美國近期外交政策中“大棒”增多而不減，是因為在大多數全球南方國家，出於商業動機而互利的行為容易令人放鬆警惕，從而降低對政治操弄的防備。然而，明確要求排斥競爭對手國家的項目或貸款條件可能會適得其反，除非在極少數情況下，美國同時是該國最大的出口市場和最大的外來投資來源地（譬如在墨西哥）。

在未來兩年內，DFC應將重點轉向關鍵礦產和戰略電信基礎設施（如長途海底電纜）。

對關鍵礦產的重視是DFC工作重心調整的根據之一。美國戰略與國際問題研究中心（CSIS）估計，中國目前佔據著全球此類材料約60%的供應源以及約90%的加工能力。對關鍵礦產問題的過度安全化解讀可能會加劇全球緊張局勢，致使全球發展成果受限甚至倒退。該領域的利益還可能引髮帶有帝國主義色彩的行為，如美國對格陵蘭島的興趣，或是對他國內政的干預，比如在阿根廷總統哈維爾·米萊的中期選舉前，美國曾提供經濟援助以助其鞏固地位。

但報告同時指出，只要美國不執著於徹底切割全球技術和生產體系，並且尊重他國主權，那麼上述擴大關鍵礦產供應的努力，反而能夠增強全球經濟的韌性。採礦項目之所以長期備受批評，其原因主要在於兩點：一是採礦過程中可能引發的環境污染，二是在礦產所在地創造的就業崗位相對有限。但值得注意的是，採礦項目通常需要配備相應的運輸和加工環節，這些配套產業均可以成為帶動地區發展的有利窗口。因此，美國對關鍵礦產供應鏈安全的擔憂可以轉化為行業發展的驅動力。譬如2024年，DFC批准了一筆價值5.53億美元、為期15年的高級擔保貸款，用於支援洛比託大西洋鐵路公司（Lobito Atlantic Railway S.A.）對“洛比托走廊的升級、修復、營運和維護”。該項目採用了典型的多式聯運策略，除運輸關鍵礦產以外，還資助了太陽能發電場和電信基礎設施，極大地提高了當地人民的生活水平，並促進了人員和貨物的跨區域交流。

洛比托走廊佈局圖。值得一提的是，該項目不僅使用中國製造的新集裝箱車廂，還參與向中國出口的銅精礦運輸，這恰恰證明DFC旗下的項目完全具備與中國合作的可能性。圖片來源：Trafigura。

無論是關鍵礦產還是製造業領域，建構更具韌性的供應鏈，都取決於穩定可靠且具備規模化供給能力的能源體系。而在這一點上，DFC的項目可以強化美國在技術和產業方面的優勢。

在當前的政治環境下，DFC在能源項目中的投入很可能會更側重化石燃料，從而帶來積極的發展外溢效應，特別在一些人均排放量極低的開發中國家，投資化石能源可以有效地促進其他工業活動。而且，這些技術能力同樣可以轉移至可再生能源領域，DFC也可以繼續支援地熱能源項目，例如總部位於裡諾的奧瑪特科技公司（Ormat Technologies Inc）在印尼的伊真地熱發電廠（Ijen Geothermal Facility）項目。此外，DFC還可以繼續拓展其在核能融資方面的能力，尤其是基於小型模組化反應堆的項目。這一使命的實現，可能需要更充裕的資產負債表作為支撐。

正式投入商業營運的伊真地熱發電廠。圖片來源：Medco power。

除礦產和能源外，裡施法案明確指出，未來兩年DFC的重點領域之一將是電信安全。這再度證明，相關議題很容易被納入大國競爭的敘事框架中。DFC的一項相關舉措是提供1.9億美元貸款，用於建設新加坡、印尼與美國之間首條繞開中國南海的直連海底光纜，該電纜未來將由Google（Google）和臉書（Facebook）使用。

