「我們的創始工程師晚餐時正在 Vibecoding時， Claude 卡住了，最後竟然是餐廳服務生過來幫他 Debug。」這則在 X 上瘋傳的貼文，標註著「只發生在舊金山 (Only in sf) 」，生動地描繪了當前矽谷的科技狂熱。
這不僅是趣聞，更是一個軟體界正在改變的進行式跡象。當寫程式從專業工程師的專利，變成很多人都能進行的「Vibecoding」，這意味著軟體開發的門檻正在降低。Anthropic 推出的 Claude Code 搭配 Opus 4.5 模型，正是這場變革的推手。從 Google 工程師到學術界教授，科技圈正迎來一場前所未有的生產力革命。
原本 Vibe Coding 會有很多需要資深工程師除錯、debug 的階段，但目前新版的 AI 在程式開發上的表現已經越來越好，不少專案工作者實際的進度發現，需要 debug 的程式碼數量降低了，代表 AI 產生的程式碼品質和之前比較，有相當的提升。
Google實測證實效能超越傳統開發流程
這股熱潮並非僅止於社群話題。Google 內部資深工程師指出，透過 Claude 模型協助，僅需一小時便能完成過去長達一年的工作量。一位工程師透露，在涉及程式碼重構與系統整合的測試中，Claude Code 展現了驚人的壓縮能力，不僅能生成程式碼片段，更具備多代理系統（Multi-agent System）的協同運作與調度能力，能模擬真實的執行環境，其能力已遠超單純的語言模型。
業界消息指出，基於實際考量，Google 內部已開始採用 Anthropic 的命令列介面（CLI）工具來取代部分自家的 Gemini 應用。AI 的導入有效消除了大型團隊中常見的溝通成本，將漫長的協調過程轉化為乾淨俐落的程式碼產出。
學術研究的資料處理與論文擴展
自動化浪潮同樣席捲了學術界。行為經濟學家 Alex Imas 分享其實測經驗，過去耗時 24 至 48 小時的實驗資料處理，利用 Claude Code 僅需 20 分鐘。研究人員只需下達指令，AI 便能自動清洗資料、繪製圖表並產出分析模型。
史丹佛大學教授 Andrew B. Hall 則展示了更進階的應用。他透過精心設計的提示詞，讓 Claude Code 在一小時內完成了複製舊論文程式碼、轉換程式語言（從 Stata 轉為 Python）、爬取網路更新資料、執行新分析並擴展研究範圍至 2024 年等多項任務。這顯示 AI 對於擴展觀察性研究具有極大潛力，代表我們如果進行研究時採用 AI 來補助，未來學術產出的速度將大幅提升。
程式開發從手工藝邁向工業化
針對此一現象，AI 研究者 Sergey Karayev 在 X 上提出了一個精準的比喻。他認為 Claude Code 搭配 Opus 4.5 模型是軟體創作的分水嶺，將程式開發從一種如同「手工藝」般的匠人活動，轉變為真正的「工業化」流程。他將此變革的重要性，比擬為古騰堡印刷機、縫紉機或照相機的誕生。
前 OpenAI 與 Tesla AI 總監 Andrej Karpathy 對此觀點表示高度認同，並指出這正是他對近期程式碼生成技術的真實感受。Midjourney 創辦人 David Holz 則在假期中發現，利用 AI 完成的專案數量比過去十年加起來還多，Elon Musk 甚至回應這象徵著「奇點」（Singularity）的到來。
從舊金山餐廳裡的「Vibecoding」奇景，到 Google 內部的效率震撼，軟體產業正站在一個全新的起跑點上。我們正見證程式開發從手工業邁向工業化的歷史時刻，還沒嘗試過的人可以試著加入看看，或許你能有新收穫與體會。
首圖與配圖由 Nano Banana AI 生成
