Vibe Coding的血淚史：從 Copilot Pro 到 GPT-4.1 的愛恨交織

AI 編程的夢想與現實

作為一個熱衷於用 AI 編程的developer，我滿懷期待地花了 US$10 subscribe了 GitHub Copilot Pro，心想終於可以爽用 AI 寫程式，大幅提升效率。然而，現實給了我一記重擊：不到兩週，我的 Copilot Pro quota 竟然用到了 100.2%！無奈之下，我被迫退回到免費的 GPT-4.1 model，開始了一段「低配版」的 vibe coding 之旅。這段經歷讓我又愛又恨，下面就來分享這段血淚史，以及我從中學到的教訓。

GitHub Copilot Pro：Quota 耗盡的痛

訂閱 Copilot Pro 時，我以為這 US$10能讓我無憂無慮地用 AI 生成代碼，結果卻是個大坑。不到兩週，quota 就燒光了！根據 GitHub 官方doc，Copilot Pro 的 quota 是按月計算的，會根據請求次數和生成代碼的複雜度快速消耗。像我這樣頻繁要求生成長段代碼、複雜邏輯，甚至多次重寫同一段代碼，quota 自然像火箭一樣飆升。

這讓我不禁反思：為什麼 quota 燒得這麼快？除了我個人的重度使用習慣，Copilot 的 suggestion 功能可能也在默默消耗 quota。更慘的是，當 quota 耗盡後，我只能退回到免費的 GPT-4.1 model，開始了 debug 到懷疑人生的日子。

GPT-4.1：速度快，Bug 更多

GPT-4.1 號稱生成速度快，確實名不虛傳，代碼生成的瞬間讓我以為自己在用超級電腦。但問題來了：它的代碼質量簡直讓人懷疑人生！相比高級model（如 Gemini 2.5 Pro 或 Claude Sonnet 4），GPT-4.1 的表現完全不在一個層次。生成的代碼經常不完整，充滿莫名其妙的syntex error，甚至連基本的indentation都能搞錯！

低級錯誤頻頻出現，簡直讓我懷念手寫代碼的日子。為什麼 GPT-4.1 會這樣？原因可能在於免費模型為了追求速度，犧牲了邏輯推理能力和上下文理解能力，導致它在處理複雜邏輯或長上下文時容易出錯。

掙扎：課金升級還是硬著頭皮用？

Quota 耗盡後，我面臨一個艱難的選擇：要不要再課金升級，換回使用高級模型的資格？畢竟，像 Gemini 2.5 Pro 或 Claude Sonnet 4這樣的模型，邏輯推理能力強，生成的代碼至少「像樣」一點，能大幅減少 debug 時間。但在掏錢之前，我決定先榨乾 GPT-4.1 的潛力，看看能不能靠自己「救場」。

於是我嘗試了各種方法：把需求寫得像教科書一樣詳細，把 class 結構、頁面功能、邏輯拆解得清清楚楚，再feed給 GPT-4.1。結果呢？還是失敗了！ 即使我把 prompt 寫得再清晰，GPT-4.1 依然能「創意十足」地搞砸，生成一堆跑不通的代碼。這些 bug 讓我感覺自己不是在 coding，而是在當 AI 的「保姆」。

意外收穫：回歸基礎的啟示

雖然這段掙扎充滿挫折，但也不是毫無收穫。我發現，GPT-4.1 雖然不可靠，但它的生成速度確實很快。如果我像手寫代碼時那樣，先把程式邏輯、功能、class 結構、文件結構梳理清楚，再給它精確的指示，GPT-4.1 還是能幫我省下不少時間。這種「半自動」的 vibe coding 模式，對比以前純手動的時代，確實提升了效率——前提是我得當個「超級監工」，隨時準備修它的 bug。

這讓我意識到：AI 工具的本質是輔助，而不是取代。開發者自己的邏輯思維和結構化能力才是關鍵。通過這次經歷，我重新找回了手寫代碼時的感覺：先把需求想清楚，再動手（或動 AI）。這種回歸基礎的啟示，讓我對自己的 coding 能力更有信心。

小結：Vibe Coding 的取捨

這段 vibe coding 的血淚史讓我明白：AI 工具不是萬能的，尤其是免費模型像 GPT-4.1，速度快但質量堪憂。想用高級模型？看來得乖乖課金。 但不管用什麼模型，開發者的邏輯思維永遠是王道。只有把需求梳理清楚，AI 才能真正成為你的「小幫手」，而不是「bug 製造機」。

如果你也有類似的 vibe coding 慘痛經歷，歡迎留言，也許能大家可以找到更聰明的應對方法。