連接新加坡、印度尼西亞和北美的海底光纜項目規劃圖。圖片來源：Engineering at Meta。

由於美國在人工智慧（以下簡稱AI）革命中的領先地位，該領域成為了DFC天然的工作重點。世界各地都對引入美國的AI技術有著高度興趣。當需求來自海灣國家等較為富裕的地區時，由於其充沛的主權基金，DFC的介入可能並非必要。然而，印度和東南亞國家在AI領域積累了深厚的專業能力（如人才和產業基礎），卻缺乏來自公私部門的資金支援。在撬動私人資本、深化關鍵資料基礎設施等方面，DFC有機會發揮重要作用。

儘管存在一些瑣碎甚至危險的用途，但AI所具備的識別複雜模式與進行迭代模擬的能力，對服務業和製造業都至關重要。全球南方國家同樣希望獲得這樣的機會，而DFC在這一領域可以進行富有針對性的援助。在許多情況下，發展AI產業意味著大量消耗化石燃料；但是，對於希望依靠核能或地熱能來滿足電力需求的國家，DFC也可以協助美企開展相關項目。

（三）拉美地區：緊鄰本土的重要防線

由於拉丁美洲和加勒比地區（Latin America and the Caribbean，以下簡稱LAC地區）的地理位置，美國一直自視為該地區的“傳統主導者”；因此，DFC的戰略調整或許會更加顯著。這可能導致DFC被進一步“安全化”，愈發偏離其促進發展的本職。然而，在LAC地區，DFC理應保留更寬泛的發展職能，並支援更加多樣化的項目，其中也包括規模較小的項目。

在世界其他地區，之所以要打造一個更“強勢”的DFC，是因為美國認為有必要與中國開展競爭。但在緊鄰美國的LAC地區，需要關注的不僅僅是大國競爭和供應鏈安全，還有各種犯罪、移民等問題。在DFC在提交給國會的資金說明中，曾強調其投資旨在“促進社區的穩定與健康，預防潛在的威脅入境，並減少導致移民的諸多因素”。通過拓展在LAC地區的各類經濟計畫，DFC得以發揮至關重要的作用。

此外，在LAC地區開展一些小規模項目，也符合推動小企業發展的政治和經濟利益。即將上任的DFC首席執行長本傑明·布萊克（Benjamin Black）明確支援此類活動。在被提名為首席執行長之前，他曾在與人合著的一篇文章中表達立場，並指出DFC在為小企業創業者提供“類似美國小企業管理局的貸款和股權”等方面已經取得成功。此外，DFC也需要與當地從事小企業貸款的機建構立夥伴關係，為其提供投資，並在當地深入紮根——無論是直接開展業務，還是與其他開發性金融機構合作。

美國周邊地區面臨的問題十分複雜，需要促進多層次的政府間合作，從而提升國家治理能力。與此同時，拉美政府還需要加強與私營部門的聯絡，以推動更廣泛、更具包容性的經濟增長。正如《美墨加協定》（USMCA）賦予了美國與墨西哥尤為緊密和深厚的聯絡，一個重新煥發活力的DFC也能進一步擴大美國在LAC地區的參與度。

關於DFC未來的走向，報告提供了五條期望與建議：

兩黨推動大幅擴大DFC的行動固然值得肯定，但這也帶來了一個重要風險：該機構可能僅僅基於所謂的“國家安全考量”來選擇投資的行業、地點、合作夥伴和項目。如果DFC過度聚焦於此，將會把美國利益縮小為一種具有對抗色彩的國家安全願景，不僅容易引發反彈，也可能加劇全球緊張局勢。相反，DFC應當秉持商業競爭精神，通過市場化方式推動發展事業，並借此提升美國的全球影響力。

2. 更大、更強、更靈活，洞悉國家與市場動態

目前提出的諸如提高或有負債上限、最佳化股權和政治風險保險的預算處理、允許發放次級貸款等，都能增強DFC的風險承受力與吸引私營部門投資的能力。此外，在關鍵地區選派合適人員、設立合適的辦事機構，則有助於DFC更主動地尋求項目、設計交易結構並建立合作關係。長期看來，DFC還應考慮推出更多產品或措施，以降低匯率、原材料價格或商品市場波動所帶來的風險。

儘管出於對供應鏈韌性與安全性的考慮，國會目前的關注重點在於大型硬性基礎設施項目，但對大項目的熱衷並不必然排除其餘更廣泛的發展方向。一些能源、交通和電信領域的項目本身就會產生輻射全社會的正向外溢效應。除此之外，DFC還可以與相關開發性金融機構協作，共同為中小機構提供小規模資金，避免其在大項目優先的戰略導向下喪失生存空間。將規模小、見效快的項目與大型長周期投資相結合，可能對DFC的現金流有所改善。

兩黨對建設規模更大、更具針對性的DFC的支援，源於國家安全方面的擔憂，即美國在“大國基礎設施建設競爭”中正逐漸落後。然而，美國對LAC地區的安全關切還包括移民流動和毒品販運。在這一地區，除了專為應對“敵對勢力”而推動的基礎設施項目之外，DFC也應當基於社會經濟利益考慮，維持並拓展更廣泛的發展項目組合。此後在其他地區，它也可以逐漸重新回歸這一使命。

5. 拒絕排他競爭，促進溫和博弈

報告指出，在美國的敘事中，擴大DFC的主張是因為要與中國提出的“一帶一路”倡議競爭。然而，在美國之外，這種敘事可能會遭遇阻力——儘管存在失敗的案例，但“一帶一路”倡議確實取得了十分顯著的成功，而全球南方國家與西方債權人之間的摩擦早已持續了數十年。況且，中國經濟規模巨大，國際地位突出，是許多國家不可或缺的貿易與投資夥伴。在當今充滿潛在貸款方的世界裡，許多國家希望維持地緣經濟的開放性，倘若DFC的資金附帶排他性條件，可能會引起這些國家的反感。因此，DFC應當在商業基礎上展開競爭。既贏取財政收益，也提升國際影響力，才是全球南方之於美國的真正價值。    (歐亞系統科學研究會)

2025年，AI 程式設計助理真正成為了改變遊戲規則的工具。

不少開發者已經擁抱了AI程式工具，例如大家熟知的Claude Code、Codex CLI、Cursor、Gemini CLI等等。但要真正有效率地駕馭它們，還需要技巧和結構化的方法。

前幾天，Google工程負責人、Chrome DevTools 和JS Patterns 的設計者Addy Osmani 結合自己一年多的專案實務經驗，總結了一套AI Coding 的工作流程。

進入2026 年，他對LLM 輔助編程的理解已經非常清晰：它不是“自動駕駛”，而是一位能力極強、但需要被正確引導的結對程式設計師。

Andy系統性複盤了自己在走向2026 的過程中，如何把AI 真正納入日常工程體系——從前期規劃，到代碼生成，再到團隊協作，幾乎覆蓋了一整套可復用的實戰方法論。

在他的實踐中，AI 並不是“寫代碼的黑箱”，而是被當作工程流程中的一環來精細管理。具體來說，這套方法包括：

在任何程式碼產生之前，先與AI 一起打磨一份足夠具體、可執行的專案方案，把需求、邊界和目標一次說清楚；

在prompt 中大量使用明確的註釋、約束和規則，主動限定AI 的行為，而不是被動接收結果；

針對不同任務選擇不同模型，而不是迷信「一個模型包打天下」；

保持高頻、小步的程式碼提交，避免一次性產生或修改過多程式碼，導致專案狀態失控；

為每一個新功能單獨創建worktree，將實驗性改動與主線程式碼嚴格隔離；

透過規則檔案約束AI 的程式碼風格、目錄結構和工程習慣，讓產生程式碼更像「團隊成員」而不是「臨時外包」。

他的核心結論是：經典的軟體工程紀律，不但沒有過時，在AI 時代反而更重要！

先設計、再編碼；寫入測試；用版本控制；守住標準。當AI 參與寫一半程式碼時，這些原則的價值被進一步放大。

此外，Andy也分享了一個有趣的觀點。很多人可能認為，AI Coding會加速程式設計師失業，取代程式設計師的職位，但Andy認為，用好AI才能加速你的成長。

在審AI 的程式碼、糾AI 的bug、讓AI 解釋思路的過程中，其實能夠學到大量新知識；而對於有紮實基本功的人來說，AI能讓生產力倍放大。

Andy表示，2026 年他將全面擁抱AI，但方式是審慎、由專家主導的。這是一種更自律的「AI 輔助工程」方法：在激進地利用AI 能力的同時，依然對最終產出的軟體負全部責任。

從清晰的計畫開始：先寫方案，再寫程式碼

不要只是把「願望」一股腦丟給LLM，應先定義問題，再規劃解決方案。

一個非常常見的錯誤，是在提示語還很模糊的情況下，直接讓AI 產生程式碼。在我的工作流程中（以及許多成熟實踐中），第一步並不是寫代碼，而是和AI 一起頭腦風暴，產出一份詳細的規格說明，然後再整理出清晰的分步計劃。

對於一個新項目，我通常會先描述整體想法，並讓LLM 不斷向我反問，直到需求、邊界條件和潛在的邊緣情況都被充分挖掘出來。最終，我們會把這些內容整理成一份完整的 spec.md，其中包含：功能需求、架構決策、資料模型，甚至是測試策略。這份規格文件會成為整個開發過程的基石。

接下來，我會把這份spec 交給一個具備推理能力的模型，讓它產生專案計畫：把實作過程拆解成邏輯清晰、粒度適當的小任務或里程碑。某種意義上，這是一個「迷你版設計文件/ 專案計畫」。我通常會多次迭代這份計劃——親自修改，再讓AI 批判性地審視、優化——直到它足夠完整、連貫，然後才進入真正的編碼階段。

這種前期投入乍看之下有點慢，但回報極高。正如Les Orchard 所說，這就像是“15 分鐘完成一次瀑布式設計”，一個快速而結構化的規劃階段，讓後續編碼變得異常順暢。

有了清晰的規格和計劃，當我們真正「釋放」程式碼產生能力時，人和AI 都非常清楚：我們要做什麼，以及為什麼要這麼做。簡而言之，先規劃能讓你和AI 站在同一頁上，避免無效反覆。很多人會跳過這一步，但如今有經驗的LLM 開發者，已經把高品質的spec / plan 當成整個工作流程的核心。

把工作拆分成小而可迭代的區塊

範圍管理是一切的關鍵：給LLM 可控的小任務，而不是一次塞進整個程式碼庫。

我學到的一個重要教訓是：不要讓AI 一次輸出大量、整體性的程式碼。相反，應把專案拆成一系列小步驟或“工單”，逐一完成。這本來就是良好的軟體工程實踐，但在引入AI 之後變得尤為重要。

LLM 在聚焦型任務上表現最好：實作一個函數、修復一個bug、增加一個小功能。例如完成規劃後，我會直接對程式碼產生模型說：「好，我們來實現計畫裡的第1 步。」完成後測試，再進入第2 步，如此循環。每一個chunk 都夠小，小到AI 能在上下文中處理乾淨，而你也能真正理解它產生的程式碼。

這種方式能有效防止模型「跑偏」。如果一次性要求太多，模型往往會迷失方向，產生一堆“糾纏在一起的程式碼垃圾”，非常難以維護。許多開發者都有類似體驗：讓LLM 一口氣產生一個完整應用，結果程式碼風格不統一、邏輯重複，「就像10 個程式設計師各幹各的，彼此完全沒溝通」。我自己也踩過這個坑，解決方法只有一個：停下來，退一步，把問題切小。

每一輪迭代，我們都在已有上下文的基礎上，增量式地推進。這也非常適合測試驅動開發（TDD）：每個步驟都可以同步編寫或產生測試（後面會詳細講）。

不少編碼Agent 工具已經明確支援這種「分塊」工作流程。例如，我有時會產生一個結構化的「prompt plan」文件，裡麵包含每個任務對應的一條提示語，讓Cursor 這類工具依序逐條執行。核心原則只有一個：避免大躍進。透過小步快跑，我們大幅降低災難性錯誤的機率，也能更快糾偏。 LLM 在快速、受限的任務上非常擅長，要順勢而為。

LLM 的品質上限，取決於你提供的上下文品質。把相關程式碼、文檔和約束條件都給它。

在處理真實程式碼庫時，我會確保AI 擁有完成任務所需的一切資訊：相關原始碼、技術約束、已知坑點、推薦或禁止的方案。現代工具在這方面已經很強了：例如Claude 的Projects 模式可以直接匯入整個GitHub 倉庫；Cursor、Copilot 會自動把目前開啟的檔案放進上下文。但我通常還會做得更多。

如果我懷疑模型缺乏某些關鍵訊息，就會透過MCP（如Context7），或乾脆手動把重要模組、API 文件黏進對話裡。資深LLM 用戶普遍強調這種“上下文打包（context packing）”的重要性，例如在編碼前來一次完整的“信息傾倒”，包括：

如果任務本身比較棘手，我甚至會提前告訴AI 那些樸素解法性能不行，或者給它一個外部參考實作。如果使用的是冷門庫或全新API，我會直接貼官方文件或README，避免它「蒙著眼睛飛」。

所有這些前置上下文，都會顯著提升輸出質量，因為模型不需要猜測，而是基於事實和約束進行生成。

現在也有不少工具能自動化上下文整理，例如gitingest、repo2txt，它們可以把程式碼庫的關鍵部分匯出成一個文字文件，讓LLM 一次讀入。對於大型專案來說，這是救命工具。原則很簡單：不要讓AI 在資訊不完整的情況下工作。一個bug 如果涉及四個模組，就把這四個模組都給它。當然要注意token 限制，但如今前沿模型的上下文視窗已經非常大（幾萬token），合理利用即可。我通常只選取與目前任務相關的程式碼，並明確告訴AI 那些內容可以忽略，以節省上下文空間。

我個人也很看好Claude Skills 這個方向：它把原本脆弱、一次性的提示，封裝成可復用的“技能”，把指令、腳本和領域知識模組化。當請求匹配某個Skill 時，工具可以自動套用這些能力，效果遠勝於通用prompt。這讓我們從一次性交互，走向可重複使用、可沉澱的工程流程。

目前社群已經有不少Skills 集合，我很喜歡的例子是frontend-design skill，它能終結LLM UI 裡氾濫的「紫色設計風」。在官方工俱全面支援之前，也已經有一些可行的變通方案。

最後，在prompt 裡用明確的註解和規則引導AI。例如，我會在程式碼前面加一句：「這是X 的當前實現，我們需要擴展它來做Y，但一定不要破壞Z。」這種小提示非常有效。 LLM 本質上是“字面主義者”，你給什麼指令，它就照著執行。上下文越清晰，幻覺和跑偏就越少，產生的程式碼也越貼合項目實際。

並不是所有編碼LLM 都一樣，要有意識地選工具，必要時中途換模型。

到2025 年，我們已經擁有大量強大的程式碼模型。在我的工作流程中，一個重要環節就是：為不同任務選擇最適合的模式或服務。有時候，我甚至會並行嘗試兩個模型，看看它們對相同問題的想法有何不同。

每個模型都有自己的「性格」。關鍵在於：如果一個模型卡住了或輸出平庸，立刻換另一個。我常常把同一個prompt 原封不動地複製到另一個服務裡，結果往往立竿見影。這種「模型輪換」在遇到盲點時非常救命。

另外，盡量用最新、最強的版本。如果條件允許，優先使用最新的Pro 級模型。是的，這通常意味著付費，但生產力提升往往物有所值。說到底，選一個「合拍」的AI 結對程式設計師也很重要。我認識一些人偏愛某個模型，只是因為它的回應風格比較順眼，這完全合理。當你要和AI 長時間對話時，體驗和語氣真的很重要。

就我個人而言，最近很多程式設計工作我會優先用Gemini，因為互動更自然，第一次就理解需求的機率更高。但我從不猶豫在必要時切換模型；有時候，「第二意見」能讓解法突然浮現。總結一句：為任務選對工具，並記住你手上有一整套AI 工具箱可用。

在整個軟體生命周期中使用AI 編碼能力

在SDLC 的各個階段引入AI，讓開發體驗全面提速。

在命令列層面，新一代AI Agent 已經出現：Claude Code、OpenAI Codex CLI、Google Gemini CLI，都可以直接在專案目錄裡對話，讀取檔案、執行測試，甚至多步驟修復問題。我也用過Google 的Jules、GitHub Copilot Agent——它們是異步的編碼Agent，會把你的倉庫複製到雲端VM，在後台完成任務（寫入測試、修bug），然後直接給你一個PR。第一次看到這種體驗時真的很詭異：你只下了一條指令，例如“重構支付模組以支援X”，過一會兒就收到一個測試通過的Pull Request。我們確實活在未來。關於這一點，可以參考《From conductors to orchestrators》。

當然，這些工具並不完美，必須清楚它們的邊界。它們非常擅長加速機械性工作，樣板​​程式碼、重複性修改、自動跑測試，但仍然高度依賴你的引導。例如，當我讓Claude 或Copilot Agent 實現某個功能時，通常會把前面整理好的計畫或待辦清單一起給它。如果工具支持，我會直接把 spec.md 或 plan.md 加進上下文，讓它嚴格地按步驟執行。

我們還遠遠沒到可以完全放手，讓AI 獨立實現完整功能並期待完美結果的階段。我的使用方式始終是「有人監督」：讓AI 產生、運行程式碼，但我隨時盯著進度，一旦有異常就介入。也有一些編排工具（如Conductor）支援並行運行多個Agent，讓不同Agent 同時處理不同任務。本質上是在「規模化AI 勞動力」。我也嘗試過這種「多Agent 並行」模式，效率驚人，但同時也非常耗費心智去監控。多數情況下，我還是選擇一個主Agent，再加一個輔助Agent 做評審。

記住：這些都是電動工具。你仍然掌控扳機。

始終讓人留在迴路中：驗證、測試、審查一切

AI 可以寫出看起來很像真的程式碼，但品質責任始終在你身上。

我有一條鐵律：永遠不要盲信LLM 的輸出。正如Simon Willison 所說，把LLM 當成一個「自信過頭、但容易犯錯的配對程式設計師」。它會以100% 的確信寫出包含bug 的程式碼，除非你指出來，否則它不會意識到問題。

因此，我把每一段AI 產生的程式碼，都當成來自初級工程師的提交：逐行閱讀、運行、測試。一定要測試。跑單測、手動驗證功能是否符合預期。對此我強烈建議閱讀《Vibe coding 不是低品質的藉口》。

事實上，我把測試直接嵌入工作流程。前期規劃時就會包含測試清單或測試策略。如果使用Claude Code 這類工具，我會明確指示它在完成任務後運行測試，並在失敗時繼續調試。只要測試存在，AI 在「寫程式→ 跑測試→ 修bug」的閉環裡表現非常出色。這也是為什麼最能榨乾coding agent 價值的人，往往也是測試做得最好的人。有完善測試套件的項目，對AI 來說就像裝了安全網；沒有測試，Agent 很容易在「看起來一切正常」的幻覺中破壞多個模組。

除了自動化測試，程式碼審查同樣必不可少——包括人工和AI 輔助審查。我經常會暫停下來，逐行審查目前產生的程式碼，甚至開一個第二個AI 會話（或換一個模型）來做review。例如讓Claude 寫程式碼，再讓Gemini 審一遍：「你能檢查這個函數有沒有潛在問題嗎？」這種方式常常能抓住一些微妙bug。 AI 寫的程式碼，反而更需要審查，因為它往往「表面上很合理」。

我也會使用Chrome DevTools MCP（這是我和上一個團隊一起做的）來增強調試和品質閉環。它相當於“給AI 裝上眼睛”，讓Agent 能看到瀏覽器實際狀態：DOM、效能追蹤、控制台日誌、網路請求。這極大減少了上下文切換的摩擦，使LLM 能夠基於真實運行數據進行UI 測試和精確修復。

忽視人類監督的代價已經有人替我們踩過。曾有開發者在趕專案時大量依賴AI 生成，結果程式碼結構混亂、邏輯重複、命名不一致。他後來意識到自己一直在“往前堆代碼”，卻從沒停下來整體審視。最終只能痛苦重構，發誓再也不讓事情失控。我把這個教訓牢記在心：無論AI 用得多狠，我始終是最終負責的工程師。

在實踐中，這意味著：只有在我真正理解程式碼之後，才會合併或上線。如果AI 產生的程式碼太複雜，我會讓它加註解解釋，或者乾脆重寫成更清晰的版本。只要感覺不對勁，就深入挖——就像對待任何人類同事的可疑提交一樣。

歸根究底是心態問題：LLM 是助手，而不是可靠的自主程式設計師。我是資深工程師，AI 是加速器，而不是判斷替代品。這種立場不僅帶來更好的程式碼，也能保護你作為開發者的長期成長。只要你始終參與其中、主動理解和審查，你不是在退化，而是在更高速度下鍛鍊判斷力。

一句話總結：保持警惕，頻繁測試，永遠審查。程式碼庫最終仍然是你的。

頻繁提交，把版本控制當作安全網

永遠不要提交你解釋不清楚的程式碼。

在AI 能快速產生大量程式碼的情況下，事情很容易失控。我的應對方式是：極端細粒度的版本控制習慣。我提交得比純手寫程式碼時代還要頻繁。每完成一個小任務或一次成功的自動修改，就立刻提交一次，提交資訊寫清楚。

這樣一來，如果AI 的下一步引入了bug 或糟糕改動，我可以迅速回滾到最近的穩定點，或者cherry-pick，而不是損失幾個小時的工作。有人把這種做法比喻為“遊戲裡的存檔點”，我非常認同。有了這種安全感，你才敢大膽嘗試AI 的激進重構。

版本控制還能彌補AI 的「記憶缺陷」。我經常翻看最近的提交記錄，來給AI（或自己）複盤發生了什麼。甚至可以直接把git diff 或commit log 黏給AI，它們非常擅長理解diff，用 git bisect 找bug 也毫無怨言——前提是你的提交歷史足夠乾淨。

另一個好處是：小提交+ 清晰訊息，本身就是文件。無論是人類還是AI 做code review，都比較容易定位問題。如果所有改動都塞在一個叫「AI changes」的巨大提交裡，基本上等於災難。所以我強迫自己遵守紀律：完成任務→ 跑步測試→ 提交。

我也會大量使用分支或git worktree 來隔離AI 實驗。一個我很喜歡的進階技巧（受Jesse Vincent 啟發）是：為每個新功能或子任務創建一個獨立worktree。這樣可以在同一個倉庫裡並行跑多個AI 會話，互不干擾。失敗了直接丟棄，成功了再合併。版本控制正是讓這種AI 協作成為可能的基礎架構。

總結一句：多提交、用好分支、把git 當成AI 時代的控制系統。

透過風格指南、範例，甚至「規則檔」來引導AI，前期一點調校，能換來長期高品質輸出。

我學到的一點是：你完全不必接受AI 的預設風格。你可以強力引導它。我自己維護了一個 CLAUDE.md 檔案（用Gemini CLI 時也有 GEMINI.md），裡面寫的是流程規則和偏好，例如：

每次會話開始時把這個檔案餵給模型，效果非常好，能顯著減少「跑偏」。這就像Jesse Vincent 說的：它能讓模型始終沿著既定軌道前進。

即使不用規則文件，你也可以透過自訂指令或system prompt 達到類似效果。 Copilot、Cursor 都支援專案層級的行為配置。我通常會寫一小段說明，例如縮排規格、React 中避免箭頭函數、變數命名要求、必須通過ESLint 等。設定好之後，AI 的輸出就更像一個真正融入團隊的工程師。 Ben Congdon 曾經感慨，很少有人使用Copilot 的自訂指令，但效果卻出奇地好——我完全贊同。

另一個非常有效的技巧是：給範例。如果我希望AI 以某種方式寫函數，就先給它看一個現有實作；如果想要特定的註解風格，就先自己寫一段範例。 LLM 非常擅長模仿，一兩個例子就夠了。

輝達執行長黃仁勳最近關於中國在人工智慧競賽中領先的言論在美國引起了軒然大波，以至於黃仁勳不得不出面澄清。本月，在戰略與國際研究中心（CSIS）的一次爐邊談話中，CSIS主席約翰·哈姆雷（John Hamre）向黃仁勳提出了一個他認為“極具挑釁性”的問題：“你最近發表了一些言論，你說中國在人工智能競賽中領先。我知道華為是一個強大的競爭對手，華為擁有許多我們所具備的優勢。你可以詳細描述這場競爭嗎？

黃仁勳在回覆哈姆雷時說：「顯然，這引起了廣泛關注。正如你所知，新聞標題通常會省略免責聲明和基礎部分。但我們可以這樣理解：人工智慧就像一個五層蛋糕。我們先簡化一下。實際情況可能沒那麼簡單，但我們姑且把它簡化成一個五層蛋糕：能源、晶片、基礎設施、模型和應用。然後我們從下往上逐。

中國在能源領域的主導地位是「交易中的致命因素」之一

「他們的能源儲備是我們國家的兩倍。而我們的經濟規模比他們大。這對我來說毫無道理。我們也知道，本屆政府最重要的舉措之一，也是川普總統與我見面時說的第一句話：『聽著，我們需要重振美國工業。我們需要恢復國內製造業。我們需要幫助美國再次製造產品。' 這將創造就業機會。

黃隨後補充道，美國正面臨能源問題，而中國在這方面遙遙領先。在談到這個問題時，黃也對川普總統表示讚賞，並表示他正在盡最大努力解決這個問題。 「然而，如果沒有能源，我們如何建造晶片工廠、電腦系統工廠以及這些人工智慧資料中心？我們稱之為人工智慧工廠。我們在美國同時建造三種不同類型的工廠：晶片工廠、超級電腦工廠和人工智慧工廠，它們都需要能源，每一種都需要。因此，一方面，我們希望重振美國工業。

他表示，雖然美國在能源方面只有中國的一半，但在晶片領域，美國卻領先中國數代。但他同時警告說，我們絕不能因此而沾沾自喜。半導體製造是一個複雜的過程，任何認為中國不具備製造能力的人都忽略了一個重要的事實。 「所以，現在回到能源層面，回到我們之前提到的技術棧，我們佔50%，而他們正在快速成長。我們目前基本上持平。

所以，第一點是能源。第二點是晶片，我們在晶片方面領先好幾代，我想大家都明白這一點。第三點是基礎建設。如果你想在美國建造一個資料中心，從破土動工到搭建一台人工智慧超級計算機，大概要三年時間。他們周末就能蓋好一間醫院。這才是真正的挑戰。所以，在基礎建設層面，他們的建設速度非常快，因為他們是建造者。現在，在晶片方面，我們領先好幾代，但不要自滿。

記住，半導體是一個製造過程。任何認為中國無法製造半導體的人都忽略了一個重要的概念，」黃說。

輝達執行長黃仁勳關於「中國將贏得人工智慧競賽」的言論

據報導，輝達首席執行長黃仁勳今年11月曾對《金融時報》表示“中國將在人工智能競賽中勝出”，但隨後不久便發布了一份澄清聲明。黃仁勳是在《金融時報》舉辦的人工智慧未來高峰會間隙發表上述言論的，他在會上警告稱，由於能源成本更低、監管更寬鬆，中國將在人工智慧領域超越美國。然而，在《金融時報》發布報導數小時後，輝達透過其官方X帳號發布了黃仁勳的另一份聲明。他補充說：“正如我一直以來所說，中國在人工智慧領域僅落後美國幾納秒。至關重要的是，美國必須奮起直追，贏得全球開發者的支持，才能最終取勝。”(半導體產業觀察)

美股艾大叔的最新長文及歷史文章，讓您掌握相關股市行情消息，協助您做投資決策。追蹤美股一手情報與分享深入報導